A NON－INCREMENTAL TIME－SPACE ALGORITHM FOR NUMERICAL SIMULATION OF FORMING PROCESS

A non-incremental time-space algorithm is proposed for numerical. analysis of forming process with the inclusion of geometrical, material, contact-frictional nonlinearities. Unlike the widely used Newton-Raphson counterpart, the present scheme features an iterative solution procedure on entire time and space domain. Validity and feasibility of foe present scheme are further justiced by the numerical investigation herewith presented.

变化与统一——枣庄会展中心

建筑的环境特点、功能流线的组织和形体推敲的交织构成了建筑师构思中理性的基础。基于对区位、功能、形态三者的分析,针对枣庄会展中心特定的狭长地形、大容量复杂的功能以及较高要求的空间质量提出整合的解决办法。重点强调了提出问题、分析问题、解决问题的设计过程。

成形过程数值模拟的非增量时一空算法

本文针对计及几何、材料、接触摩擦等耦合作用的高度非线性的加工成形过程数值模拟和计算分析工作，建议了非增量时－空求解算法．本文的非增量算法，系在整个时间域和空间域上迭代求解，与常见的Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ算法明显不同．本文所附算例，进一步说明了本算法的正确性和可行性．

基于设计空间和RBFNN的黄酮组分中药干法颗粒成型预测研究

结合设计空间构建基于径向基神经网络的黄酮组分提取物粉体学性质-工艺参数-颗粒剂成型率预测模型,对黄酮组分提取物干法颗粒的成型率进行预测。通过Box-Behnken试验设计描述关键工艺参数与关键质量属性之间的数学关系,开发关键工艺参数的设计空间,并利用蒙特卡洛法(Monte Carlo method, MC)验证设计空间的准确度。采用Design Expert 10软件进行Box-Behnken试验设计和混料设计,制备黄芩混合粉并测定其粉体学性质,将混合粉进行干法制粒测定颗粒的成型率。利用方差膨胀因子(variance influence factor, VIF)分析粉体学性质间的相关性,将存在较强共线性的因素进行主成分分析(principal component analysis, PCA)处理,降低网络输入数据的维度,然后构建基于径向基神经网络(radial basis function neural, RBFNN)的粉体学性质-工艺参数-颗粒成型率预测模型,并通过实例验证模型预测的准确性。结果表明该模型对黄芩颗粒成型率具有较好的预测效果,平均相对误差为1.04%,预测值与实际值的拟合度高,该模型表现出较好的预测能力。该研究构建的黄芩干法颗粒成型率预测模型可为具有相似物性的中药制剂质量有效控制方法的建立提供参考。