网站首页
毕业设计
论文选题
关于我们
管理学论文
教育学论文
金融证券论文
法学论文
计算机论文
MBA硕士论文
艺术论文
财税论文
公共关系论文
理学论文
工学论文

材料工程论文范文提纲

2022-03-23 09:24 577 浏览

优秀材料工程论文范文提纲---材料力学性能预测方法与系统研究

摘要:金属材料的本构性能会根据时效、服役荷载、脆化、辐照等因素而发生变化,工程上需定期检测结构材料的在役力学性能,以便对其承载能力和安全可靠性进行评定,从而确保设备的安全运行。常用的非接触式检验法只能找出设备宏观表面的缺陷,而无法定量地表征设备材料当前的力学性能;常规取样试验法需要进行取样,这会对设备造成一定的损伤,且无法现场检测。因双孔法具有试验方法简单,且能够在不影响关键零部件服役的情况下,实现现场检测等特点,有望使用该方法弥补常规检测方法的不足,具有十分广阔的应用前景。但通过试验发现,双孔间材料的厚度可能会对试验曲线产生影响,因此还需进行更深入地研究,期望能够提高双孔法测定金属材料力学性能的准确度,探究出基于双孔微剪切的一套可原位检测并可实现应用的力学性能预测方法与系统,为双孔法的推广使用奠定基础。基于以上,本文重新搭建试验系统,并结合双孔法原理,将孔间厚度纳为预测的影响因素,建立基于神经网络的力学性能参数预测模型,实现了力学性能准确且便捷的测定。主要介绍了全新的双孔装置和LabVIEW测控系统的搭建;为了研究孔间厚度是否对试验曲线存在影响,设计12Cr13、S31608和16Mn三种材料的多组单一变量试验,记录加载过程中荷载传感器和位移传感器的传输数据,并对孔间厚度的测量方法进行相应探究;借助单轴拉伸法,通过对试验数据的预处理与分析,引入涉及孔间厚度的归一化参数预测屈服强度和抗拉强度,并给出参数间相关关系,实现由双孔试验曲线的特征值和孔间厚度一同预测强度;借助有限元建模分析,创新性地将神经网络引入双孔法中,建立46输入3输出的BP和PSO-BP力学性能参数预测模型,实现力学性能较准确测定。试验结果表明,孔间厚度的微小变化对双孔试验曲线具有明显可测的影响,且应用新试验平台和归一化参数预测强度参数,可以有效地减小孔间厚度对双孔法测定准确度的影响;与传统BP模型相比,PSO-BP模型对力学性能参数具有更高的预测准确度,各参数预测的平均相对误差不超过1.1%,为双孔法的推广应用奠定了基础。

关键词:双孔微剪切;LabVIEW;力学性能参数;归一化参数;PSO-BP;

摘要

Abstract

第1章 绪论

    1.1 研究背景及意义

    1.2 研究现状

        1.2.1 材料力学性能预测方法的研究现状

        1.2.2 双孔微剪切法的研究现状

    1.3 论文结构安排

第2章 双孔微剪切试验平台与系统

    2.1 引言

    2.2 双孔装置的整体结构

    2.3 双孔装置的关键部件设计

        2.3.1 驱动加载单元

        2.3.2 弯曲剪切单元

        2.3.3 装置固定单元

        2.3.4 荷载位移检测单元

        2.3.5 电气控制单元

    2.4 基于LabVIEW的测控系统

        2.4.1 测控系统的硬件设计

        2.4.2 测控系统的软件设计

    2.5 本章小结

第3章 孔间厚度测量与双孔试验

    3.1 引言

    3.2 双孔法试验原理

    3.3 双孔试验设计和试样制备

    3.4 孔间厚度的测量

        3.4.1 工具显微镜孔间厚度测量

        3.4.2 机器视觉孔间厚度测量

        3.4.3 内测千分尺孔间厚度测量

    3.5 双孔微剪切试验

        3.5.1 传感器标定

        3.5.2 试验过程与试验现象

    3.6 本章小结

第4章 孔间厚度对双孔法测定力学性能的影响

    4.1 引言

    4.2 双孔试验数据预处理

        4.2.1 滑动平均滤波算法

        4.2.2 局部加权平均滤波算法

        4.2.3 EMD滤波算法

        4.2.4 位移校正

    4.3 双孔试验曲线

    4.4 孔间厚度对荷载位移曲线的影响

    4.5 荷载位移曲线的规范化

    4.6 本章小结

第5章 力学性能参数的预测

    5.1 引言

    5.2 单轴拉伸法

        5.2.1 单轴拉伸试验

        5.2.2 试验结果

    5.3 归一化参数与强度参数关系

    5.4 双孔微剪切试验有限元仿真

    5.5 数据集的获取

    5.6 基于BP的力学性能参数预测模型

        5.6.1 BP神经网络学习算法

        5.6.2 BP神经网络参数的确定

        5.6.3 BP力学性能参数预测的流程及结果

    5.7 基于PSO-BP的力学性能参数预测模型

        5.7.1 PSO学习算法

        5.7.2 PSO-BP力学性能参数预测流程及结果

        5.7.3 BP与PSO-BP预测结果对比

    5.8 本章小结

总结与展望

    总结

    展望

参考文献

致谢


材料工程论文题目 材料工程论文范文提纲
相关内容
相关推荐