Kumar模型一次选择性系数的随机调整算法

Kumar模型是反映石脑油裂解过程的分子动力学模型,其一次反应选择性系数随原料油品的不同而改变,对模型的精度有很大影响。由于裂解过程复杂,很难找到实用的规律对它进行预测,往往需要通过化工实验来对其进行测定。文章设计了一种随机搜索算法,利用油品特性和生产数据,对Kumar模型的一次反应选择性进行调整。文中对算法的设计进行了详细描述,仿真结果表明,由这个算法可以得到比较理想的结果。

GH4169合金涡轮盘热模锻工艺的优化研究

在GH4169合金涡轮盘的实际生产中存在不同程度的组织不均匀性和折叠等缺陷,从而降低了涡轮盘的使用性能。文章将GH4169合金的热加工图以及动态再结晶模型和晶粒长大模型与有限元结合,同时采用Kumar模型描述GH4169合金的本构关系,预测了某GH4169合金涡轮盘热模锻造过程中功率耗散因子η和组织的分布,以及塑性失稳区的位置,预测结果与实际结果一致。运用正交设计试验方法分析了各工艺参数对终锻温度和涡轮盘内组织分布均匀性的影响。

基于改进差分进化算法的裂解反应动力学系数辨识

Kumar模型一次反应方程选择性系数辨识问题具有非线性强、维度高、计算时间长、要求精度高等特点,标准差分进化算法(DE)在解决该问题时易早熟、陷入局部最小。针对这一问题,提出了一种新的分类变异参数自适应差分进化(Classification Variation Parameter Adaptive Differential Evolution,CVPADE)算法。结合分类变异策略与改进的控制参数自适应进化策略,使适应度较好的优秀个体着重增加局部搜索能力,适应度较差的个体增强全局搜索能力,同时加快趋向最优解的收敛速度,加快了种群整体收敛速度,并平衡了种群开发能力。与DE算法、控制参数自适应差分进化算法(jDE)进行对比,结果表明本文算法的耗时相对DE算法和jDE算法分别降低了40%与35%,证明了该算法对Kumar模型一次选择性系数的辨识问题具有显著的改进效果。

铸态ZnAl10Cu2合金热变形本构方程

在Gleeble-3500热模拟机上采用等温压缩实验研究了ZnAl10Cu2合金在温度为210～300℃、应变速率为10-2～10 s-1条件下的热变形行为,获得了该合金热变形过程中的真应力-应变曲线。结果表明:ZnAl10Cu2合金的峰值流变应力随温度升高而降低,随应变速率的提高而增大。通过双曲正弦模型确定了该合金的高温材料常数,Q=144.161 kJ/mol,n=4.443,A=4.7×1012s-1,α=0.01037 MPa-1,并采用修正的Kumar模型建立了考虑应变对流变应力影响的高温本构关系,其拟合度为9.14%。

主成分分析法在估算石脑油裂解参数中的应用

在利用Kumar分子反应动力学模型模拟石脑油裂解过程中,一次反应选择性系数是最重要的参数,它受裂解石脑油性质、操作条件等多种因素的影响。本文提出利用主成分分析法将多种影响因素转化为几个不相关的综合因素-主成分,同时保留尽可能多的原始信息。实例验证显示,利用主成分估算一次反应选择性系数更加方便、准确,有利于提高石脑油裂解模拟的精度。