CN110069858A - 一种金属材料不同温度条件下高周疲劳性能的预测方法 - Google Patents
一种金属材料不同温度条件下高周疲劳性能的预测方法 Download PDFInfo
- Publication number
- CN110069858A CN110069858A CN201910326092.5A CN201910326092A CN110069858A CN 110069858 A CN110069858 A CN 110069858A CN 201910326092 A CN201910326092 A CN 201910326092A CN 110069858 A CN110069858 A CN 110069858A
- Authority
- CN
- China
- Prior art keywords
- fatigue
- temperature
- different temperatures
- formula
- fatigue strength
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种金属材料不同温度条件下高周疲劳性能的预测方法,属于材料科学与工程应用技术领域。该方法首先在不同温度下进行高周疲劳测试,获得S‑N曲线;通过Basquin关系拟合建立疲劳强度系数σ′f、疲劳强度指数b分别与温度T的关系,并获得相关参数;将建立的关系代入Basquin方程建立应力幅σa、疲劳寿命Nf和温度三者之间的定量关系,进而预测金属材料在不同温度下的高周疲劳性能。该方法可以通过少量的高周疲劳测试,即可实现连续温度下S‑N曲线和疲劳强度的高效、准确预测。
Description
技术领域
本发明涉及金属材料高周疲劳性能测试技术领域,具体涉及一种金属材料不同温度条件下高周疲劳性能的预测方法。
背景技术
汽车、火车、轮船以及飞机是现代运输业的主要工具。其中,汽车因其具有灵活、快捷方便等特点成为日常运输的首选。目前,汽车运输行业面临着运输需求量迅速增长、化石能源日益枯竭以及燃油价格上涨等问题。提高内燃机的单位体积功率或单位质量功率,即功率密度是解决这个问题的一个有效途径,作为汽车的心脏,目前内燃机研究的重点在于提高功率密度以及可靠性、并且降低排放、提高经济性。在内燃机工作时,燃烧室各组件例如缸盖长期在高温条件和循环载荷下运行,缸盖鼻梁区不可避免经受高周疲劳损伤。
由于疲劳测试特别是高温疲劳测试费时、费力、费钱,在构件设计制备中如不能采用全面准确的疲劳数据或疲劳性能预测本构关系,会极大程度增加构件服役成本,降低构件服役安全性,并产生难以挽回的损失。因此,针对不同温度的材料高周疲劳性能,急需一种相对简单、准确的预测方法。
发明内容
本发明的目的在于提供一种金属材料不同温度条件下高周疲劳性能的预测方法,该方法通过建立疲劳强度系数和指数与温度关系,代入Basquin关系,提供了一种简便的寿命和强度预测模型。该预测方法相对简单、准确、成本低廉。
为实现上述目的,本发明所采用的技术方案如下:
一种金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:该方法包括如下步骤:
(1)分析金属材料构件的典型服役工况和不同部位的服役温度,确定材料高周疲劳的几种(至少两个)典型服役温度,;
(2)选择至少两种不同的典型服役温度,分别进行每种温度下的高周疲劳性能测试,获得不同温度下的应力(σa)-寿命(Nf)关系(S-N曲线)和疲劳强度;
(3)通过Basquin公式拟合,获得不同温度条件下的疲劳强度系数σ′f和疲劳强度指数b;
(4)对步骤(3)获得的不同温度下疲劳强度系数σ′f数据进行拟合,建立疲劳强度系数σ′f与温度T之间的定量关系;对步骤(3)获得的不同温度下疲劳强度指数b数据进行拟合,建立疲劳强度指数b与温度T之间的定量关系;
(5)把步骤(4)中获得的以T为变量的疲劳强度系数σ′f表达式和疲劳强度指数b表达式代入Basquin方程,建立应力幅σa、疲劳寿命Nf和温度T三者之间的定量关系,进而对其他服役温度下的S-N曲线和疲劳强度进行预测。
上述步骤(1)中,高周疲劳试验温度根据构件的典型服役工况下不同部位的温度选取,且在试验过程中温度随服役时间恒定不变。
上述步骤(2)中,高周疲劳试验一般采用高频疲劳试验机,也可根据材料特性和服役工况选择中低频疲劳试验机,高温加热方法一般采用电阻炉,疲劳强度采用升降法进行计算。
上述步骤(3)中,每个温度的疲劳强度系数σ′f和疲劳强度指数b基于公式(1)所示的Basquin方程通过Origin或Excel等软件进行拟合直接获得;
