精锻身管下沉段成形缺陷及可锻性研究

来源 :南京理工大学 | 被引量 : 0次 | 上传用户:dreamrain1220
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
身管弹线膛同锻技术采用径向精锻工艺使线膛及弹膛一次加工成形,可以有效地解决二者之间同轴度的问题,大大减少加工工序。针对身管弹线膛同锻下沉段部位内膛表面的开裂问题,本文主要采用有限元模拟仿真的方式,结合锻打试验与电镜扫描试验,进行了如下研究:通过有限元分析软件ABAQUS建立二维身管径向精锻有限元模型,以5.56mm口径身管为例,提取锻打过程下沉段节点的应力应变作详细分析。分析发现:身管在下沉段受到周期性变化的拉应力与压应力,身管应力状态相对较为恶劣,其内膛表面存在出现开裂现象的可能。进而以静水压力与等效应力的比值作为表征,研究身管在下沉段的应力状态,通过改变锻打过程中的工艺参数(毛坯壁厚、锤头入口角、毛坯内径及锻造段锻造比)研究分析了工艺参数的变化对这一应力比值的影响。参考有限元分析的结果,设计了工艺参数对下沉段应力状态影响的试验研究方案。通过锻打试验,结合电镜扫描图像对身管下沉段的应力状态进行了分析:毛坯内径比、毛坯壁厚、锤头入口角越大,下沉段应力状态就越恶劣。根据对身管下沉段应力状态的研究,选择了三种含有应力比值成分的断裂准则对身管下沉段开裂现象进行了预测,结合锻打试验结果确定采用可加工性曲线作为判断身管在下沉段部位开裂现象的判断准则。建立下沉段开裂现象的判断准则有助于改善同锻工艺参数,并为材料可锻性评价标准提供理论基础。结合有限元仿真和锻打试验结果,研究了下沉段锻造比对下沉段应力状态的影响,利用可加工性曲线得到身管材料能承受的最大下沉段锻造比。并以下沉段锻造比作为材料可锻性的判据设计了一种空心圆管减径评价方法,该方法可以准确地反映出材料能承受的最大下沉段锻造比,利用该方法设计材料可锻性评价方案可以对材料能否用于身管弹线膛同锻进行评价。
其他文献
目前,黑磷作为一种新型的二维层状半导体材料,具有石墨烯等其他二维材料不具备的优异性能,如高电子迁移率和开关比、具有直接带隙,良好的生物安全性等等,这使其在生物、医疗、光催化等领域有着广泛的应用潜力。本文基于上述优点对黑磷在光动力学治疗领域的应用进行了研究,首先对制备黑磷量子点的工艺进行了探索,采用液相剥离的手段获得黑磷量子点(BPQDS),并通过高分辨透射电子显微镜(TEM)、拉曼光谱仪(Rama
随着遥感对地观测技术的发展,单一类型的遥感图像已经无法满足逐渐增长的应用需求,而不同类型的遥感数据的之间会存在一定的差异性和互补性,因此越来越多的学者将目光转向了多源遥感数据的协同分类。在众多类型的遥感图像中,高光谱图像以其精细的光谱分辨率在地物分类中占据重要的地位,但高光谱图像普遍存在空间分辨率低的问题,空间分辨率的不足导致图像中会存在较多的混合像元,这给地物的精细分类带来了极大的干扰。因此,本
冲压加速器是一种利用混合气体推进剂的化学能,将弹丸加速到高超声速的新概念推进装置。推进剂的反应速率和放热量较高时,火焰阵面会向弹丸前体移动,并越过弹丸肩部,对弹丸产生阻力,产生不启动现象。当弹丸肩部表面存在激波反射点时,激波后方的高压区对火焰的传播有一定的阻塞作用,能够扩大推进剂的反应速率范围。根据这一思想,本文基于粘性理想气体假设,采用SST k-ω湍流模型、有限速率/涡耗散模型和甲烷-氧气单步
运动想象脑电信号是由大脑进行想象运动时激发的信号。基于运动想象脑电信号控制的脑机接口(Brain Computer Interface,BCI)系统可以直接将大脑想象的运动意图解码为控制指令,完成对外部设备的控制。作为一种新型人机交互技术,BCI系统可以应用于多种场景,但是实际应用中基于运动想象脑电信号的BCI系统存在着:运动想象脑电信号种类少、多分类任务的识别准确率低和实时传输速率慢等问题。为实
由于通讯网络连结了网络空间及实体空间,因此网络化控制系统可以在长距离下执行许多任务。而且,网络化控制系统的信息都透过共享的网络传输,省去了不必要的配线,减少系统复杂度,也降低了设计及架设系统需要的成本。若要增加传感器、控制器或是执行器来调整或是更新系统,也可以用较低的成本达到,而且不会变动系统的主架构。因此,与传统的控制系统相比,网络化控制系统有无与伦比的优势。在此基础上,本文研究了基于采样数据的
专利是重要的知识财富,通过研究专利可以找到重要的技术细节和关系,这些信息和关系为制定研发策略提供有价值的信息。因此有必要进行专利检索和核心专利识别方法的研究。但随着专利数量增加,专利检索成本以及核心专利识别难度也日益增加,主要原因在于专利描述文本自身的特点,如专利文本冗长,专利描述中充斥着各种技术和法律术语等。为了提高检索质量以及准确度,通过核心专利推演关键领域未来的发展趋势,论文以专利文本作为研
过高的特征维度导致了机器学习训练过程中存储开销大,运算量大,时间成本高。并且,这种现象随着环境空间维度的成倍增加,而训练数据在整个数据空间中的比例急剧下降,导致训练模型泛化较差。解决这些问题的一个重要方法是降维,即通过一些有效的手段将原始的高维空间数据转换到低维子空间。流形学习假设高维环境空间中的数据分布于低维嵌入的某个流形上或附近,因而降维问题可以理解为低维流形恢复问题。鉴于非线性流形学习算法在
学位
随着数码成像与探测设备的高速发展,各类手持、车载和无人机载相机得到了广泛普及。视频作为一种最形象生动的视觉信息表现形式,已成为人们观测与感知世界的主要方式。然而,在相机拍摄视频的过程中,由于缺乏稳固的支撑,拍摄的视频可能会存在不同程度的画面抖动,这极大降低了人们的观看体验和后续高层模式识别方法的性能。此外,在相关军事领域,视频序列的抖动严重影响了结构化视频分析、图像判读与智能决策精度。虽然可借助一
聚类分析是数据挖掘领域中的关键技术之一。面对低维数据,传统的聚类算法能够取得理想的结果。随着数据获取技术的不断发展,数据的维度急剧增加,传统的聚类算法受到了严重的瓶颈限制。因此,设计更为高效的、先进的聚类算法以满足高维数据挖掘需求,已成为研究的热点。一般认为高维数据嵌入在低维的流形中,子空间聚类(Subspace Clustering,SC)的目的是将源自不同子空间的高维数据,划分到其所属的低维子