并联式微小试样力学拉伸性能高通量测试系统

来源 :机电工程 | 被引量 : 0次 | 上传用户:hjzc800
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
针对材料力学拉伸性能的高通量测试设备及方法缺失的问题,提出了一种并联式的微小试样力学拉伸性能高通量测试系统.首先,对测试系统的结构进行了设计,阐述了其工作原理;对测试系统的控制系统和软件进行了设计,阐述了其工作流程,并搭建了测试系统;然后,对测试系统的准确度进行了评价,并开展了实验研究;实验中,设计了3种不同尺寸的微小拉伸试样,从国家标准拉伸物质上进行了取样加工,并在测试系统上进行了测试;最后,对实验的结果进行了分析,并对测试结果的不确定度进行了评定.研究结果表明:并联式的微小试样力学拉伸性能高通量测试系统准确度等级为0.5级;被测试样的强度随着试样直径的减小,出现了减小的趋势;评定的测试结果不确定度可满足GB/T228.1—2010《金属材料拉伸试验第1部分:室温试验方法》的要求;测试系统的方案可行,能同时对多个微小拉伸试样的力学性能进行测试,且测试结果的离散度较小;相关研究可为微小试样力学性能的高通量测试及工程应用提供设计参考.
其他文献
在对轴承损伤进行量化评估时,在特征提取算法方面易出现模态混叠、收敛速度慢的现象,同时在轴承损伤的评估指标方面,由于工况的变化也容易导致其鲁棒性差、精确度不高,而难以满足实际的需求,针对上述一系列问题,提出了一种以改进的自适应局部迭代滤波(ALIF)算法作为性能退化特性提取算法,以频带间能量JRD距离作为评估指标的轴承损伤量化评估算法.为了提高AILF算法的收敛速度和精度,首先,将具有主成分分析(PCA)特性的奇异值分解(SVD)算法作为AILF算法的前置滤波单元;然后,采用AILF将通过前置处理的信号进行
外流式液压滑阀工作时,其阀口处容易受污染颗粒的冲蚀而产生磨损,针对这一问题,对滑阀阀芯取倒角时的结构进行了分析,对滑阀阀芯锐边的冲蚀磨损改善情况进行了研究.首先,绘制了滑阀的二维模型,并采用了Edwards模型来对冲蚀情况进行分析;然后,在阀口开度为0.1 mm~0.6 mm,流量为10 L/min~40 L/min状况下,阀芯台肩倒角分别取45°、60°、75°,以及常规阀芯(阀芯倒角为90°)结构时,采用Fluent软件对阀口锐边处冲蚀磨损的情况进行了仿真对比;最后,从阀口处液压油的射流角度和液流速度
在工业机械臂的运动过程中,由于谐波减速器的柔性效应会导致其产生传动误差,进而造成机械臂末端的定位精度下降,针对这一问题,以UR10机械臂为例,为了减小其传动误差,提高机械臂末端的定位精度,分别对谐波减速器和机械臂进行了理论建模及仿真研究.首先,联合ADAMS和ANSYS-APDL,对谐波减速器三维模型进行了仿真分析,研究了不同转速下谐波减速器的传动误差;然后,建立了谐波减速器动态传动误差的动力学方程,采用龙格库塔迭代求解得到了其动态误差曲线,利用数值解验证了仿真解的正确性;最后,分析了不同转速下谐波减速器
针对动车组轴箱轴承易发生疲劳损坏等问题,选择弹性复合圆柱滚子轴承作为动车组轮对的传动支撑部件,并对其承载能力进行了理论推导、仿真计算和试验研究.首先,在考虑了轨道不平顺作用下动车组轴箱轴承承受的垂向载荷、横向载荷和纵向载荷的基础上,构建起了动车组转向架的力学模型;然后,基于弹性复合圆柱滚子轴承的结构特性,在动车组轮对超常载荷和常规载荷两种工况下,通过有限元分析方法先进行了整体计算,再以当量载荷作为约束,对轴承进行了局部计算,确定了弹性复合圆柱滚子轴承滚子的最优填充度,对比分析了弹性符合圆柱滚子轴承和普通圆
针对喷嘴两级雾化之间的内部关联问题,以十字旋芯喷嘴为研究对象,对其雾滴分布特性进行了实验和仿真计算研究.首先,介绍了十字旋芯喷嘴的二维结构;然后,基于Realizable k-ε湍流模型和Pressure-swirl-atomizer雾化模型,采用Fluent软件对螺旋倾角为30°、腔体直径为6 mm、压力为4 MPa~6 MPa的喷嘴内外流场进行了仿真分析,研究了螺旋倾角大小对雾化效果的影响;最后,搭建了喷嘴雾化性能实验系统平台,用DP-02滴谱仪测得了雾化粒径分布,结合实验数据验证了仿真方法的合理性.