σa=σ′f(2Nf)b (1)。
上述步骤(4)中,不同温度的疲劳强度系数σ′f和疲劳强度指数b通过Origin、Excel等软件进行拟合直接获得。
上述步骤(4)中,如果存在线性关系,疲劳强度系数和疲劳强度指数分别拟合如公式(2)和公式(3),即获得了以T为变量的疲劳强度系数σ′f表达式和疲劳强度指数b表达式;
σ′f=eT+f (2);
b=mT+n (3)。
公式(2)和公式(3)中:e、f、m和n通过软件拟合直接获取。
上述步骤(5)中,基于Basquin关系,应力幅σa、疲劳寿命Nf与温度T定量关系式如公式(4)所示;
σa=(eT+f)·(2Nf)(mT+n) (4)。
上述步骤(5)中,对于连续下降型和疲劳极限型S-N曲线,按如下方式通过公式(4)计算特定温度下条件疲劳强度:
(a)对于连续下降型S-N曲线,直接将设定温度和循环周次(例如:107)带入公式(4),计算疲劳强度;
(b)对于疲劳极限型S-N曲线,直接将设定温度和曲线拐点周次(例如:106)带入公式(4),计算疲劳强度。
公式(4)转换形式表示为公式(5);
利用公式(5),可以通过设定温度和应力幅计算疲劳寿命,获得新的S-N曲线。
本发明的优点和有益效果如下:
1、本发明利用少量不同温度下高周疲劳试验数据,用以实现了不同温度下的高周疲劳性能准确预测。该方法即结合了大量试验数据拟合法准确性高的优点,另外又通过合理简化的公式推导,使得相关参数的物理意义更加明确,大大降低了试验量需求,只需通过少量的不同温度下高周疲劳测试即可完成。
2、本发明预测方法基于经典疲劳模型Basquin关系,对不同温度的高周疲劳性能进行预测,具有良好的适用性。
3、本发明预测模型通过大量试验数据拟合,简单合理的假设推导,具有物理意义明确、预测准确、适用性高的特点。
4、本发明预测模型只需要少量不同温下的高周疲劳试验数据,就可以准确预测该材料在不同温温度的高周疲劳性能,极大程度节约时间、人力和物力成本。
附图说明
图1是金属材料不同温度的高周疲劳性能预测方法流程图。
图2是蠕墨铸铁材料在典型温度S-N曲线示意图。
图3是蠕墨铸铁材料典型温度S-N参数关系示意图;其中:(a)疲劳强度系数;(b)疲劳强度指数。
图4是蠕墨铸铁材料不同温度下疲劳性能预测示意图;其中:(a)疲劳强度预测;(b)S-N曲线预测。
具体实施方式
下面结合实施例和附图对本发明进一步说明。
本发明为金属材料不同温度条件下高周疲劳性能的预测方法,该方法在传统的Basquin模型基础上,通过试验数据拟合、简单合理的推导,建立了简便的疲劳性能预测模型,预测流程如图1,具体如下:
步骤(1):分析构件的服役工况及其温度,获取能够合理反映材料高周疲劳典型试验温度。实验室普遍采用电阻炉加热的高频疲劳试验机测试S-N曲线,采用升降法测试疲劳强度。
步骤(2):选择构件材料典型服役温度进行恒温高周疲劳性能测试,获取不同温度的S-N曲线。
步骤(3):通过Basquin关系拟合,获得不同温度下的疲劳强度系数σ′f和疲劳强度指数b。
步骤(4):通过对步骤(3)数据进行拟合,分别建立疲劳强度系数σ′f和疲劳强度指数b与温度T之间的定量关系。
步骤(5):把步骤(4)中数据和参数带入Basquin方程,建立应力幅σa、疲劳寿命Nf和温度T三者之间的定量关系,进而对其他服役温度下的S-N曲线和疲劳强度的准确预测。
实施例1:
本实施例是对蠕墨铸铁材料在高周疲劳工况进行性能预测,具体过程如下:
第一、蠕墨铸铁材料取自柴油发动机缸盖,根据服役工况确定高周疲劳工况温度范围为25(室温)-500℃。
第二、选择三个典型温度:25、400和500℃;疲劳强度测试方法选择升降法,应力幅增减量为10MPa,疲劳试验按照GB/T 3075—2008金属材料疲劳试验轴向力控制方法进行,疲劳强度的计算按照GB/T24176—2009金属材料疲劳试验数据统计方案与分析方法来进行。三个典型温度S-N曲线示意图如图2。
第三、建立蠕墨铸铁疲劳强度系数和指数与温度之间的关系,运用Origin线性拟合,如图2所示其分别可以表达为公式(2)和公式(3):
σ′f=eT+f (2);
b=mT+n (3)。
式中参数e、f、m、n可拟合获得,疲劳强度系数和疲劳强度指数示意图如图3(a)和图3(b)。
第四、建立应力幅σa、疲劳寿命Nf和温度T三者之间的定量模型,即公式(4)和公式(5):
σa=(eT+f)·(2Nf)(mT+n) (4);
