基于能量流和仿真的压铸机能耗建模与评估北大核心

针对压铸机能耗高、能量利用率低的问题,提出一种基于能量流和仿真的压铸机能耗模型,研究压铸机能耗特性与重要工艺参数对系统能耗的影响;针对压铸机能耗等级评估周期长、成本高的问题,提出一种基于能耗模型仿真测算压铸机能耗等级的新方法。分析压铸机的能量流特性,根据其能耗分布规律和能量守恒原理,构建压铸机能耗计算模型;采用AMESim与C语言联合仿真,建立压铸机液压系统能耗仿真模型,研究压铸机不同增压压力与不同快压射速度对系统能耗的影响;仿真得出压铸机能耗数据,并按相关标准评估压铸机的能效等级。研究结果显示合开模过程能效较高,有用功约占总能耗的50%;压射过程能效较低,有用功约占总能耗的21%,快速压射阶段瞬时功率非常高;增压压力与快速压射速度变化均对压射机构能耗影响较小;仿真测算出的压铸机能效等级与实测结果接近,比能耗误差为8%,显示提出模型与方法具有较好的准确性与可行性。     

复合型含能破片冲击波起爆特性研究

为了解释冲击波对复合型含能破片内装药的起爆机理,建立了含能破片反射波冲击起爆理论模型,对含能破片的起爆阈值速度进行理论计算。对含能破片的撞靶过程进行数值模拟,分析了不同头部厚度、装药长度和破片直径对含能材料入射波和反射波起爆的影响。分析结果表明:含能破片反射冲击波起爆阈值速度比入射波低;破片壳体头部厚度只影响2种起爆方式的阈值速度,不决定装药的起爆方式,装药长度和破片直径之比k决定含能材料的起爆方式;不同的含能材料具有不同的临界值,当k小于临界值时,含能破片的临界起爆速度由反射波强度决定。2种起爆方式的毁伤模式有一定的差异,同时起爆方式也对释能时间有一定影响。     

薄壁金属气囊结构与焊接工艺设计

为提升布撒器抛撒气囊的承压强度及抗氧化能力,提出一种薄壁金属气囊的设计方案。通过无距理论得到不锈钢金属气囊的壁厚。依据金属气囊的结构特性,设计焊接夹具和工艺。同时采用Rosenthal移动线热源模型,计算焊接过程的温度场,得到焊接参数。通过与传统橡胶/芳纶气囊对比分析。结果表明:金属气囊的质量可降低45%,承压强度是橡胶/芳纶气囊的1.5倍,可很好完成子弹药的抛撒任务。     

穿爆弹丸内装药撞击起爆实验及数值模拟

为了研究穿爆弹丸内装药的起爆机理,对穿爆弹丸的惯性点火元件进行设计,进行了弹道发射撞击起爆试验。对炸药采用SPH建模,对其他结构采用有限元网格划分,建立了穿靶过程数值模型。根据含能材料在撞击作用下的非冲击起爆判据,采用ANSYS/LS-DYNA软件对装药的惯性撞击特性进行分析,得到了钝化RDX装药的临界起爆能量范围。结果显示:弹丸以394 m/s的速度撞击7.4 mm的靶板时发生爆炸,装药起爆的临界比塑性能在1.42 GPa·μs～1.63 GPa·μs范围内; 在弹丸能够有效穿透靶板的情况下,弹丸的着靶速度越低,装药所受惯性冲击力越小,惯性作用持续时间越长,装药越容易被起爆。     

PROFIBUS现场总线技术与PC控制

由于PROFIBUS现场总线优良的特性，灵活的配置和安装成本低等特点，以及目前世界范围内应用成功的经验证明和发展势头，较其它几种总线具有明显的优势，本文扼要地叙述了其技术特点、结合PC控制应用及在中国的发展前景。     

两种算法模拟炸药撞击响应特性的对比分析

为了更有效地模拟炸药的撞击响应特性,为炸药的安全性预测提供可靠数据,采用有限元法(FEM)及FEM与光滑粒子(FEM-SPH)耦合算法分别对炸药的跌落试验及Steven试验进行了数值模拟,对各种算法的优缺点进行了讨论及对比分析。结果表明,FEM-SPH耦合算法能够更有效地模拟粘性炸药受撞后的力学响应问题,且精度更高。在跌落试验的模拟中,FEM-SPH耦合算法得到的压力及过载曲线的上升速率与实测值更接近,最大压力误差约4%,而FEM的误差为16%;在Steven试验的模拟中,FEMSPH耦合算法得到的压力时程曲线与试验值更吻合,压力积分值与试验值偏差约10.7%,而FEM的偏差为29%,炸药受撞击后的现象也与试验较相似。FEM-SPH耦合算法能够在一定程度上表现出粘性及颗粒材料在撞击加载过程中的相对滑移及流动特性,对于模拟粘性炸药在受撞击后产生大变形的问题有一定优势。     

惯性起爆弹丸内装药摩擦起爆特性

为了对惯性起爆弹丸的起爆特性进行定量分析,对弹丸的撞击起爆过程进行了试验研究。根据炸药的热起爆理论,建立了装药的摩擦起爆模型; 结合LS-DYNA软件对装药的惯性撞击特性进行分析,得到了不同工况下装药的摩擦温升曲线。结果表明:在弹丸能够有效穿透靶板的情况下,弹丸的着靶速度越低,装药所受的惯性冲量越大,装药越容易被起爆。计算得到的钝化RDX与钢惯性体之间的滑动摩擦系数为0.04。将数值计算与试验测量的结果进行了对比分析,验证了摩擦起爆模型的有效性。     

一种1D-CNN与多传感器信息融合的液压系统故障诊断方法

针对液压信号复杂且难以诊断的难点，提出一种多尺度一维卷积神经网络与多传感器信息融合的深度神经网络模型（MS1D-CNN-MSIF）对液压泵与蓄能器进行故障诊断。在提出方法中，采用不同大小的卷积核对故障信号进行多尺度特征提取；然后使用多传感器信息融合策略将多个传感器的特征信号进行融合，最后使用Softmax进行分类识别。诊断蓄能器压力状态与液压泵泄漏状态的实验结果表明，与支持向量机、堆栈自编码、深度置信网络比较，提出模型具有更好的故障诊断性能，蓄能器识别精度可达99.50%，液压泵识别精度可达99.73%。     

基于改进和声算法的直流电机PID参数优化

直流电动机PID参数优化，是电机控制中的重要优化问题。智能优化算法相较于人工调参有明显的优势。和声搜索算法结构简单，可调参数少，已成熟运用于多种参数优化问题，但其寻优精度较低，且容易陷入局部最优。文章使用Tent混沌映射初始化和声库，设置全局自适应的和声参数，在搜索过程中加入麻雀搜索策略进行协同搜索，并将麻雀种群库与和声库进行信息交互，提出一种自适应混沌麻雀和声搜索算法（adaptive chaotic sparrow harmony search,ACSHS）。通过仿真实验证实ACSHS算法在收敛速度和寻优精度上比几种优秀的PID参数优化算法更为有效。