CN114330095B - 基于lbm-dem集料级配界面特性调控的人造岗石智能制造方法 - Google Patents
基于lbm-dem集料级配界面特性调控的人造岗石智能制造方法 Download PDFInfo
- Publication number
- CN114330095B CN114330095B CN202111380855.8A CN202111380855A CN114330095B CN 114330095 B CN114330095 B CN 114330095B CN 202111380855 A CN202111380855 A CN 202111380855A CN 114330095 B CN114330095 B CN 114330095B
- Authority
- CN
- China
- Prior art keywords
- artificial granite
- aggregate
- data set
- lbm
- dem
- 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.)
- Active
Links
Images
Landscapes
- Processing And Handling Of Plastics And Other Materials For Molding In General (AREA)
Abstract
本发明公开了一种基于LBM‑DEM集料级配界面特性调控的人造岗石智能制造方法,包括:(1)人造岗石集料表征及甄选决策数据集建立;(2)粉体级配与材料内部参数获取及机器学习数据集优选;(3)基于带标签集料系统、树脂系统实验数据集和LBM‑DEM仿真结果数据集,形成模拟数据集合,完成预处理和建模训练过程测试;(4)基于上述的智能系统建立人造岗石生产线控制系统,智能控制投料、物料搅拌、控温、分散性及成本,实现基于LBM‑DEM集料级配界面特性调控的人造岗石智能制造。本发明通过机器学习,实现人造岗石的原料前处理、甄选级配并精细化优组、平衡成本与树脂体系用量,完成表面改性与共混等关键技术的链接与集成,最终实现人造岗石产业的智能制造。
Description
技术领域
本发明属于人造岗石制造技术领域,具体涉及了一种基于LBM-DEM集料级配界面特性调控的人造岗石智能制造方法。
背景技术
人造岗石是目前应用最广泛、使用量最大的一种人造石材,以天然大理石碎料、石粉为主要原料,以不饱和聚酯树脂为胶结剂,采用高压、振动方式使之成型,再经过室温固化,切割、打磨、抛光等工序制成板材。目前,在广西区内乃至国内传统人造石制造行业领域中,尚存在人为操作及经验等因素对人造石产品性能和成本的影响显著等共性难点与痛点。在人造岗石制样和试产阶段,多由经验调试集料系统的比例,往往需要多次试制和调配才能得到较为理想的比例配方,试产流程周期长,成本高;在面对大集料产品和实际生产过程中,人造岗石原料配比一直都沿袭经验配方,生产工艺相对落后,导致产品同质化严重,过于依赖生产技术人员经验操作。在生产效率低下的同时,尚缺乏可指导人造岗石生产的定量化、科学化、智能化的关键技术研究。
无法获取人造岗石集料配方如何从内部影响人造岗石产品整体力学性能,长期困扰着人造岗石行业内的技术人员,目前仍然亟需探索获得理想化人造岗石配方的标准化方法、突破传统生产工艺并以智能制造的方式改进传统工艺,是从本质上降低人造岗石生产成本、提高生产效率有效途径之一。
发明内容
本发明的目的在于提供一种基于LBM-DEM集料级配界面特性调控的人造岗石智能制造方法。
为了实现上述目的,本发明采用了以下技术方案:
一种基于LBM-DEM集料级配界面特性调控的人造岗石智能制造方法,包括:
(1)人造岗石集料表征及甄选决策数据集建立;
①利用表征仪器对人造岗石集料的物化性质进行系统分析,获得人造岗石集料表征数据;
②利用高精度三维扫描设备对不同粒径的集料进行扫描,并用3D建模软件完成三维重构;