第五,根据钢中的高周疲劳结果,S-N曲线普遍在106-107开始出现拐点,根据当前疲劳实验的S-N曲线结果,选择恰当的疲劳周次代入公式(4),可以得到温度和疲劳强度定量关系,示意图如图4(a),可以看出新的模型可以很好预测蠕墨铸铁不同温度下的疲劳强度。
第六,根据公式(5),建立新的S-N曲线,并与原Basquin拟合结果进行对比,示意图如图4(b),可以看出新的模型可以很好预测蠕墨铸铁不同温度的S-N曲线。
Claims (9)
1.一种金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:该方法包括如下步骤:
(1)分析金属材料构件的典型服役工况和不同部位的服役温度,确定材料高周疲劳的几种典型服役温度;
(2)选择至少两种不同的典型服役温度,分别进行每种温度下的高周疲劳性能测试,获得不同温度下的应力(σa)-寿命(Nf)关系(S-N曲线)和疲劳强度;
(3)通过Basquin公式拟合,获得不同温度条件下的疲劳强度系数σf′和疲劳强度指数b;
(4)对步骤(3)获得的不同温度下疲劳强度系数σf′数据进行拟合,建立疲劳强度系数σ′f与温度T之间的定量关系;对步骤(3)获得的不同温度下疲劳强度指数b数据进行拟合,建立疲劳强度指数b与温度T之间的定量关系;
(5)把步骤(4)中获得的以T为变量的疲劳强度系数σ′f表达式和疲劳强度指数b表达式代入Basquin方程,建立应力幅σa、疲劳寿命Nf和温度T三者之间的定量关系,进而对其他服役温度下的S-N曲线和疲劳强度进行预测。
2.根据权利要求1所述的金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:步骤(1)中,高周疲劳试验温度根据构件的典型服役工况下不同部位的温度选取,且在试验过程中温度随服役时间恒定不变。
3.根据权利要求1所述的金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:步骤(2)中,高周疲劳试验一般采用高频疲劳试验机,也可根据材料特性和服役工况选择中低频疲劳试验机,高温加热方法一般采用电阻炉,疲劳强度采用升降法进行计算。
4.根据权利要求1所述的金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:步骤(3)中,每个温度的疲劳强度系数σ′f和疲劳强度指数b基于公式(1)所示的Basquin方程通过Origin或Excel等软件进行拟合直接获得;
σa=σ′f(2Nf)b (1)。
5.根据权利要求1所述的金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:步骤(4)中,不同温度的疲劳强度系数σf′和疲劳强度指数b通过Origin、Excel等软件进行拟合直接获得。
6.根据权利要求1所述的金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:步骤(4)中,如果存在线性关系,疲劳强度系数和疲劳强度指数分别拟合如公式(2)和公式(3),即获得了以T为变量的疲劳强度系数σ′f表达式和疲劳强度指数b表达式;
σ′f=eT+f (2);
b=mT+n (3);
公式(2)和公式(3)中:e、f、m和n通过软件拟合直接获取。
7.根据权利要求1所述的金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:步骤(5)中,基于Basquin关系,应力幅σa、疲劳寿命Nf与温度T定量关系式如公式(4)所示;
σa=(eT+f)·(2Nf)(mT+n) (4)。
8.根据权利要求7所述的金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:步骤(5)中,对于连续下降型和疲劳极限型S-N曲线,按如下方式通过公式(4)计算特定温度下的条件疲劳强度:
(a)对于连续下降型S-N曲线,直接将设定温度和循环周次带入公式(4),计算疲劳强度;
(b)对于疲劳极限型S-N曲线,直接将设定温度和曲线拐点周次带入公式(4),计算疲劳强度。
9.根据权利要求8所述的金属材料不同温度条件下高周疲劳性能的预测方法,其特征在于:公式(4)转换形式为公式(5);
