【摘 要】
：
为满足轻量化和大容量的需求,薄壁、高矩形形状成为了金属食品罐制品的发展趋势,同时也加大了食品罐罐身多道次拉深工艺设计的难度。针对某薄壁高矩形金属食品罐制品,根据均匀变形理论和K值法,以椭圆形过渡的方法设计了3道次拉深工艺方案:第1道次和第2道次拉深均采用椭圆过渡形状,第3道次拉深成形高矩形件,并确定了每道次制品的过渡形状;然后,运用数值模拟仿真技术对每道次的成形极限图和减薄率进行分析,3次拉深后的最终减薄率为15.4%,并评估了所设计工艺方案的可行性;最后,通过生产实践进一步证明,使用该工艺方案所生产的金
论文部分内容阅读
为满足轻量化和大容量的需求,薄壁、高矩形形状成为了金属食品罐制品的发展趋势,同时也加大了食品罐罐身多道次拉深工艺设计的难度。针对某薄壁高矩形金属食品罐制品,根据均匀变形理论和K值法,以椭圆形过渡的方法设计了3道次拉深工艺方案:第1道次和第2道次拉深均采用椭圆过渡形状,第3道次拉深成形高矩形件,并确定了每道次制品的过渡形状;然后,运用数值模拟仿真技术对每道次的成形极限图和减薄率进行分析,3次拉深后的最终减薄率为15.4%,并评估了所设计工艺方案的可行性;最后,通过生产实践进一步证明,使用该工艺方案所生产的金
其他文献
设计一套基于Android的便携式心肺功能监测系统。利用MAX30102脉搏波模块采集PPG(光电容积脉搏波)信号,由蓝牙无线通信将采集到的信号发送到手机APP(应用程序)上,利用EEMD(集合经验模态分解)方法去除信号的噪声,完成呼吸率、CI(心脏指数)、VO2max(最大摄氧量)等生理参数的计算,并显示在手机APP上。采集设备小巧便携,方便人们实现对人体心肺功能的监护。
隧道突泥涌水容易造成人员伤亡,经济损失和环境破坏等不利影响。针对目前隧道建设过程中现有突涌水风险评估方法在动态评估方面研究不足的问题。文中通过典型案例收集,总结隧道施工前和施工过程中突涌水的主要风险源和评价指标。基于层次分析法给出相关指标权重。提出施工阶段动态更新指标值的方法通过将研究成果集成于小程序中,在实际工程中得到了应用,结果有效规避了风险,保证了施工安全。
为探明适用于济南地区不同地层条件下的盾构滚刀,文中基于HJC模型采用LS-DYNA对济南地铁R2线某盾构区间所选用的两种滚刀进行了动力学分析.结果表明刃宽为25mm的平刃滚刀适用
自主无人系统是人工智能的重要研究和应用领域之一,也是现今全球人工智能领域的投资研发热点之一。文章对自主无人系统的概念、体系架构、设计方法和相关研究成果进行系统的阐述,说明自主无人系统的基本概念和关键特征;并介绍自主无人系统的组成结构和模型架构;在此基础上,探讨自主无人系统的设计要素;最后,总结自主无人系统的研究状况,并展望今后可能的发展趋势。
为评价地下综合管廊施工对高架桥影响,从某综合管廊项目入手,采用Midas/GTS NX对其施工工况分步进行三维数值模拟分析。结果表明采用针对性的支护形式可以有效减少变形保护周边既有高架安全。研究复杂环境下管廊施工对既有高架桥线路的影响,分析其原因,并提出针对性保护措施,为类似工程项目提供参考依据。
以某盾构区间强风化花岗岩中盾构施工为研究背景,为确定渣土含水率、泡沫注入率、泡沫浓度、盾构推进速度对渣土塌落度、稠度和压缩系数的影响,选取L9(34)正交表进行了9组试验并进行了极差分析。极差分析结果表明,渣土的性能和渣土含水率、泡沫注入率存在显著正相关;与推进速度存在显著负相关;泡沫剂浓度相关性不显著。根据试验结果得到推进速度在1.5、2.5和3.5cm/min时适宜的改良施工参数,为土压盾构在该地层中的施工提供技术参考。
针对5G的业务需求和网络特点、详细分析5G MEC(移动边缘计算)网络架构和不同场景下的MEC部署策略及部署原则。并结合5G典型应用场景、网络架构演进、5G MEC融合架构等基础网络理论,探讨5G不同应用场景下MEC部署方案,给出典型场景下的MEC部署解决方案。
国务院新闻办公室定于2021年4月20日下午举行新闻发布会,工业和信息化部新闻发言人、运行监测协调局局长黄利斌,新闻发言人、信息通信管理局局长赵志国介绍2021年一季度工业和信息化发展情况,并答记者问。年初以来,面对复杂多变的国内外形势,工业和信息化系统认真贯彻落实党中央、国务院决策部署,按照中央经济工作会议和《政府工作报告》部署要求,扎实做好“六稳”工作,全面落实“六保”任务.
剖析区块链技术赋能现代化社会治理体系建设的内在机理,分析当前及潜在区块链技术在现代化社会治理体系建设中的应用需求,得出区块链技术天然适配于社会治理体系建设,有助于促进政府管理模式转变,加速社会生产关系变革和信用社会构建。厘清区块链技术的社会治理具体应用场景,并此基础上针对我国如何通过区块链技术更好赋能现代化社会治理体系建设建言献策,以求更好地推动我国社会治理体系领域发展。
为了准确、快速判别中心带孔圆板拉深-翻孔过程中的变形方式,选取第3代先进超高强钢QP980材料,以预制孔直径、凹凸模圆角半径和板料厚度为特征参量,通过AutoForm成形仿真获取样本数据集,以Python作为编程语言,基于机器学习中的KNN算法构建中心带孔圆板变形方式预测分类器,并利用随机数据集验证其准确度。结果显示,当K=3、p=14且考虑距离权重时,该分类器的预测效果最佳,总体分类准确率达到90.2%,对随机数据集的分类准确率为88.9%。对比传统理论计算和计算机仿真预测,该分类器能以较高的准确度在短