CN112699587A - 搅拌筒磨损量预测方法、装置和可读存储介质 - Google Patents
搅拌筒磨损量预测方法、装置和可读存储介质 Download PDFInfo
- Publication number
- CN112699587A CN112699587A CN202011640493.7A CN202011640493A CN112699587A CN 112699587 A CN112699587 A CN 112699587A CN 202011640493 A CN202011640493 A CN 202011640493A CN 112699587 A CN112699587 A CN 112699587A
- Authority
- CN
- China
- Prior art keywords
- model
- mixing drum
- concrete particle
- wear
- setting
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000005299 abrasion Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 239000002245 particle Substances 0.000 claims abstract description 143
- 238000004088 simulation Methods 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 230000003068 static effect Effects 0.000 claims description 9
- 230000005484 gravity Effects 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000011439 discrete element method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000003756 stirring Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 239000004570 mortar (masonry) Substances 0.000 description 5
- 239000004576 sand Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 230000003116 impacting effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 239000012798 spherical particle Substances 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 238000005411 Van der Waals force Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
Images
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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
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)
- Preparation Of Clay, And Manufacture Of Mixtures Containing Clay Or Cement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种搅拌筒磨损量预测方法、装置和可读存储介质。搅拌筒磨损量预测方法包括:建立搅拌筒模型;对搅拌筒模型建立计算区域,将计算区域划分网格;生成混凝土颗粒模型;设置搅拌筒模型和的混凝土颗粒模型的属性和参数;基于属性和参数,对网格进行离散元仿真;选取监测区域,获取监测区域的磨损量。本发明的技术方案中,采用离散元的仿真方法对搅拌筒的磨损情况进行了预测,计算速度快,设置简便,省时省力,能够提前进行搅拌筒磨损情况的预测。
Description
技术领域
本发明涉及测量技术领域,具体而言,涉及一种搅拌筒磨损量预测方法、装置和可读存储介质。
背景技术
目前,混凝土广泛应用于生活生产中。随着混凝土生产的发展和应用的广泛,逐渐形成了混凝土集中搅拌、按需供给的方式,混凝土是由搅拌站生产,再由混凝土运输车输送到各个场所。
搅拌筒的耐磨性在很大程度上决定了它的使用寿命,当某个部位最早出现磨损失效时,搅拌筒就必须停止使用进行检修。仅凭经验对搅拌筒进行工艺参数的改进效率低,且效果无法准确预测。目前还没有这种能预测搅拌筒耐磨性的方法出现。
发明内容
本发明旨在解决上述技术问题的至少之一。
为此,本发明的第一目的在于提供一种搅拌筒磨损量预测方法。
本发明的第二目的在于提供一种搅拌筒磨损量预测装置。
本发明的第三目的在于提供一种可读存储介质。
为实现本发明的第一目的,本发明的技术方案提供了一种搅拌筒磨损量预测方法,包括:建立搅拌筒模型;对搅拌筒模型建立计算区域,将计算区域划分网格;生成混凝土颗粒模型;设置搅拌筒模型和的混凝土颗粒模型的属性和参数;基于属性和参数,对网格进行离散元仿真;选取监测区域,获取监测区域的磨损量。
本技术方案中,采用离散元的仿真方法对搅拌筒的磨损情况进行了预测,计算速度快,设置简便,省时省力,能够有效提前进行搅拌筒磨损情况的预测。
另外,本发明提供的技术方案还可以具有如下附加技术特征:
上述技术方案中,建立搅拌筒模型,具体包括:根据螺旋线方程生成螺旋叶片模型;基于螺旋叶片模型,建立搅拌筒模型。
本技术方案基于螺旋线方程,生成螺旋叶片模型,进而再获取得到搅拌筒模型,设置过程简单,符合搅拌筒的特征。
上述任一技术方案中,将计算区域划分网格,具体包括:将计算区域划分三角形网格。