利用公式(5),可以通过设定温度和应力幅计算疲劳寿命,获得新的S-N曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910326092.5A CN110069858B (zh) | 2019-04-23 | 2019-04-23 | 一种金属材料不同温度条件下高周疲劳性能的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910326092.5A CN110069858B (zh) | 2019-04-23 | 2019-04-23 | 一种金属材料不同温度条件下高周疲劳性能的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110069858A true CN110069858A (zh) | 2019-07-30 |
CN110069858B CN110069858B (zh) | 2023-04-07 |
Family
ID=67368317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910326092.5A Active CN110069858B (zh) | 2019-04-23 | 2019-04-23 | 一种金属材料不同温度条件下高周疲劳性能的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110069858B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110595894A (zh) * | 2019-08-14 | 2019-12-20 | 南京航空航天大学 | 一种存在应力集中的透平发动机叶片疲劳极限确定方法 |
CN111008437A (zh) * | 2019-11-25 | 2020-04-14 | 北京北方车辆集团有限公司 | 一种扭杆弹簧预扭工艺参数的选择方法 |
CN111307350A (zh) * | 2020-03-19 | 2020-06-19 | 上海电气电站设备有限公司 | 一种紧固件应力状态评估方法及检测装置 |
CN111400876A (zh) * | 2020-03-04 | 2020-07-10 | 中国科学院金属研究所 | 一种基于不同约束条件下的金属构件热机械疲劳寿命预测方法 |
CN111597706A (zh) * | 2020-05-13 | 2020-08-28 | 中国航发北京航空材料研究院 | 一种材料高温高周疲劳性能数据的处理方法 |
CN111721647A (zh) * | 2020-06-24 | 2020-09-29 | 四川大学 | 一种低周疲劳测试数据处理与内应力评估方法 |
CN112824866A (zh) * | 2019-11-20 | 2021-05-21 | 中国科学院金属研究所 | 通过微观组织分散性预测金属材料不同温度疲劳强度的方法 |
CN113111450A (zh) * | 2021-03-10 | 2021-07-13 | 博世华域转向系统有限公司 | 一种纳入温度因子的塑料蜗轮疲劳寿命预测方法 |
CN114428023A (zh) * | 2021-12-15 | 2022-05-03 | 中国科学院金属研究所 | 一种金属材料高温疲劳强度的预测方法 |
CN114486515A (zh) * | 2021-12-15 | 2022-05-13 | 中国科学院金属研究所 | 一种基于微观组织和拉伸性能的蠕墨铸铁疲劳强度预测方法 |
WO2024055271A1 (zh) * | 2022-09-16 | 2024-03-21 | 华东理工大学 | 一种极端环境下超长寿命服役结构抗疲劳及安全调控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102967512A (zh) * | 2012-10-25 | 2013-03-13 | 中南大学 | 基于非对称循环应力控制加载的低周疲劳寿命预测方法 |
CN108535105A (zh) * | 2018-03-22 | 2018-09-14 | 中国科学院金属研究所 | 一种蠕墨铸铁疲劳强度的预测方法 |
CN109344553A (zh) * | 2018-11-29 | 2019-02-15 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种高低周复合疲劳载荷作用下结构细节寿命预测方法 |
-
2019
- 2019-04-23 CN CN201910326092.5A patent/CN110069858B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102967512A (zh) * | 2012-10-25 | 2013-03-13 | 中南大学 | 基于非对称循环应力控制加载的低周疲劳寿命预测方法 |