③最终按化学组分、微观形貌、颗粒度和级配,定量甄选并将人造岗石集料按粒径种类及级配分类,利用电子计量器,结合LBM-DEM数值模拟分析结果,以此归纳分类并建立带标签的集料参数的机器学习数据集;
(2)粉体级配与材料内部参数获取及机器学习数据集优选;
①对不同粒径的人造岗石集料材料,以扫描电镜和原子力显微镜观察材料断面微观形貌,万能试验机测试材料的拉伸强度和断裂伸长率,悬臂梁冲击强度测试仪测试缺口冲击强度;采用热重分析仪测试材料的热稳定性,分别获得不同粒径的人造岗石集料的断面微观形貌数据集、拉伸强度数据集、断裂伸长率数据集、缺口冲击强度数据集、热稳定性数据集;同时结合差示扫描量热法,研究不同复合级配体系下不饱和聚酯树脂的升温固化过程,根据得到其流动和固化动力学参数,完成人造岗石力学性能测定与特性的参数化表达;
②利用高速混合机和连续表面改性机,以钛酸酯偶联剂、硅烷偶联剂、硬脂酸钙作为改性剂对人造岗石集料的表面进行改性,重点结合人造岗石集料粉体的化学组分、微观形貌、颗粒度和级配等特征,使用硬脂酸-铝酸酯复合偶联剂以及马来酸酐接枝苯乙烯-乙烯-丁烯-苯乙烯嵌段共聚物等增容剂、考察以上加工工艺对人造岗石集料级配及颗粒界面效应、空隙率、堆积密度、搅拌流动性影响、有机树脂、缓凝剂的影响;
③结合基于开源C++语言的LBM-DEM数值仿真编程,输入基于实验的级配集料、有机树脂物理参数,获得集料混合物间隙率、各个集料的接触点数量、各接触点的接触力作为评价骨架集料受力特征的参数;标定典型集料物理参数,即以内部参数如热膨胀系数、集料的热膨胀系数、基体的热膨胀系数、气孔受热前的体积占比、等效模型的有效体积模量与实验结果间的量化关系,形成相容性指标参数,完成带特定标签的数据集以用于开展机器学习工作;
(3)基于带标签集料系统、树脂系统实验数据集和LBM-DEM仿真结果数据集,形成模拟数据集合,完成预处理和建模训练过程测试;
①基于机器学习的训练模型,根据联合数据集同时对模型本身进行更新和根据人造岗石内部、外部数据集、性能、成本间的关系进行预测;
②其次采用最大信息相关分析方法对人造岗石性能影响因素与人造岗石内部数据集、外部数据集之间的相关性进行分析,得到人造岗石性能与级配影响参数的相关性大小,再采用机器学习人造岗石性能模型;
③结合全局敏感性分析方法对人造岗石性能与级配影响参数的敏感性进行计算分析,得到人造岗石性能对不同影响因素有不确定性扰动时的响应程度;
④然后根据相关性大小和敏感性分析结果选出人造岗石性能重要影响因素,完成决策并部署;
⑤选择、调配并应用部署机器学习的结果,建立人造岗石大数据平台;基于该平台,建立GUI软应用件界面,形成可根据需求订制产品的生成配方的智能系统;
(4)基于上述的智能系统建立人造岗石生产线控制系统,并应用于人造岗石制造生产中,智能控制投料、物料搅拌、控温、分散性及成本,实现基于LBM-DEM集料级配界面特性调控的人造岗石智能制造。
本发明进一步说明,所述步骤(1)中的表征仪器包括扫描电镜(SEM)、X射线衍射(XRD)、热重分析仪(TGA)、傅里叶变换红外光谱仪(FTIR)。
本发明进一步说明,所述步骤(2)中LBM-DEM数值仿真编程的计算流程,具体为:
1)导入人造岗石集料的三维重构模型;
2)初始化流场信息和人造岗石集料的位置、平动速度及角速度;
3)在每个时间步的起点t0,输入流场信息和颗粒的位置、平动速度及角速度;
4)判断格子是否被颗粒覆盖并加以标识;如果是,计算格子控制体固含率,并进入步骤5);如果否,用LBM求解下一时刻的流场,即tf时刻的流场,然后进入步骤5);
5)在tf时刻的流场信息和颗粒覆盖信息,计算颗粒此时受到的力和力矩;
6)判断颗粒在tf时刻是否存在碰撞;如果存在碰撞,根据DEM计算颗粒间作用力,并判断是否大于最大子循环数,当小于最大子循环数时返回步骤5),当大于最大子循环数时进入步骤7);
7)在tf时刻的流场信息和颗粒覆盖信息,计算颗粒此时受到的力和力矩;
8)判断格子是否被颗粒覆盖并加以标识;如果是,输出计算结果;如果否,返回步骤4)。
