根管预备过程中的切削力建模与仿真研究

目的根管治疗是目前临床中牙髓病及根尖周病治疗最常用的手段。根管预备作为根管治疗的首要且关键步骤,该过程中产生作用于牙本质上过大的切削力将会导致器械断裂、根管台阶、裂纹等意外。建立一种根管预备过程中瞬时切削力的预测模型,能够结合CT影像数据预测根管预备过程中切削力的大小及分布,用以指导医师的临床操作。方法基于切削厚度微元法建立了镍钛锉与根管牙本质材料相互作用的切削力半解析模型。

响应面法和人工神经网络优化亚临界CO_(2)等压萃取葡萄籽油工艺及动力学研究

以葡萄籽油萃取率为指标,通过响应面法(Response surface methodology,RSM)和人工神经网络(Artificial neural network,ANN)对亚临界CO_(2)等压萃取葡萄籽油工艺进行建模和优化,研究主要工艺参数(萃取压力、分离温度、萃取时间)对葡萄籽油萃取率的影响,且通过RSM和人工神经网络耦合遗传算法(Artificial neural network coupled genetic algorithm,ANN-GA)2种方法优化其最佳工艺条件并验证。在萃取过程中,通过不同萃取压力和不同萃取时间条件下葡萄籽油萃取率的变化,拟合出最佳的葡萄籽油萃取动力学模型并验证。结果表明:RSM与ANN这2种方法均能较为精准地预测,得出RSM模型(R^(2)=0.9940)的预测效果优于ANN(R^(2)=0.9879)模型。且RSM和ANN-GA优化最佳萃取条件及萃取率分别为:萃取压力16.13 MPa、分离温度59.55℃、萃取时间100.6 min,萃取率11.36%;萃取压力16.5 MPa、分离温度60.95℃、萃取时间87.3 min,萃取率11.32%。经实验验证,2种方法预测值与实验值基本一致,另外Logistic模型能够很好地拟合亚临界CO_(2)等压萃取葡萄籽油动力学过程(R2≥0.9990),模型验证值与预测值拟合度较高(R2≥0.9443),该研究结果可为葡萄籽油的资源开发利用提供理论和技术参考。

HT250冷焊表面残余应力试验

利用亚激光瞬间熔冷焊机对柴油发动机缸体所用材料HT250表面缺陷进行修复,并用X射线法测定焊缝两侧表面残余应力,以此研究冷焊残余应力分布规律以及与不同工艺参数间的关系.结果表明,靠近焊缝处为拉应力,远离焊缝处为压应力;冷焊残余应力范围很小,峰值主要分布在离焊缝中心5 mm的范围内,离焊缝中心20 mm处,残余应力接近为零;时间参数对残余应力峰值的影响较小,而能量参数对残余应力峰值的影响较大;通过改变时间与能量参数组合,可以得到较小的残余应力峰值,满足发动机再制造零部件表面损伤的修复要求.