XiaoMi-AI文件搜索系统
World File Search System温度场
粉末床熔合增材制造中温度场和热应力场的有限元分析综述
本综述旨在回顾有限元法在优化工艺参数和提高粉末床熔合增材制造工艺部件的机械性能方面的应用。回顾了粉末床熔合过程模拟中的最新有限元模型。详细总结了宏观层面上激光束熔化或电子束熔化过程的数值建模方法。具体而言，阐明了零件模型预处理、工艺参数、网格方案和温度相关材料特性的重要性。还讨论了用于降低计算成本的模拟技术。然后回顾并讨论了现有的粉末床熔合过程模拟中的有限元模型。根据熔池和打印部件的特点对模拟结果进行分类。然后通过实验结果验证了模拟结果。最后，阐述了有限元法在材料设计、过程监控和控制以及工艺优化等其他增材制造问题方面的意义。总结了现有有限元模型的缺点。并提出了优化PBF工艺参数的潜在新方法。
薄壁产品增材制造过程中非稳态热传导问题的解析解
摘要：本研究致力于开发一种模型，用于计算各种配置的薄壁直接沉积过程中产生的瞬态准周期温度场。该模型允许随时计算直接沉积过程中壁内的温度场、热循环、温度梯度和冷却速率。沉积壁内的温度场是根据移动热源非稳态热传导方程的解析解确定的，同时考虑到向环境的热传递。根据热源作用在每个过程中产生的瞬态温度场的叠加原理，计算热积累和温度变化。所提出的温度场计算方法可以令人满意地准确描述壁内的传热过程和热积累。通过与实验热电偶数据的比较证实了这一点。它考虑了壁和基板的尺寸、层与层之间的功率变化、各道次之间的暂停时间以及热源轨迹。此外，该计算方法易于适应同时采用激光和电弧热源的各种增材制造工艺。
博士研究标题.pdf
项目涉及制造工艺（铸造/焊接/表面重熔/熔覆等）中凝固过程的多尺度数值研究。宏观模型为连续尺度，将基于有限体积法，在求解质量、动量和能量方程后获得温度场。获得的温度场与低尺度模型（中尺度/微尺度）耦合，以模拟中尺度结构（晶粒结构）或微观结构。低尺度模型包括两种现象 1. 成核 2. 生长，并基于细胞自动机算法。多尺度、多物理模拟将用于执行参数研究，以将工艺参数与微观结构联系起来并表征形态转变。
相位和相位的多色希尔伯特诊断方法
摘要 本研究旨在解决反应射流和火焰的相场和温度场的无扰动诊断的科学和实际问题。以轴对称氢扩散火焰和蜡烛火焰的热气流为例，开发了一种适合于解决问题的方法，该方法基于相位光密度场的希尔伯特多色可视化，测量所研究介质选定区域的温度分布，逐像素处理由摄影矩阵在 RGB 通道中记录的 RAW 图像。可视化的希尔伯特结构携带有关温度场引起的相位光密度扰动的信息。使用阿贝尔变换分析了所研究火焰的轴对称近似中探测光场的相位结构。迭代选择径向温度分布、调整后的贝塞尔曲线，随后计算折射率和相位函数的空间结构。以氢气-空气火焰为例，在与 Gladstone-Dale 色散公式一致的模型中，考虑到混合气体部分光学特性的多样性，对温度场进行了重建。讨论了火焰周围空气扰动对其轴对称性的影响。研究结果可靠性的标准是比较实验中获得的希尔伯特图和从温度场引起的相结构重建的希尔伯特图。关键词 1 火焰的光学诊断、氢气-空气扩散火焰、希尔伯特光学、希尔伯特图
微型和纳米级系统中的热传输
图1。传热过程以不同的长度尺度出现：在最左边显示流经加热PIP的流体。在这里，温度场是连续的，因为所有粒子粒子相互作用均在时间尺度上平均（t）远高于松弛时间（𝜏），朝右，温度场不再连续，因为平均自由路径（𝜆）和放松时间（𝜏）的方法（𝜏）方法（𝜏）方法（d）的方法（d）和感兴趣的时间尺度（t）。在这里，宏观传热分析是无效的，需要考虑微/纳米级传热。
研究论文 隔热喷射材料在高地温巷道中的应用
巷道隔热喷射混凝土（TIG）是矿井区域热灾害防治的有效方法，矿井TIG材料的研发是隔热技术的基础，但一些传统和先进的隔热材料并不适用于深井高地应力、高地温、潮湿的矿井。本文研发了一种粉煤灰-无机矿物TIG材料，并将其应用于高地温巷道数值模拟，分析了TIG层的隔热效果，讨论了TIG围岩温度场特征。研究结果表明：（1）TIG层对巷道放热和围岩温度场稳定性有显著影响；（2）有无TIG层，巷道初始温度扰动时间、温度扰动范围及降温速率均不同； (3) TIG巷道开始通风后，热流密度趋于一致，温度扰动结束，且无量纲温度与无量纲半径呈指数关系；(4) 温度下降特征随围岩径向位置不同而变化。研究结果对热害防治、温度预测及通风网络调整提供了一定的参考。
用于粉末床熔合增材制造的同步圆形激光阵列的数字孪生
阵列中每台激光器的热通量都会根据其内部间距对熔池的整体形状/尺寸产生影响，即基于叠加原理和每台激光器温度场之间的热串扰。通常，由于热量分布在更大的表面积上，随着内部间距的增加，宽度会增加，但深度则呈现相反的趋势，即热量渗透到粉末床中会减少。此外，熔池尺寸（深度和宽度）
数据驱动的金属添加剂制造过程中温度演变的预测
aabstr abtract Act ..在这项研究中，开发了一种数据驱动的深度学习模型，以快速准确预测温度演化和金属添加剂制造过程的熔融池尺寸。该研究的重点是通过直接能量沉积制造的M4高速钢材料粉末的批量实验。在非优化过程参数下，许多沉积层（以上30）通过由覆层材料对热史的高灵敏度引起的样品深度产生了巨大的微观结构变化。在先前的研究中通过实验测量验证的批量样本的2D有限元分析（FEA）能够实现定义在不同过程设置下温度场进化的数值数据。训练了馈送前向神经网络（FFNN）方法，以重现由FEA产生的温度场。因此，训练有素的FFNN用于预测初始数据集中未包含的新过程参数集的温度字段历史记录。除了输入能量，节点坐标和时间外，还认为五个相关的层数，激光位置以及从激光到采样点的距离可提高预测准确性。结果表明，FFNN可以很好地预测温度演化，在12秒内精度为99％。
电池组中的热失控和火焰传播
摘要锂离子电池技术的广泛应用面临着固有的热逃亡风险和随之而来的火灾传播的重大挑战。本文提出了一个智能的框架，用于预测电池组中电池组中温度分布和热失控的繁殖，包括各种电池类型，环境温度和火灾释放速度。首先，我们生成了一个广泛的数值数据库，包括36个模拟电池喷射火焰和通过实验数据验证的热失控过程。随后，采用双重代理人工智能（AI）模型来预测电池组中温度场的细胞热失控传播和温度场的演变。结果证明了深度学习方法在捕获蝙蝠热失控动力学方面的准确性和可靠性。量化，基于AI的方法在具有数据库含量的场景中的热失去时间预测的相对误差低于10％，而外推病例的相对误差则低于30％。该模型在预测温度场分布方面还显示出卓越的性能，r⊃2值超过0.99，最大MSE为1.52s⊃2。这项研究低估了AI方法改善电池安全管理的潜力，从而促进了及时的干预措施，预防性维护和电池储能系统的消防安全性。