本技术方案中,通过将计算区域划分三角形网格,使得模型达到更好的仿真效果。
上述任一技术方案中,生成混凝土颗粒模型,具体包括:采用重力堆积法,在第一时间和第一区域内,生成第一数量的混凝土颗粒模型。
本技术方案中,根据实际工况,对混凝土颗粒进行建模,混凝土颗粒模型可以模拟真实工况,提高仿真结果的真实性与准确性。
上述任一技术方案中,设置搅拌筒模型和的混凝土颗粒模型的属性和参数,具体包括:设置搅拌筒模型的第一密度、第一泊松比和第一剪切模量;设置混凝土颗粒模型的第二密度、第二泊松比和第二剪切模量;设置混凝土颗粒模型与混凝土颗粒模型之间的第一恢复系数、第一静摩擦因数和第一动摩擦因数;设置混凝土颗粒模型与搅拌筒模型之间的第二恢复系数、第二静摩擦因数和第二动摩擦因数;设置混凝土颗粒模型与搅拌筒模型之间的磨粒磨损常数和冲击磨损常数;设置混凝土颗粒模型与混凝土颗粒模型之间的第一JKR参数(第一凝聚力接触模型参数);设置混凝土颗粒模型与搅拌筒模型之间的第二JKR(第二凝聚力接触模型参数)参数;设置重力加速度;设置计算方法,计算方法包括瑞利时间步。
通过上述过程,具体设置了搅拌筒模型和混凝土颗粒模型的各个参数,为后续仿真提供了数据依据。
上述任一技术方案中,搅拌筒磨损量预测方法还包括:根据磨粒磨损常数,获取搅拌筒模型的第一磨损体积;根据冲击磨损常数,获取搅拌筒模型的第二磨损体积;根据第一磨损体积和第二磨损体积,获取搅拌筒模型的磨损体积;根据混凝土颗粒模型与搅拌筒模型的壁面接触面积,获取网格的磨损深度。
本技术方案中,提供了获取搅拌筒模型的磨损体积与磨损深度的具体方法,为仿真提供数据依据,增强仿真结果的准确性。
上述技术方案中,设置混凝土颗粒模型与混凝土颗粒模型之间的第一JKR参数,包括:
其中,FJKR1表示所述第一凝聚力接触模型的第一法向力,π表示圆周率,γ1表示第一表面能,E*表示当量杨氏模量,α1表示混凝土颗粒模型与混凝土颗粒模型之间的相互作用参数,R*表示当量半径,δ1表示混凝土颗粒模型与混凝土颗粒模型之间的重叠量。
设置混凝土颗粒模型与搅拌筒模型之间的第二JKR参数,包括:
其中:FJKR2表示所述第二凝聚力接触模型的第二法向力,γ2表示第二表面能,α2表示混凝土颗粒模型与搅拌筒模型之间的相互作用参数,δ2表示混凝土颗粒模型与搅拌筒模型之间的重叠量。
本技术方案中,分别获取混凝土颗粒模型与混凝土颗粒模型之间、混凝土颗粒模型与搅拌筒模型之间的JKR参数,符合现实工况场景,增强仿真结果的真实性和准确性。
上述任一技术方案中,搅拌筒磨损量预测方法还包括:改变任一个搅拌筒模型的结构参数,重新进行离散元仿真,得到第一仿真结果;改变至少两个搅拌筒模型的结构参数,重新进行离散元仿真,得到第二仿真结果;根据第一仿真结果和第二仿真结果,选取优化方案,对搅拌筒进行优化。
本技术方案对仿真结果进行分析,通过改变搅拌筒的结构参数,对搅拌筒进行结构优化,从而改善搅拌筒的耐磨性,提高搅拌筒的使用寿命。
为实现本发明的第三目的,本发明的技术方案提供了一种搅拌筒磨损量预测装置,包括:存储器和处理器,存储器存储有程序或指令,处理器执行程序或指令;其中,处理器在执行程序或指令时,实现如本发明任一技术方案的搅拌筒磨损量预测方法的步骤。
本技术方案提供的搅拌筒磨损量预测装置实现如本发明任一技术方案的搅拌筒磨损量预测方法的步骤,因而其具有如本发明任一技术方案的搅拌筒磨损量预测方法的全部有益效果,在此不再赘述。
为实现本发明的第四目的,本发明的技术方案提供了一种可读存储介质,可读存储介质存储有程序或指令,程序或指令被执行时,实现上述任一技术方案的搅拌筒磨损量预测方法的步骤。
本技术方案提供的可读存储介质实现如本发明任一技术方案的搅拌筒磨损量预测方法的步骤,因而其具有如本发明任一技术方案的搅拌筒磨损量预测方法的全部有益效果,在此不再赘述。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明一个实施例的搅拌筒磨损量预测方法流程示意图之一;
图2为本发明一个实施例的搅拌筒磨损量预测方法流程示意图之二;
图3为本发明一个实施例的搅拌筒磨损量预测方法流程示意图之三;
图4为本发明一个实施例的搅拌筒磨损量预测方法流程示意图之四;
图5为本发明一个实施例的搅拌筒磨损量预测方法流程示意图之五;
图6为本发明一个实施例的搅拌筒磨损量预测方法流程示意图之六;
图7为本发明一个实施例的搅拌筒磨损量预测方法流程示意图之七;
图8为本发明一个实施例的搅拌筒磨损量预测装置组成示意图;
图9为本发明一个实施例的搅拌筒磨损量预测方法流程示意图之八;
图10为本发明一个实施例的螺旋线方程示意图;
图11为本发明一个实施例的计算区域建立与网格划分示意图;
图12为本发明一个实施例的搅拌筒模型磨损示意图;
图13为本发明一个实施例的磨损监测盒布置方式示意图;
图14为本发明一个实施例的监测盒磨损量曲线图。
其中,图8中至图14中附图标记与部件名称之间的对应关系为:
100:搅拌筒模型,102:第一检测盒,104:第二检测盒,106:第三检测盒,108:第四检测盒,200:搅拌筒磨损量预测装置,210:存储器,220:处理器。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图14描述本发明一些实施例的搅拌筒磨损量预测方法、装置和可读存储介质。
大多数混凝土工况研究是基于Euler-Euler(欧拉-欧拉)耦合的双流体模型(无法反映固相骨料的离散化特征),有一定的局限性。该方法计算精度低,边界条件设置复杂而且不准确,只能用于了解宏观流动状态。而离散元法适合研究微观尺度下的情况,离散元法被认为是最适合从混凝土微观尺度来研究其宏观流变行为数值方法,离散元法已经广泛应用于混凝土的流变学研究。
相关技术的基于离散元法的结构表面磨损仿真方法,获取结构表面形状,并将目标表面划分为若干三角单元组成的三角网格,然后对三角单元进行离散元仿真,仿真其被散体颗粒碰撞的过程,分析得到所述碰撞能量数据计算各三角单元的表面上剥落的材料体积,从而依据该材料体积得到各三角单元质心的高度变化量(表示磨损),基于离散元法的结构表面磨损仿真方法未定义明确的仿真对象,通过分析碰撞能量的方法分析磨损量,应用在矿石、球磨机领域。