CN108535105A (zh) * | 2018-03-22 | 2018-09-14 | 中国科学院金属研究所 | 一种蠕墨铸铁疲劳强度的预测方法 |
CN109344553A (zh) * | 2018-11-29 | 2019-02-15 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种高低周复合疲劳载荷作用下结构细节寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
Y.QIU等: "Influence of temperature on the low-cycle fatigue properties of compacted graphite iron", 《INTERNATIONAL JOURNAL OF FATIGUE》 * |
张哲峰等: "金属材料疲劳性能预测统一模型探索", 《金属学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110595894A (zh) * | 2019-08-14 | 2019-12-20 | 南京航空航天大学 | 一种存在应力集中的透平发动机叶片疲劳极限确定方法 |
CN110595894B (zh) * | 2019-08-14 | 2020-09-18 | 南京航空航天大学 | 一种存在应力集中的透平发动机叶片疲劳极限确定方法 |
CN112824866A (zh) * | 2019-11-20 | 2021-05-21 | 中国科学院金属研究所 | 通过微观组织分散性预测金属材料不同温度疲劳强度的方法 |
CN112824866B (zh) * | 2019-11-20 | 2021-11-26 | 中国科学院金属研究所 | 通过微观组织分散性预测金属材料不同温度疲劳强度的方法 |
CN111008437A (zh) * | 2019-11-25 | 2020-04-14 | 北京北方车辆集团有限公司 | 一种扭杆弹簧预扭工艺参数的选择方法 |
CN111008437B (zh) * | 2019-11-25 | 2024-06-04 | 北京北方车辆集团有限公司 | 一种扭杆弹簧预扭工艺参数的选择方法 |
CN111400876A (zh) * | 2020-03-04 | 2020-07-10 | 中国科学院金属研究所 | 一种基于不同约束条件下的金属构件热机械疲劳寿命预测方法 |
CN111400876B (zh) * | 2020-03-04 | 2023-10-20 | 中国科学院金属研究所 | 一种基于不同约束条件下的金属构件热机械疲劳寿命预测方法 |
CN111307350A (zh) * | 2020-03-19 | 2020-06-19 | 上海电气电站设备有限公司 | 一种紧固件应力状态评估方法及检测装置 |
CN111597706A (zh) * | 2020-05-13 | 2020-08-28 | 中国航发北京航空材料研究院 | 一种材料高温高周疲劳性能数据的处理方法 |
CN111597706B (zh) * | 2020-05-13 | 2022-05-17 | 中国航发北京航空材料研究院 | 一种材料高温高周疲劳性能数据的处理方法 |
CN111721647A (zh) * | 2020-06-24 | 2020-09-29 | 四川大学 | 一种低周疲劳测试数据处理与内应力评估方法 |
CN111721647B (zh) * | 2020-06-24 | 2021-12-28 | 四川大学 | 一种低周疲劳测试数据处理与内应力评估方法 |
CN113111450A (zh) * | 2021-03-10 | 2021-07-13 | 博世华域转向系统有限公司 | 一种纳入温度因子的塑料蜗轮疲劳寿命预测方法 |
CN114486515A (zh) * | 2021-12-15 | 2022-05-13 | 中国科学院金属研究所 | 一种基于微观组织和拉伸性能的蠕墨铸铁疲劳强度预测方法 |
CN114428023B (zh) * | 2021-12-15 | 2024-01-23 | 中国科学院金属研究所 | 一种金属材料高温疲劳强度的预测方法 |
CN114428023A (zh) * | 2021-12-15 | 2022-05-03 | 中国科学院金属研究所 | 一种金属材料高温疲劳强度的预测方法 |
