压室液态金属流动耦合温度场三维数值模拟

压铸过程中,压室内液态金属卷入的气体是影响铸件质量的原因之一。针对压室压射过程,引入冲头的移动规律以及流动过程中热量传递的计算,实现并开发了压室压射过程的流场耦合温度场的数值模拟程序。采用所开发的模拟程序对压室金属流动及传热过程进行了模拟,模拟结果与FLOW-3D的计算结果以及临界速度理论作比较,两者均吻合。采用压室模拟能够优化冲头的运动规律,使卷气最小。

压室液态金属流动耦合温度场三维数值模拟

压铸过程中,压室内液态金属卷入的气体是影响铸件质量的原因之一.针对压室压射过程,引入冲头的移动规律以及流动过程中热量传递的计算,实现并开发了压室压射过程的流场耦合温度场的数值模拟程序.采用所开发的模拟程序对压室金属流动及传热过程进行了模拟,模拟结果与FLOW-3D的计算结果以及临界速度理论作比较,两者均吻合.采用压室模拟能够优化冲头的运动规律,使卷气最小.

压室慢压射过程流场模拟

气孔是压铸生产中的常见问题,导致这一缺陷的原因之一就是在慢压射过程中压室内的金属液流动卷入了气体。文中在压铸流场模拟的基础上,增加了移动边界条件处理冲头的移动过程,模拟了慢压射过程中压室内流体的流动形态。模拟结果与理论计算值及国外商品化软件的计算结果进行了比较,均比较吻合。

基于数值模拟的压铸过程低速工艺优化

低速压射过程中冲头的运动分为封闭浇料口、匀加速和匀速低速三个阶段,各个阶段的工艺参数对压室内金属液的流动形态都有重要作用,进而影响铸件中气孔缺陷的产生。采用数值模拟技术来研究不同工艺参数下压室内金属液的流动形态,对低速工艺进行优化。针对压射过程冲头的运动特征,引入了移动速度、压力边界条件,开发了压室压射过程三维数值模拟程序。结合慢压射临界速度理论,模拟了不同料口封闭速度、加速度和慢压射速度下压室内金属液波形的发展。模拟结果表明采用优化的工艺参数可以降低压室内的卷气。

压室压射对压铸充型流场影响的研究

为了考察压室压射过程对压铸充型过程金属液流动形态的影响,基于SOLA-VOF算法开发了包含压室在内的压射全过程充型模拟程序和料饼处直接充填模拟程序。并采用这两套程序分别模拟了阶梯块压铸件的充型过程,结果表明:浇道和型腔内的初始流动形态会随压室慢压射过程工艺参数的变化而改变,采用压射全程模拟更能准确的反映金属液在压室内、浇道内和型腔内的流动形态。

几个碳单环及双环分子环应力的理论研究

应用密度泛函方法对1-亚甲基-2-乙烯基环丙烷、3-亚甲基环戊烯、1-亚环丙基-2-乙烯基环丙烷和4-亚甲基螺[2,4]庚-5-烯四个体系的环应力进行了理论研究。对已有实验环应力值的模型反应研究结果表明,密度泛函方法下,采用hyperhom odesmotic反应计算模型所得到的结果可以反映出正确的环应力值。采用这种模型和方法,对所研究的四种环状分子环应力的计算结果表明,三元环的分子应力能已经使1-亚甲基-2-乙烯基环丙烷和1-亚环丙基-2-乙烯基环丙烷处于非常不稳定的状态,经过一步重排就可以生成3-亚甲基环戊烯和4-亚甲基螺[2,4]庚-5-烯,而且反应放热较多,环应力较大的反应物反应变成环应力较小的生成物的过程对反应放热起到了重要的作用。

SrVO_3/PbTiO_3复合体的界面稳定性、电子结构和磁电性能

采用密度泛函理论对SrVO_3/PbTiO_3双钙钛矿磁电体的界面稳定性、电子结构和磁电系数进行研究。计算结果表明,铁电相和铁磁相之间具有很强的相互作用,这与界面处的V—O和Ti—O共价键密切相关。(001)-SrVO_3/PbTiO_3复合体磁电耦合系数的计算值为3.783×10-9 G·cm2/V,表明其具有良好的磁电耦合性能。当界面取向发生变化时,界面的原子结构和电子结构均发生了明显改变,这导致了(110)-SrVO_3/PbTiO_3复合体的界面键合强度和磁电耦合系数均有明显提高。

以工业轻烧氧化镁为原料制备高纯氧化镁的实验研究

受生产原料和现有生产工艺技术影响,传统工业氧化镁中的杂质钙含量较高,极大地限制了氧化镁的应用范围。以工业轻烧氧化镁为原料,采用再浆洗涤和高温煅烧的方法,制备得到了高纯氧化镁。研究结果表明:工业轻烧氧化镁经再浆洗涤和煅烧后,可以提高氧化镁的纯度;再浆洗涤温度约为70℃,氢氧化镁滤饼煅烧温度约为1 200℃时,原氧化镁中钙含量下降程度较大,氧化镁的纯度可提高至99%以上;并且对于再浆洗涤和煅烧工序,前者对氧化镁纯度提高的影响更明显。

BaTiO_3(111)极化面的几何结构及电子结构的理论研究

采用密度泛函理论对若干钛酸钡(111)表面的几何结构和电子态进行了研究。几何结构的数据表明,表面弛豫效应随着原子层数增加逐渐减弱,最后达到弛豫平衡。Mulliken电荷和态密度的计算结果则证实,表面缺陷的存在、表面氧原子的吸附以及表面电子态的变化都可以使表面原子的电荷发生变化,这对于极化表面极性补偿条件的实现是非常有利的。

基于深度学习的声纹识别方法研究

提出基于深度学习以及改进的深度学习模型的声纹识别方法,通过改变GMM-UBM的阶数进行声纹识别实验,寻找到性价比最高的M值,并分别通过卷积神经网络(CNN)及递归神经网络(ESN)中的回声状态网络进行声纹识别的实验和测试。实验结果表明CNN及ESN能够进行有效的声纹识别,并且具有较高的识别准确率,其中基于ESN的声纹识别经验证能够满足当先声纹识别领域的需求,如果能够解决CNN参数设置难度,CNN则能够广泛投入使用。

基于深度学习的指纹识别方法研究

现代科学技术正处于一个飞速发展的时期,指纹识别技术已经融入人类生活各个领域中。在众多生物特征识别技术中,指纹识别技术作为一种最直观的技术被广泛应用。传统指纹识别技术存在一些弊端,例如需要人工设置指纹特征,并且需要多次调试,设计特征和选择分类器相对而言不易达成最优化,从而导致指纹识别率不达标。需要提出一种能够提高指纹识别准确率的方案。近些年随着机器学习技术的兴起,深度学习技术已经成为了当下的热门课题。而将深度学习技术与生物特征识别技术相融合也具有较明朗的前景。深度学习技术可以在海量数据中学习并分析,可以自动识别分析并学习指纹特征数据,从而减少人工工作量,同时达到提高指纹识别准确率的目的。本文简要介绍了深度学习与指纹识别技术的研究现状、存在的问题,并通过卷积神经网络对指纹识别技术做出了分析与改进。本文主要是希望通过对指纹识别技术的分析与改进帮助人们更深入地了解指纹识别的概念及运用,并促使生物特征识别技术能够获得高速发展。