本实施例的仿真对象为搅拌筒,设定颗粒为混凝土颗粒模型,通过分析速度、方向、载荷、材料硬度的方法分析磨损量,可以应用在搅拌筒承载运输混凝土时的场景。
实施例1:
如图1所示,本实施例提供了一种搅拌筒磨损量预测方法,包括以下步骤:
步骤S102,建立搅拌筒模型;
步骤S104,对搅拌筒模型建立计算区域,将计算区域划分网格;
步骤S106,生成混凝土颗粒模型;
步骤S108,设置搅拌筒模型和的混凝土颗粒模型的属性和参数;
步骤S110,基于属性和参数,对网格进行离散元仿真;
步骤S112,选取监测区域,获取监测区域的磨损量。
现有技术中,混凝土为集中搅拌、按需供给,混凝土由搅拌站生产,再由混凝土运输车输送到目的地,搅拌筒的使用寿命收到耐磨性的影响,当某个部位最早出现磨损失效时,搅拌筒就必须停止使用进行检修,本实施例基于搅拌筒与混凝土的施工情况,对搅拌筒和混凝土颗粒,进行建模,通过设置搅拌筒模型与混凝土模型的属性和参数,最大程度的对现实工况中,搅拌筒的磨损情况进行还原,保证仿真效果的真实性。
本实施例中,采用离散元的仿真方法对搅拌筒的磨损情况进行了预测,与相关技术的采用的有限元方法相比,本实施例离散元方法计算速度快,设置简便,与人工测量相比,本实施例省时省力,还能有效提前进行搅拌筒磨损情况的预测。
本实施例中,基于仿真结果,可以选取监测区域,得到监测区域的磨损量,监控区域可以根据实际情况进行选择,使得本实施例应用更加灵活,实用性更强。
实施例2:
如图2所示,本实施例提供了一种搅拌筒磨损量预测方法,除上述实施例的技术特征以外,本实施例进一步地包括了以下技术特征:
建立搅拌筒模型,具体包括以下步骤:
步骤S202,根据螺旋线方程生成螺旋叶片模型;
步骤S204,基于螺旋叶片模型,建立搅拌筒模型。
本实施例基于螺旋线方程,生成螺旋叶片模型,进而再获取得到搅拌筒模型,设置过程简单,符合搅拌筒的特征。
实施例3:
如图3所示,本实施例提供了一种搅拌筒磨损量预测方法,除上述实施例的技术特征以外,本实施例进一步地包括了以下技术特征:
将计算区域划分网格,具体包括:
步骤S302,将计算区域划分三角形网格。
网格可以采用三角形网格、长方形网格等,本实施例中,通过将计算区域划分三角形网格,使得模型达到更好的仿真效果。
实施例4:
如图4所示,本实施例提供了一种搅拌筒磨损量预测方法,除上述实施例的技术特征以外,本实施例进一步地包括了以下技术特征:
生成混凝土颗粒模型,具体包括以下步骤:
步骤S402,采用重力堆积法,在第一时间和第一区域内,生成第一数量的混凝土颗粒模型。
本实施例中,根据实际工况,对混凝土颗粒进行建模,采用重力堆积法,在特定时间、特定区域,生成一定数量的混凝土颗粒模型,混凝土颗粒模型可以模拟真实工况,提高仿真结果的真实性与准确性。
实施例5:
如图5所示,本实施例提供了一种搅拌筒磨损量预测方法,除上述实施例的技术特征以外,本实施例进一步地包括了以下技术特征:
设置搅拌筒模型和的混凝土颗粒模型的属性和参数,具体包括以下步骤:
步骤S502,设置搅拌筒模型的第一密度、第一泊松比和第一剪切模量;
步骤S504,设置混凝土颗粒模型的第二密度、第二泊松比和第二剪切模量;
步骤S506,设置混凝土颗粒模型与混凝土颗粒模型之间的第一恢复系数、第一静摩擦因数和第一动摩擦因数;
步骤S508,设置混凝土颗粒模型与搅拌筒模型之间的第二恢复系数、第二静摩擦因数和第二动摩擦因数;
步骤S510,设置混凝土颗粒模型与搅拌筒模型之间的磨粒磨损常数和冲击磨损常数;
步骤S512,设置混凝土颗粒模型与混凝土颗粒模型之间的第一JKR参数;
步骤S514,设置混凝土颗粒模型与搅拌筒模型之间的第二JKR参数;
步骤S516,设置重力加速度;
步骤S518,设置计算方法,计算方法包括瑞利时间步。
其中,第一JKR参数是指第一凝聚力接触模型参数,第二JKR参数第二凝聚力接触模型参数,JKR为Hertz-Mindlin with JKR(Johnson-Kendall-Roberts)Cohesion,为凝聚力接触模型。
通过上述过程,具体设置了搅拌筒模型和混凝土颗粒模型的各个参数,为后续仿真提供了数据依据,上述设置过程,各个参数符合搅拌筒搅拌混凝土的真实工况,提高了仿真结果的真实性与准确性。
实施例6:
如图6所示,本实施例提供了一种搅拌筒磨损量预测方法,除上述实施例的技术特征以外,本实施例进一步地包括了以下技术特征:
搅拌筒磨损量预测方法还包括:
步骤S602,根据磨粒磨损常数,获取搅拌筒模型的第一磨损体积;
步骤S604,根据冲击磨损常数,获取搅拌筒模型的第二磨损体积;
步骤S606,根据第一磨损体积和第二磨损体积,获取搅拌筒模型的磨损体积;
步骤S608,根据混凝土颗粒模型与搅拌筒模型的壁面接触面积,获取网格的磨损深度。
具体而言,根据磨粒磨损常数和冲击磨损常数,获取搅拌筒模型的磨损体积,具体包括:
获取搅拌筒模型的第一磨损体积为:
其中,Q表示搅拌筒模型的第一磨损体积,K1表示磨粒磨损常数,H表示搅拌筒模型的最软表面布氏硬度值,Fn表示混凝土颗粒模型与搅拌筒模型的壁面接触的法向力,dt表示混凝土颗粒模型沿搅拌筒模型的壁面切向滑动距离;
获取搅拌筒模型的第二磨损体积为:
V体=ρ×m;
其中,V体表示搅拌筒模型的第二磨损体积,ρ表示搅拌筒模型的密度,m表示搅拌筒模型的磨损质量,t表示时间,K2表示冲击磨损常数,V表示混凝土颗粒模型撞击搅拌筒模型的速度,n表示速度指数;
获取搅拌筒模型的磨损体积:
V总=Q+V体;
其中,V总表示搅拌筒模型的磨损体积。
网格为三角形网格时,获取每个三角形网格的磨损深度:
其中,dp表示三角形网格的磨损深度,A表示混凝土颗粒模型与搅拌筒模型的壁面的接触面积。
本实施例,提供了获取搅拌筒模型的磨损体积与磨损深度的具体方法,为仿真提供数据依据,增强仿真结果的准确性。
实施例7:
本实施例提供了一种搅拌筒磨损量预测方法,除上述实施例的技术特征以外,本实施例进一步地包括了以下技术特征:
设置混凝土颗粒模型与混凝土颗粒模型之间的第一JKR参数,包括:
其中,FJKR1表示所述第一凝聚力接触模型的第一法向力,π表示圆周率,γ1表示第一表面能,E*表示当量杨氏模量,α1表示混凝土颗粒模型与混凝土颗粒模型之间的相互作用参数,R*表示当量半径,δ1表示混凝土颗粒模型与混凝土颗粒模型之间的重叠量。
设置混凝土颗粒模型与搅拌筒模型之间的第二JKR参数,包括:
其中:FJKR2表示所述第二凝聚力接触模型的第二法向力,γ2表示第二表面能,α2表示混凝土颗粒模型与搅拌筒模型之间的相互作用参数,δ2表示混凝土颗粒模型与搅拌筒模型之间的重叠量。
本实施例中,分别获取混凝土颗粒模型与混凝土颗粒模型之间、混凝土颗粒模型与搅拌筒模型之间的JKR参数,符合现实工况场景,增强仿真结果的真实性和准确性。
实施例8:
如图7所示,本实施例提供了一种搅拌筒磨损量预测方法,除上述实施例的技术特征以外,本实施例进一步地包括了以下技术特征:
搅拌筒磨损量预测方法还包括以下步骤:
步骤S702,改变任一个搅拌筒模型的结构参数,重新进行离散元仿真,得到第一仿真结果;
步骤S704,改变至少两个搅拌筒模型的结构参数,重新进行离散元仿真,得到第二仿真结果;
步骤S706,根据第一仿真结果和第二仿真结果,选取优化方案,对搅拌筒进行优化。
本实施例中,结构参数包括叶片高度、叶片安装倾角、螺距、搅拌筒的直径、锥度、叶片开孔大小等,本实施例对仿真结果进行分析,通过改变搅拌筒的结构参数,对搅拌筒进行结构优化,从而改善搅拌筒的耐磨性,提高搅拌筒的使用寿命。
实施例9:
如图8所示,本实施例提供了一种搅拌筒磨损量预测装置200,包括:存储器210和处理器220,存储器210存储有程序或指令,处理器220执行程序或指令;其中,处理器220在执行程序或指令时,实现如本发明任一实施例的搅拌筒磨损量预测方法的步骤。
实施例10:
本实施例提供了一种可读存储介质,可读存储介质存储有程序或指令,程序或指令被处理器220执行时,实现上述任一实施例的搅拌筒磨损量预测方法的步骤。
具体实施例:
本实施例提供了一种基于离散元仿真的搅拌筒磨损量预测方法,对搅拌筒的结构进行优化设计,以改善搅拌筒在运输混凝土过程中的耐磨性。
本实施例采用离散元的方法对搅拌筒的磨损情况进行统计,将划分网格和离散元仿真相结合。本发明方法将建模软件生成搅拌筒几何模型、划分网格、离散元仿真相结合,有效对搅拌筒进行了磨损量的预测,还能过对仿真计算结果后处理的分析,改变搅拌筒的结构参数(叶片高度、叶片安装倾角、螺距、搅拌筒的直径、锥度、叶片开孔大小等),对搅拌筒进行结构优化,从而改善搅拌筒的耐磨性,提高搅拌筒的使用寿命。
如图9所示,本实施例的基于离散元仿真的搅拌筒磨损量预测方法,包括以下步骤:
步骤S802,建立搅拌筒模型;
根据螺旋线方程生成螺旋叶片模型,再建立搅拌筒模型(筒体模型)。
举例而言,如图10所示,螺旋线方程以及参数如表1所示:
表1参数一
叶片高度B | 420mm | 圆筒直径D | 2342mm |
后锥小径d<sub>1</sub> | 1250mm | 前锥小径d<sub>2</sub> | 1664mm |
后锥宽度L<sub>1</sub> | 2350mm | 前锥宽度L<sub>2</sub> | 1395mm |
圆柱段宽度H | 1920mm | 后锥螺旋角β<sub>1</sub> | 74.5° |
圆柱段螺旋角β<sub>2</sub> | 73.25° | 前锥段螺旋角β<sub>3</sub> | 73° |
(1)后锥段顶线和底线驱动方程编写:
θ1=t×θmax1;
其中:α1表示后锥半张角,θmax1后锥最大转角,θ1后锥螺旋线转角,t表示时间;
1)后锥螺旋线底线方程:
其中:x1、y1、z1表示后锥螺旋底线上一点在空间坐标系上的位置。
2)后锥螺旋顶线方程:
其中:x2、y2、z2表示后锥螺旋顶线上一点在空间坐标系上的位置。
(2)圆柱段底线和顶线驱动方程编写:
θ2=t×θmax2;
其中:θmax2表示圆柱段最大转角,θ2表示圆柱螺旋线转角。
1)圆柱螺旋线底线方程:
其中:x3、y3、z3表示表示圆柱螺旋底线上一点在空间坐标系上的位置。
2)圆柱螺旋顶线方程:
其中:x4、y4、z4表示表示圆柱螺旋顶线上一点在空间坐标系上的位置。
(3)前锥段底线和顶线驱动方程编写:
θ3=t×θmax3;
其中:θmax3表示前锥最大转角,θ3表示前锥螺旋线转角。
1)前锥螺旋线底线方程:
其中:x5、y5、z5表示圆柱螺旋顶线上一点在空间坐标系上的位置,α2表示前锥半张角。
2)前锥螺旋顶线方程:
其中:x6、y6、z6表示表示前锥螺旋顶线上一点在空间坐标系上的位置。
步骤S804,计算区域建立与网格划分;
对搅拌筒模型100建立计算区域并划分三角形网格,转为mesh文件格式,用ICEM划分网格建立计算区域模型并网格划分,计算域的几何模型大小为1200mm×200mm×200mm,网格最小尺寸为1mm,叶片均采用三角形网格,搅拌筒最大网格尺寸控制在5mm以内,如图11所示;
步骤S806,生成混凝土颗粒模型;
混凝土颗粒模型生成采用重力堆积法,在指定时间(第一时间)、指定区域(第一区域)内生成一定数量(第一数量)的混凝土颗粒模型。
混凝土颗粒包括粗骨料和砂浆,生成混凝土颗粒模型是将混凝土中的粗骨料和砂石颗粒简化为球形或非球形颗粒,其中非球形颗粒通过颗粒重叠填充的方法实现,所述的粗骨料和砂石颗粒采用两种不同大小和特性的颗粒模型来表征。
步骤S808,设置相关参数;
设置搅拌筒模型、混凝土颗粒模型的属性、接触参数、重力加速度和计算方法,具体如下:
(1)设置混凝土颗粒模型及搅拌筒模型的筒密度、泊松比、剪切模量,具体为,设置搅拌筒模型的第一密度、第一泊松比和第一剪切模量,设置混凝土颗粒模型的第二密度、第二泊松比和第二剪切模量,如表2所示。
表2,参数二
参数 | 数值 |
粗骨料的剪切模量(Pa) | 8×e<sup>9</sup> |
粗骨料的泊松比 | 0.35 |
粗骨料的密度(kg/m<sup>3</sup>) | 2560 |
粗骨料的半径(mm) | 10 |
砂浆的剪切模量(Pa) | 8.00×10<sup>9</sup> |
砂浆的泊松比 | 0.25 |
砂浆的密度(kg/m<sup>3</sup>) | 2560 |
砂浆的半径(mm) | 8 |
搅拌筒的剪切模量(Pa) | 8.00×10<sup>10</sup> |
搅拌筒的泊松比 | 0.3 |
搅拌筒的密度(kg/m<sup>3</sup>) | 7850 |