WO2024055271A1 (zh) * | 2022-09-16 | 2024-03-21 | 华东理工大学 | 一种极端环境下超长寿命服役结构抗疲劳及安全调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110069858B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069858A (zh) | 一种金属材料不同温度条件下高周疲劳性能的预测方法 | |
CN108256192A (zh) | 一种金属材料基于低周疲劳的热机械疲劳寿命预测方法 | |
Colaço et al. | Thermal analysis of a diesel engine operating with diesel–biodiesel blends | |
CN110826267B (zh) | 发动机缸盖蠕变疲劳分析方法 | |
CN112824866B (zh) | 通过微观组织分散性预测金属材料不同温度疲劳强度的方法 | |
CN107992693A (zh) | 一种气缸盖可靠性寿命评价方法 | |
CN111400876B (zh) | 一种基于不同约束条件下的金属构件热机械疲劳寿命预测方法 | |
CN111896361A (zh) | 一种基于能量法的发动机气缸盖热机疲劳寿命预测方法 | |
CN109934493B (zh) | 一种快速确定火力发电机组煤耗特性曲线的方法 | |
Ghazimirsaied et al. | HCCI engine combustion phasing prediction using a symbolic-statistics approach | |
CN108460183A (zh) | 一种小样本量测定航空发动机材料高周疲劳p-s-n曲线测试方法 | |
CN114486515B (zh) | 一种基于微观组织和拉伸性能的蠕墨铸铁疲劳强度预测方法 | |
CN108535105A (zh) | 一种蠕墨铸铁疲劳强度的预测方法 | |
CN114912211A (zh) | 一种基于能量法和等效构件模型的缸盖疲劳寿命预测方法 | |
Güralp et al. | Method for determining instantaneous temperature at the surface of combustion chamber deposits in an HCCI engine | |
Biswas et al. | Exploring the nox-soot emission trade-off of a single cylinder crdi coupled diesel engine with cngdiesel dual fuel strategies: A DoE based RSM optimization approach | |
CN116359060A (zh) | 一种金属材料基于应变速率影响的热机械疲劳寿命预测方法及存储介质 | |
CN108549348B (zh) | 锅炉物理场运行信息获取方法、装置和计算机设备 | |
CN109918699A (zh) | C/c复合材料喉衬性能的关键参数识别方法 | |
CN115096726A (zh) | 一种通过珠光体含量和抗拉强度预测蠕墨铸铁疲劳强度的方法 | |
Jung et al. | In-cylinder pressure-based low-pressure-cooled exhaust gas recirculation estimation methods for turbocharged gasoline direct injection engines | |
CN108731989B (zh) | 塑性瞬态蠕变条件下含残余应力的蠕变孕育期预测方法 | |
CN106649901A (zh) | 一种发动机增压器蜗壳强度分析方法 | |
CN116882314B (zh) | 一种对高强化柴油机钢活塞头部进行热优化设计的方法 | |
Hussain et al. | Performance optimization of diesel engine with chicken waste bio-diesel blend using grey relational analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |