[目的]获取三七Panax notoginseng种植土壤与触土部件相互作用的离散元仿真模型参数。[方法]基于Hertz-Mindlin with JKR接触模型建立三七种植土壤离散元模型并进行参数标定。首先,以土壤颗粒间及土壤-65Mn钢板间的JKR表面能、恢复系数...[目的]获取三七Panax notoginseng种植土壤与触土部件相互作用的离散元仿真模型参数。[方法]基于Hertz-Mindlin with JKR接触模型建立三七种植土壤离散元模型并进行参数标定。首先,以土壤颗粒间及土壤-65Mn钢板间的JKR表面能、恢复系数、静摩擦系数、动摩擦系数为试验因素,以土壤堆积角、土壤在65Mn板上的滚动距离为评价指标。其次,采用基于Box-Behnken的响应面优化方法建立土壤堆积角、滚动距离回归模型。[结果]对回归模型进行寻优,得到仿真标定的土壤颗粒间JKR表面能、恢复系数、静摩擦系数和动摩擦系数的最优值分别为14.88 J/m2、0.53、0.46和0.150,标定的土壤-65Mn板间JKR表面能、恢复系数、静摩擦系数和动摩擦系数的最优值分别为7.02 J/m2、0.59、0.57和0.058。通过三七挖掘铲仿真试验与土槽试验对比分析得到,挖掘铲受X、Y轴方向平均阻力仿真值与实测值相对误差分别为9.91%、8.78%。[结论]标定的离散元土壤模型参数准确度高,研究可为三七收获机触土部件及装备优化提供理论参考。展开更多
高熵合金由于其形成独特显微组织的固溶体、金属间化合物和非晶相而具有更好的物理化学性能.因此,高熵合金中的相预测是合金设计的第一步.采用机器学习算法中的支持向量机、随机森林和决策树3种模型对高熵合金的相位分类进行预测,通过...高熵合金由于其形成独特显微组织的固溶体、金属间化合物和非晶相而具有更好的物理化学性能.因此,高熵合金中的相预测是合金设计的第一步.采用机器学习算法中的支持向量机、随机森林和决策树3种模型对高熵合金的相位分类进行预测,通过网格搜索方法优化模型,并对模型进行交叉验证和性能评估.结果表明:随机森林的预测能力最佳,达到0.93的预测精度,且该模型对高熵合金固溶体相的分类效果最好,最后采用随机森林模型预测Ti Zr Nb Mo系难熔高熵合金的生成相,其预测生成相与实验结果一致.由此可见,机器学习技术对未来高熵合金的设计有很大的帮助.展开更多
文摘高熵合金由于其形成独特显微组织的固溶体、金属间化合物和非晶相而具有更好的物理化学性能.因此,高熵合金中的相预测是合金设计的第一步.采用机器学习算法中的支持向量机、随机森林和决策树3种模型对高熵合金的相位分类进行预测,通过网格搜索方法优化模型,并对模型进行交叉验证和性能评估.结果表明:随机森林的预测能力最佳,达到0.93的预测精度,且该模型对高熵合金固溶体相的分类效果最好,最后采用随机森林模型预测Ti Zr Nb Mo系难熔高熵合金的生成相,其预测生成相与实验结果一致.由此可见,机器学习技术对未来高熵合金的设计有很大的帮助.