(2)设置混凝土颗粒模型与混凝土颗粒模型、混凝土颗粒模型与搅拌筒之间恢复系数、静摩擦因数、动摩擦因数,具体为,设置混凝土颗粒模型与混凝土颗粒模型之间的第一恢复系数、第一静摩擦因数和第一动摩擦因数,设置混凝土颗粒模型与搅拌筒模型之间的第二恢复系数、第二静摩擦因数和第二动摩擦因数,如表3所示。
表3参数三
(3)考虑搅拌筒的磨损形式,合理设置混凝土颗粒模型与搅拌筒模型之间磨粒磨损常数和冲击磨损常数。
所述的磨损形式包括磨粒磨损和冲击磨损,采用磨粒磨损来表征粗骨料或砂石与筒体或叶片表面发生划擦时造成的磨损现象,采用冲击磨损来表征粗骨料或砂石在运动过程中对筒体或叶片撞击引起的磨损。
1)磨粒磨损:基于从表面移除的材料量与在表面上移动的粒子所做的摩擦功成正比的基本思想,综合考虑磨粒与筒体或叶片接触作用过程中,磨粒对筒体或叶片(后续统称为壁面)的法向力以及沿其切向滑动的距离,计算方程如下:
其中,Q表示所述搅拌筒模型的第一磨损体积(单位:m3),K1表示所述磨粒磨损常数,H表示所述搅拌筒模型的最软表面布氏硬度值(单位:HBW),Fn表示所述混凝土颗粒模型与所述搅拌筒模型的壁面接触的法向力(单位:N),dt表示所述混凝土颗粒模型沿所述搅拌筒模型的壁面切向滑动距离(单位:m)。
举例而言,K1=1×10-10。
2)冲击磨损:考虑粗骨料或砂石颗粒对壁面撞击过程中的磨损,计算关系如下式:
其中,m表示所述搅拌筒模型的磨损质量(因为有质量损失所以为负值,单位:kg),t表示时间(单位:s),T表示仿真时间(单位:s),t∈[0,T],K2表示所述冲击磨损常数,V表示所述混凝土颗粒模型撞击所述搅拌筒模型的速度(单位:m/s),n表示速度指数。
举例而言,K2=1.05×10-9。
磨损的体积:
V体=ρ×m;
其中,V体表示所述搅拌筒模型的第二磨损体积(单位:m3),ρ表示所述搅拌筒模型的密度(单位:kg/m3)。
根据磨粒磨损和冲击磨损,可以计算得到磨损总和为:
V总=Q+V体;
在离散元中每个三角形网格的磨损深度用以下公式表示:
其中,dp表示所述三角形网格的磨损深度(单位:m),A表示所述混凝土颗粒模型与所述搅拌筒模型的壁面的接触面积(单位:m2)。
(4)设置混凝土颗粒模型与混凝土颗粒模型、混凝土颗粒模型与搅拌筒模型之间的JKR参数,具体为,设置所述混凝土颗粒模型与所述混凝土颗粒模型之间的第一JKR参数,设置所述混凝土颗粒模型与所述搅拌筒模型之间的第二JKR参数。
JKR参数主要是用来考虑颗粒之间的凝聚力,进一步考虑在接触区域中范德华力和强粘性的影响,计算公式如下:
所述混凝土颗粒模型与所述混凝土颗粒模型之间的第一JKR参数为:
其中,FJKR1表示第一凝聚力接触模型的第一法向力,π表示圆周率,γ1表示所述第一表面能(单位:J/m2),E*表示当量杨氏模量(单位:Pa),α1表示所述混凝土颗粒模型与所述混凝土颗粒模型之间的相互作用参数,R*表示当量半径(单位:m),δ1表示所述混凝土颗粒模型与所述混凝土颗粒模型之间的重叠量(单位:m)。
所述混凝土颗粒模型与所述搅拌筒模型之间的第二JKR参数为:
其中:FJKR2表示第二凝聚力接触模型的第二法向力,γ2表示所述第二表面能(单位:J/m2),α2表示所述混凝土颗粒模型与所述搅拌筒模型之间的相互作用参数,δ2表示所述混凝土颗粒模型与所述搅拌筒模型之间的重叠量(单位:m)。
根据实际工况下混凝土的流变学实验,校准并设置合适的JKR参数,尤其是表面能参数。
举例而言,设置塌落度220mm,扩展度443mm,表面能设置如表3所示。
(5)设置重力加速度。
(6)选择瑞利时间步进行计算。
选择瑞利时间步的方式进行计算,瑞利时间步长为1.90×10-5秒(s);
步骤S810,采用离散元软件进行仿真;
进行仿真,得到仿真结果,仿真完成后选择想要监测的区域,得出该区域的磨损量(磨损情况)。
举例而言,得出某一种工况下搅拌筒模型100磨损情况,可以通过不同颜色绘制磨损云图,如图12所示,仿真完成后对监测目标区域进行分析,图13为一种磨损监测盒布置方式,选取了叶片水平方向上四个不同的监测盒检测磨损量,包括第一检测盒102、第二检测盒104、第三检测盒106和第四检测盒108,第一检测盒102、第二检测盒104、第三检测盒106和第四检测盒108分别对应第一位置LA、第二位置LB、第三位置LC和第四位置LD,得出图14的监测盒磨损量曲线图。由图可知叶片靠中间的磨损量较大,与实际经验相符,有效监测了搅拌筒的磨损情况,可以很好地对搅拌筒进行改进。
步骤S812,获得搅拌筒模型的磨损情况;
步骤S814,进行磨损情况分析;
如果满足预期的耐磨效果,进入步骤S818,未满足预期的耐磨效果,修改参数,进入步骤S816。
步骤S816,修改参数;
修改参数后,返回步骤S802,重新建立搅拌筒模型。
步骤S818,进行搅拌筒结构优化;
根据仿真结果和以提高耐磨性目标对搅拌筒进行优化分析,包括:
(1)单因素实验:改变某一种搅拌筒结构参数,重新进行离散元仿真(建立模型并进行仿真),得到第一仿真结果。结构参数包括叶片高度、叶片安装倾角、螺距、搅拌筒的直径、锥度、叶片开孔大小等。
(2)正交实验:改变不同的结构参数,重新进行离散元仿真(建立模型并进行仿真),得到第二仿真结果。结构参数包括叶片高度、叶片安装倾角、螺距、搅拌筒的直径、锥度、叶片开孔大小等。
(3)对比第一仿真结果和第二仿真结果,从单因素实验结果得出在同一水平方向上的优化方向,从正交实验结果得出多个水平的最优方案,综合考虑经济因素等选择合适的改进方案,对搅拌筒进行优化。
本实施例使用了离散元的仿真方法对搅拌筒的磨损情况进行了预测,与现有技术采用的有限元方法不同,与有限元方法相比,本实施例的离散元方法计算快,设置更简便。
本实施例与人工测量相比,省时省力,还能有效提前进行搅拌筒磨损情况的预测。
本实施例通过对仿真计算结果后处理的分析,改变搅拌筒的结构参数(叶片高度、叶片安装倾角、螺距、搅拌筒的直径、锥度、叶片开孔大小等),对搅拌筒进行结构优化,从而改善搅拌筒的耐磨性,提高搅拌筒的使用寿命。
综上,本发明实施例的有益效果为:
1.本实施例中,采用离散元的仿真方法对搅拌筒的磨损情况进行了预测,与相关技术的采用的有限元方法相比,本实施例离散元方法计算速度快,设置简便,与人工测量相比,本实施例省时省力,还能有效提前进行搅拌筒磨损情况的预测。
