微观组织演变对细晶Mg-Y-Nd合金超塑性性能的影响

在初始应变速率为2×10^-2~4×10^-4 s^-1,温度为683~758 K的条件下,对用水下搅拌摩擦加工制备的细晶Mg-Y-Nd合金进行高温拉伸实验,研究了微观组织演变对其超塑性性能的影响。结果表明:因为具有细小均匀的微观组织和良好的热稳定性,Mg-Y-Nd合金在733 K和3×10^-3 s^-1初始应变速率下表现出最大的伸长率(967%),在758 K和2×10^-2 s^-1条件下表现出最优的高应变速率超塑性(900%)。在高温下暴露时间过长导致α-Mg晶粒和第二相颗粒显著长大,使试样的伸长率明显降低;因为第二相颗粒与镁基体之间有良好的变形协调性,在相界处不会产生明显的应力集中,裂纹主要在晶界生成。     

国外电视差转机技术发展近况——赴英、法技术考察介绍

由广播电视工业总局组织的五人考察小组,于1980年11月29日至1981年1月1日赴英、法两国对电视发射机和差转机进行了技术考察。据了解,西欧及其他先进工业国家在电视发射机和差转机领域方面的发展近况,与英、法两国大体相似。本文着重以英、法两国的产品为例,介绍目前在电视差转机领域里的发展近况。     

弹性膜结构静力学的各类变分原理

通过罗恩早已提出的一条简单而统一的新途径,系统地建立了弹性膜结构静力学的各类变分原理。首先给出膜结构静力学的广义虚功原理的表式,然后从该式出发,不仅能得到膜结构静力学的虚功原理,而且通过所给出的广义Legendre变换,还能系统地成对导出弹性膜结构静力学的3类变量、2类变量变分原理以及总势能驻值原理和总余能驻值原理的互补泛函。同时,通过这条新途径还能清楚地阐明这些原理的内在联系。     

网架结构动力分析的三次样条辛算法

根据对偶互补的思想,建立了网架结构动力学的相空间非传统Hamilton型变分原理。这种变分原理不仅能反映这种动力学初值-边值问题的全部特征,而且它的欧拉方程具有辛结构。基于该变分原理,空间域采用有限元法与时间子域采用三次样条函数插值的时间子域法相结合,构造了求解网架结构动力响应的一种辛算法,给出了逐步递推计算格式。数值算例结果表明,这种新方法的稳定性、计算精度和效率都明显高于Wilson-θ法和Newmark-β法。     

非常规四边形板元(QUUNC元)——非常规单元系列(Ⅲ)

本文提出一种非常规四边形板元(QUUNC元).这种新单元的刚度矩阵采用作者所提出的新列式方法来构造.因此,与已有四边形板元相比,QUUNC元的结构更简单,计算量更少和编程更容易.     

弹性膜结构动力学的各类非传统Hamilton型变分原理

根据古典阴阳互补和现代对偶互补的基本思想,通过罗恩早已提出的一条简单而统一的新途径,系统地建立了弹性膜结构动力学的各类非传统Hamilton型变分原理.这种新的非传统Hamilton型变分原理能反映这种动力学初值-边值问题的全部特征.文中首先给出膜结构动力学的广义虚功原理的表式,然后从该式出发,不仅能得到膜结构动力学的虚功原理,而且通过所给出的一系列广义Legendre变换,还能系统地成对导出弹性膜结构动力学的5类变量(pα,pβ,pγ,vα,vβ,vγ,Nα,Nβ,Sαβ,εα,εβ,εαβ,u,v,w)、4类变量(pα,pβ,pγ,Nα,Nβ,Sαβ,εα,εβ,εαβ,u,v,w)、3类变量(Nα,Nβ,Sαβ,εα,εβ,εαβ,u,v,w)和2类变量(Nα,Nβ,Sαβ,u,v,w)非传统Hamilton型变分原理的互补泛函、以及相空间(pα,pβ,pγ,vα,u,v,w)非传统Hamilton型变分原理的泛函与1类变量(u,v,w)非传统Hamilton型变分原理势能形式的泛函.同时,通过这条新途径还能清楚地阐明这些原理的内在联系.     

非常规三角形板元(TRUNC元)的新列式及其质量矩阵和几何刚度矩阵——非常规单元系列(Ⅰ)

国际有限元权威Argyris所创立的TRUNC元是一个精度高的优秀板元．本文提出了构造TRUNC元的刚度矩阵的新列式,它是对Argyris列式的重要改进．与Argyris列式相比,本文的新列式的精度更高,结构更简单,计算量更小和编程更容易．为了使TRUNC元能用于薄板的动力与稳定分析中,本文用作者所提出的新列式方法,建立了TRUNC元的两种新的质量矩阵和几何刚度矩阵．     

非常规矩形板元(REUNC元)刚度矩阵、质量矩阵和几何刚度矩阵的列式——非常规单元系列(Ⅱ)

本文提出一种与非常规三角形板元(TRUNC元)相配的非常规矩形板元(REUNC元).这种新单元虽然采用与常规ACM元相同的位移模式,但是REUNC元的刚度矩阵、两种新的质量矩阵和几何刚度矩阵是采用作者所提出的新列式方法来构造的.因此,与ACM元相比,REUNC元的精度更高,结构更简单,计算量更少和编程更容易.