在搅拌器的搅拌过程中,因其桨叶的冲蚀磨损及颗粒黏附会导致叶片表面的粗糙度发生改变,从而影响搅拌器的搅拌性能.针对这一问题,采用实验的方法研究了搅拌器表面粗糙度对其搅拌性能的影响.首先,选择了不同粒径的微观粗糙元和宏观粗糙元,并黏贴在桨叶的不同部位,构建了不同的实验结构;然后,针对各种实验结构开展了实验测试,通过实验装置上的扭矩传感器测量了搅拌轴的扭矩,并计算了搅拌功率,采用电导法测量了电势差并计算了混合时间;最后,对实验数据进行了功率和混合时间的对比分析.研究结果表明:相对于光滑叶片,在叶片压力面、吸力面
传统的滚动轴承寿命预测都需要进行全寿命实验,并且需要数学或物理模型处理大量的实验数据,针对这一问题,提出了一种基于无失效数据的滚动轴承剩余寿命非等间隔灰色预测方法.首先,采用滚动轴承的无失效数据模型和E-Bayes理论,计算出了每一个截尾时间滚动轴承可靠度估计值;然后,将滚动轴承每个截尾时间计算出的可靠度估计值进行了等间隔转化,以转化后的可靠度估计值为参考序列,运用灰色预测模型GM(1,1)对滚动轴承进行了剩余寿命灰色预测;最后,将提出的方法应用于定时截尾实验得出的滚动轴承无失效数据,并将预测结果与E-B
针对皮带轮三维裂纹体端面网格数和轴向网格数的优化问题,基于应力强度因子理论,对皮带轮张开型表面裂纹前沿的网格参数进行了正交实验研究.首先,研究了正交设计理论和应力强度因子的位移法计算原理;然后,在皮带轮应力集中位置,建立了一定大小的裂纹,并对该裂纹的应力强度因子进行了有限元计算;最后,用正交设计方法设计了裂纹体周边网格的不同因数水平的实验方案,根据I型最大应力强度因子结果,对裂纹体周边网格数进行了研究.研究结果表明:径向网格数对皮带轮裂纹I型最大应力强度因子影响最灵敏,其次是周向网格数,而轴向网格数最不灵
在传统的故障诊断方法中,往往先要基于先验知识求取原始振动信号的特征,并将其输入到智能分类器中进行模式识别,其中容易出现信息丢失,且依靠人为经验进行判断不够准确,针对这一问题,提出了基于快速傅里叶变换(FFT)与流行学习联合的智能故障诊断模型.首先,采用FFT变换将原始数据从时域转换到频域,获得了高维特征数据;然后,使用3种流形学习算法,即多维尺度变换(MDS)、核主成分分析(KPCA)、线性局部切空间排列(LLTSA),获得了低维表征信息;最后,基于故障诊断试验平台系统,对轴承及齿轮工作数据信息进行了获取
因轴承的工作环境恶劣,导致其故障多发,在对轴承故障进行快速诊断和定位时存在困难,为此,提出了一种基于综合信息融合神经网络的轴承故障智能诊断方法.首先,介绍了前置神经网络的工作原理,推导了前置神经网络的链接权值系数训练方法,制定了前置神经网络的算法流程;并基于D-S证据论和Dempster组合规则,设计了后置神经网络的故障诊断方法;然后,提出了基于综合信息融合神经网络的轴承故障诊断方法,完成了两种神经网络的优势融合;最后,为了对基于综合信息融合神经网络的轴承故障诊断方法的有效性进行验证,采用了美国凯斯西储大