2.本实施例中,基于仿真结果,可以选取监测区域,得到监测区域的磨损量,监控区域可以根据实际情况进行选择,使得本实施例应用更加灵活,实用性更强。
在本发明中,术语“第一”、“第二”、“第三”仅用于描述的目的,而不能理解为指示或暗示相对重要性;术语“多个”则指两个或两个以上,除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;“相连”可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
本发明的描述中,需要理解的是,术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作,因此,不能理解为对本发明的限制。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种搅拌筒磨损量预测方法,其特征在于,包括:
建立搅拌筒模型;
对所述搅拌筒模型建立计算区域,将所述计算区域划分网格;
生成混凝土颗粒模型;
设置所述搅拌筒模型和所述混凝土颗粒模型的属性和参数;
基于所述属性和所述参数,对所述网格进行离散元仿真;
选取监测区域,获取所述监测区域的磨损量。
2.根据权利要求1所述的搅拌筒磨损量预测方法,其特征在于,所述建立搅拌筒模型,具体包括:
根据螺旋线方程生成螺旋叶片模型;
基于所述螺旋叶片模型,建立所述搅拌筒模型。
3.根据权利要求1所述的搅拌筒磨损量预测方法,其特征在于,所述将所述计算区域划分网格,具体包括:
将所述计算区域划分三角形网格。
4.根据权利要求1所述的搅拌筒磨损量预测方法,其特征在于,所述生成混凝土颗粒模型,具体包括:
采用重力堆积法,在第一时间和第一区域内,生成第一数量的所述混凝土颗粒模型。
5.根据权利要求1所述的搅拌筒磨损量预测方法,其特征在于,所述设置所述搅拌筒模型和所述混凝土颗粒模型的属性和参数,具体包括:
设置所述搅拌筒模型的第一密度、第一泊松比和第一剪切模量;
设置所述混凝土颗粒模型的第二密度、第二泊松比和第二剪切模量;
设置所述混凝土颗粒模型与所述混凝土颗粒模型之间的第一恢复系数、第一静摩擦因数和第一动摩擦因数;
设置所述混凝土颗粒模型与所述搅拌筒模型之间的第二恢复系数、第二静摩擦因数和第二动摩擦因数;
设置所述混凝土颗粒模型与所述搅拌筒模型之间的磨粒磨损常数和冲击磨损常数;
设置所述混凝土颗粒模型与所述混凝土颗粒模型之间的第一凝聚力接触模型参数;
设置所述混凝土颗粒模型与所述搅拌筒模型之间的第二凝聚力接触模型参数;
设置重力加速度;
设置计算方法,所述计算方法包括瑞利时间步。
6.根据权利要求5所述的搅拌筒磨损量预测方法,其特征在于,还包括:
根据所述磨粒磨损常数,获取所述搅拌筒模型的第一磨损体积;
根据所述冲击磨损常数,获取所述搅拌筒模型的第二磨损体积;
根据所述第一磨损体积和所述第二磨损体积,获取所述搅拌筒模型的磨损体积;
根据所述混凝土颗粒模型与所述搅拌筒模型的壁面接触面积,获取所述网格的磨损深度。
7.根据权利要求5所述的搅拌筒磨损量预测方法,其特征在于,所述设置所述混凝土颗粒模型与所述混凝土颗粒模型之间的第一凝聚力接触模型参数,包括:
其中,FJKR1表示所述第一凝聚力接触模型的第一法向力,π表示圆周率,γ1表示第一表面能,E*表示当量杨氏模量,α1表示所述混凝土颗粒模型与所述混凝土颗粒模型之间的相互作用参数,R*表示当量半径,δ1表示所述混凝土颗粒模型与所述混凝土颗粒模型之间的重叠量;
设置所述混凝土颗粒模型与所述搅拌筒模型之间的第二凝聚力接触模型参数,包括:
其中:FJKR2表示所述第二凝聚力接触模型的第二法向力,γ2表示第二表面能,α2表示所述混凝土颗粒模型与所述搅拌筒模型之间的相互作用参数,δ2表示所述混凝土颗粒模型与所述搅拌筒模型之间的重叠量。
8.根据权利要求1所述的搅拌筒磨损量预测方法,其特征在于,还包括:
改变任一个所述搅拌筒模型的结构参数,重新进行离散元仿真,得到第一仿真结果;
改变至少两个所述搅拌筒模型的结构参数,重新进行离散元仿真,得到第二仿真结果;
根据所述第一仿真结果和所述第二仿真结果,选取优化方案,对所述搅拌筒进行优化。
9.一种搅拌筒磨损量预测装置(200),其特征在于,包括:
存储器(210),存储有程序或指令;
处理器(220),执行所述程序或指令;
其中,所述处理器(220)在执行所述程序或指令时,实现如权利要求1至8中任一项所述的搅拌筒磨损量预测方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有程序或指令,所述程序或指令被处理器执行时,实现如权利要求1至8中任一项所述的搅拌筒磨损量预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640493.7A CN112699587A (zh) | 2020-12-31 | 2020-12-31 | 搅拌筒磨损量预测方法、装置和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011640493.7A CN112699587A (zh) | 2020-12-31 | 2020-12-31 | 搅拌筒磨损量预测方法、装置和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112699587A true CN112699587A (zh) | 2021-04-23 |
Family
ID=75514005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011640493.7A Pending CN112699587A (zh) | 2020-12-31 | 2020-12-31 | 搅拌筒磨损量预测方法、装置和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699587A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113927738A (zh) * | 2021-10-15 | 2022-01-14 | 中国重汽集团青岛重工有限公司 | 一种搅拌罐螺旋叶片的优化设计方法及成型方法 |