本发明进一步说明,所述步骤(3)中人造岗石内部数据集包括级配及颗粒界面效应、空隙率、堆积密度、搅拌流动性影响、有机树脂用量和缓凝剂用量;外部数据集包括环境湿度、构件有效厚度、温度和成本。
本发明的优点:
1.本发明基于实验、LBM-DEM计算机仿真预混合分析结果的数据集,机器学习完成自动决策过程,结合一体化设备完成各级配粉体的选择与调配,预测、监测模具内混合体复杂流动行为,提前模拟混合过程,由此反推生产中适宜的多元偶联剂等助剂用量,定量控制集料的疏水化改性工艺,利用高度智能化生产人造岗石。
2.本发明通过机器学习,实现人造岗石的原料前处理、甄选级配并精细化优组、平衡成本与树脂体系用量,完成表面改性与共混等关键技术的链接与集成,最终实现人造岗石产业的智能制造。
附图说明
图1是本发明一实施例中人造岗石集料表征及甄选决策数据集的技术路径示意图。
图2是本发明一实施例中人造岗石LBM-DEM耦合仿真框架计算流程示意图。
图3是本发明一实施例中基于机器学习的人造岗石级配-树脂系统协同增效技术路径示意图。
具体实施方式
下面结合附图对本发明进一步说明。
实施例:
一种基于LBM-DEM集料级配界面特性调控的人造岗石智能制造方法,包括:
(1)人造岗石集料表征及甄选决策数据集建立(如图1所示);
①利用表征仪器对人造岗石集料的物化性质进行系统分析,获得人造岗石集料表征数据;表征仪器包括扫描电镜(SEM)、X射线衍射(XRD)、热重分析仪(TGA)、傅里叶变换红外光谱仪(FTIR);
②利用高精度三维扫描设备对不同粒径的集料进行扫描,并用3D建模软件完成三维重构;
③最终按化学组分、微观形貌、颗粒度和级配,定量甄选并将人造岗石集料按粒径种类及级配分类,利用电子计量器,结合LBM-DEM数值模拟分析结果,以此归纳分类并建立带标签的集料参数的机器学习数据集;
(2)粉体级配与材料内部参数获取及机器学习数据集优选;
①对不同粒径的人造岗石集料材料,以扫描电镜和原子力显微镜观察材料断面微观形貌,万能试验机测试材料的拉伸强度和断裂伸长率,悬臂梁冲击强度测试仪测试缺口冲击强度;采用热重分析仪测试材料的热稳定性,分别获得不同粒径的人造岗石集料的断面微观形貌数据集、拉伸强度数据集、断裂伸长率数据集、缺口冲击强度数据集、热稳定性数据集;同时结合差示扫描量热法,研究不同复合级配体系下不饱和聚酯树脂的升温固化过程,根据得到其流动和固化动力学参数,完成人造岗石力学性能测定与特性的参数化表达;
②利用高速混合机和连续表面改性机,以钛酸酯偶联剂、硅烷偶联剂、硬脂酸钙作为改性剂对人造岗石集料的表面进行改性,重点结合人造岗石集料粉体的化学组分、微观形貌、颗粒度和级配等特征,使用硬脂酸-铝酸酯复合偶联剂以及马来酸酐接枝苯乙烯-乙烯-丁烯-苯乙烯嵌段共聚物等增容剂、考察以上加工工艺对人造岗石集料级配及颗粒界面效应、空隙率、堆积密度、搅拌流动性影响、有机树脂、缓凝剂的影响;
③结合基于开源C++语言的LBM-DEM数值仿真编程,输入基于实验的级配集料、有机树脂物理参数,获得集料混合物间隙率、各个集料的接触点数量、各接触点的接触力作为评价骨架集料受力特征的参数;标定典型集料物理参数,即以内部参数如热膨胀系数、集料的热膨胀系数、基体的热膨胀系数、气孔受热前的体积占比、等效模型的有效体积模量与实验结果间的量化关系,形成相容性指标参数,完成带特定标签的数据集以用于开展机器学习工作;
如图2所示,所述LBM-DEM数值仿真编程的计算流程,具体为:
1)导入人造岗石集料的三维重构模型;
2)初始化流场信息和人造岗石集料的位置、平动速度及角速度;
3)在每个时间步的起点t0,输入流场信息和颗粒的位置、平动速度及角速度;
4)判断格子是否被颗粒覆盖并加以标识;如果是,计算格子控制体固含率,并进入步骤5);如果否,用LBM求解下一时刻的流场,即tf时刻的流场,然后进入步骤5);
5)在tf时刻的流场信息和颗粒覆盖信息,计算颗粒此时受到的力和力矩;
6)判断颗粒在tf时刻是否存在碰撞;如果存在碰撞,根据DEM计算颗粒间作用力,并判断是否大于最大子循环数,当小于最大子循环数时返回步骤5),当大于最大子循环数时进入步骤7);