CN114211107A (zh) * | 2021-12-30 | 2022-03-22 | 北京知信浩宇科技有限公司 | 一种焊接管理方法及系统 |
CN114398738A (zh) * | 2022-01-20 | 2022-04-26 | 福州大学 | 基于dem-fem耦合的立式行星搅拌机搅拌装置结构分析方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1579726A (zh) * | 2004-05-14 | 2005-02-16 | 上海交通大学 | 混凝土搅拌车搅拌筒内搅和料流固两相流的建模方法 |
CN101551830A (zh) * | 2009-03-04 | 2009-10-07 | 同济大学 | 基于流固两相流的混凝土搅拌车搅拌筒叶片设计方法 |
CN104915471A (zh) * | 2015-05-11 | 2015-09-16 | 上海宇航系统工程研究所 | 基于离散元法的结构表面磨损仿真方法 |
CN105893647A (zh) * | 2015-01-21 | 2016-08-24 | 程海鹰 | 一种泡沫沥青混合料搅拌设备结构设计与优化的分析方法 |
CN107644120A (zh) * | 2017-08-16 | 2018-01-30 | 南京大学 | 一种用于岩土体三维离散元快速建模和模拟的通用数值模拟箱 |
CN110263476A (zh) * | 2019-06-28 | 2019-09-20 | 哈尔滨理工大学 | 一种基于有限元动态刻划仿真的金刚石磨粒磨损预测方法 |
CN110414139A (zh) * | 2019-07-29 | 2019-11-05 | 湘潭大学 | 一种用于滚筒内颗粒状坚果热加工的仿真计算方法 |
CN111104728A (zh) * | 2019-10-15 | 2020-05-05 | 江汉大学 | 结构表面磨损的仿真预测方法和装置 |
CN111159855A (zh) * | 2019-12-12 | 2020-05-15 | 湘潭大学 | 一种用于搅拌磨机内海泡石破碎的仿真计算方法 |
CN111191373A (zh) * | 2020-01-03 | 2020-05-22 | 长沙有色冶金设计研究院有限公司 | 一种高浓度尾砂充填料浆搅拌工艺优化方法 |
-
2020
- 2020-12-31 CN CN202011640493.7A patent/CN112699587A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1579726A (zh) * | 2004-05-14 | 2005-02-16 | 上海交通大学 | 混凝土搅拌车搅拌筒内搅和料流固两相流的建模方法 |
CN101551830A (zh) * | 2009-03-04 | 2009-10-07 | 同济大学 | 基于流固两相流的混凝土搅拌车搅拌筒叶片设计方法 |
CN105893647A (zh) * | 2015-01-21 | 2016-08-24 | 程海鹰 | 一种泡沫沥青混合料搅拌设备结构设计与优化的分析方法 |
CN104915471A (zh) * | 2015-05-11 | 2015-09-16 | 上海宇航系统工程研究所 | 基于离散元法的结构表面磨损仿真方法 |
CN107644120A (zh) * | 2017-08-16 | 2018-01-30 | 南京大学 | 一种用于岩土体三维离散元快速建模和模拟的通用数值模拟箱 |
CN110263476A (zh) * | 2019-06-28 | 2019-09-20 | 哈尔滨理工大学 | 一种基于有限元动态刻划仿真的金刚石磨粒磨损预测方法 |
CN110414139A (zh) * | 2019-07-29 | 2019-11-05 | 湘潭大学 | 一种用于滚筒内颗粒状坚果热加工的仿真计算方法 |
CN111104728A (zh) * | 2019-10-15 | 2020-05-05 | 江汉大学 | 结构表面磨损的仿真预测方法和装置 |
CN111159855A (zh) * | 2019-12-12 | 2020-05-15 | 湘潭大学 | 一种用于搅拌磨机内海泡石破碎的仿真计算方法 |
CN111191373A (zh) * | 2020-01-03 | 2020-05-22 | 长沙有色冶金设计研究院有限公司 | 一种高浓度尾砂充填料浆搅拌工艺优化方法 |
Non-Patent Citations (5)
Title |
---|
SHENGQIANG JIANG 等: "Mixing uniformity of irregular sand and gravel materials in a rotating drum with determination of contact model parameters", 《ELSEVIER》, pages 377 - 391 * |
廖泽楚: "螺带式混凝土搅拌机混合特性及DEM模拟", 《过程工程学报》, vol. 19, no. 4, pages 668 - 675 * |
张江涛 等: "滚筒振动对铺粉质量影响的离散元模拟", 《中国机械工程》, vol. 31, no. 14, pages 1717 - 1723 * |
张泾生,张国旺主编: "《现代选矿技术手册 第1册 破碎筛分与磨矿分级》", vol. 1, 华中科技大学出版社, pages: 286 - 287 * |
张珂;于天行;于文达;邹德芳;张世英;: "基于JKR黏结模型的混凝土离散元参数标定", 混凝土, no. 08, pages 46 - 51 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113927738A (zh) * | 2021-10-15 | 2022-01-14 | 中国重汽集团青岛重工有限公司 | 一种搅拌罐螺旋叶片的优化设计方法及成型方法 |
CN113927738B (zh) * | 2021-10-15 | 2023-02-17 | 中国重汽集团青岛重工有限公司 | 一种搅拌罐螺旋叶片的优化设计方法及成型方法 |
CN114211107A (zh) * | 2021-12-30 | 2022-03-22 | 北京知信浩宇科技有限公司 | 一种焊接管理方法及系统 |
CN114398738A (zh) * | 2022-01-20 | 2022-04-26 | 福州大学 | 基于dem-fem耦合的立式行星搅拌机搅拌装置结构分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699587A (zh) | 搅拌筒磨损量预测方法、装置和可读存储介质 | |
Maroof et al. | A new approach to particle shape classification of granular materials | |
US20200307174A1 (en) | Systems and methods for structurally analyzing and printing parts | |
Johansson et al. | Cone crusher performance evaluation using DEM simulations and laboratory experiments for model validation | |
Cleary et al. | Modelling of industrial particle and multiphase flows | |
Li et al. | Multi-sphere approximation of real particles for DEM simulation based on a modified greedy heuristic algorithm | |
EP3496934A1 (en) | Systems and methods for structurally analyzing and printing parts | |
Majidi et al. | Packing density of irregular shape particles: DEM simulations applied to anode-grade coke aggregates | |
Peng et al. | A fully resolved SPH-DEM method for heterogeneous suspensions with arbitrary particle shape | |
US11645431B2 (en) | Computer aided generative design with overall thickness control to facilitate manufacturing and structural performance | |
CN110068573B (zh) | 基于摄影测量和颗粒接触理论的爆破块度测量方法 | |
CN112131633B (zh) | 一种基于粗粒化计算理论的流固耦合仿真方法及系统 | |
Ji et al. | Computational granular mechanics and its engineering applications | |
Cleary et al. | Prediction of mill liner shape evolution and changing operational performance during the liner life cycle: Case study of a Hicom mill | |
WO2017150626A1 (ja) | 粒子シミュレーション装置、粒子シミュレーション方法及び粒子シミュレーションプログラム | |
CN101504678A (zh) | 薄壁加筋结构加筋布局优化设计方法 | |
Doškář et al. | Level-set based design of Wang tiles for modelling complex microstructures | |
Zhao et al. | 3D stockpile modelling and quality calculation for continuous stockpile management | |
Guo et al. | A multi-sphere DE-FE method for traveling analysis of an off-road pneumatic tire on irregular gravel terrain | |
Kanjilal et al. | A revised coarse-graining approach for simulation of highly poly-disperse granular flows | |
AU2019268798A1 (en) | Method for estimating in real-time stockpile particle size distribution associated to a level-based discretization | |
Benabbou et al. | Numerical modeling of nanostructured materials | |
He et al. | Simulating shearing behavior of realistic granular soils using physics engine | |
JP5533277B2 (ja) | タイヤの介在物飛び跳ね特性の評価方法、タイヤの介在物飛び跳ね特性の評価装置およびプログラム | |
Liu et al. | A computationally efficient model for granular material piling in a container |
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 |