7)在tf时刻的流场信息和颗粒覆盖信息,计算颗粒此时受到的力和力矩;
8)判断格子是否被颗粒覆盖并加以标识;如果是,输出计算结果;如果否,返回步骤4)。
(3)基于带标签集料系统、树脂系统实验数据集和LBM-DEM仿真结果数据集,形成模拟数据集合,完成预处理和建模训练过程测试(如图3所示);
①基于机器学习的训练模型,根据联合数据集同时对模型本身进行更新和根据人造岗石内部、外部数据集、性能、成本间的关系进行预测;
②其次采用最大信息相关分析方法对人造岗石性能影响因素与人造岗石内部数据集(级配及颗粒界面效应、空隙率、堆积密度、搅拌流动性影响、有机树脂用量和缓凝剂用量等)、外部数据集(环境湿度、构件有效厚度、温度和成本等)之间的相关性进行分析,得到人造岗石性能与级配影响参数的相关性大小,再采用机器学习人造岗石性能模型;
③结合全局敏感性分析方法对人造岗石性能与级配影响参数的敏感性进行计算分析,得到人造岗石性能对不同影响因素有不确定性扰动时的响应程度;
④然后根据相关性大小和敏感性分析结果选出人造岗石性能重要影响因素,完成决策并部署;
⑤选择、调配并应用部署机器学习的结果,建立人造岗石大数据平台;基于该平台,建立GUI软应用件界面,形成可根据需求订制产品的生成配方的智能系统;
(4)基于上述的智能系统建立人造岗石生产线控制系统,并应用于人造岗石制造生产中,智能控制投料、物料搅拌、控温、分散性及成本,实现基于LBM-DEM集料级配界面特性调控的人造岗石智能制造。
显然,上述实施例仅仅是为了清楚的说明本发明所作的举例,而并非对本发明实施的限定。对于所属技术领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动;这里无需也无法对所有的实施方式予以穷举;而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (4)
1.一种基于LBM-DEM集料级配界面特性调控的人造岗石智能制造方法,其特征在于包括:
(1)人造岗石集料表征及甄选决策数据集建立;
①利用表征仪器对人造岗石集料的物化性质进行系统分析,获得人造岗石集料表征数据;
②利用高精度三维扫描设备对不同粒径的集料进行扫描,并用3D建模软件完成三维重构;
③最终按化学组分、微观形貌、颗粒度和级配,定量甄选并将人造岗石集料按粒径种类及级配分类,利用电子计量器,结合LBM-DEM数值模拟分析结果,以此归纳分类并建立带标签的集料参数的机器学习数据集;
(2)粉体级配与材料内部参数获取及机器学习数据集优选;
①对不同粒径的人造岗石集料材料,以扫描电镜和原子力显微镜观察材料断面微观形貌,万能试验机测试材料的拉伸强度和断裂伸长率,悬臂梁冲击强度测试仪测试缺口冲击强度;采用热重分析仪测试材料的热稳定性,分别获得不同粒径的人造岗石集料的断面微观形貌数据集、拉伸强度数据集、断裂伸长率数据集、缺口冲击强度数据集、热稳定性数据集;同时结合差示扫描量热法,研究不同复合级配体系下不饱和聚酯树脂的升温固化过程,根据得到其流动和固化动力学参数,完成人造岗石力学性能测定与特性的参数化表达;
②利用高速混合机和连续表面改性机,以钛酸酯偶联剂、硅烷偶联剂、硬脂酸钙作为改性剂对人造岗石集料的表面进行改性,重点结合人造岗石集料粉体的化学组分、微观形貌、颗粒度和级配特征,使用硬脂酸-铝酸酯复合偶联剂以及马来酸酐接枝苯乙烯-乙烯-丁烯-苯乙烯嵌段共聚物增容剂,考察以上加工工艺对人造岗石集料级配及颗粒界面效应、空隙率、堆积密度、搅拌流动性影响、有机树脂、缓凝剂的影响;
③结合基于开源C++语言的LBM-DEM数值仿真编程,输入基于实验的级配集料、有机树脂物理参数,获得集料混合物间隙率、各个集料的接触点数量、各接触点的接触力作为评价骨架集料受力特征的参数;标定典型集料物理参数,即以内部参数:集料的热膨胀系数、基体的热膨胀系数、气孔受热前的体积占比、等效模型的有效体积模量与实验结果间的量化关系,形成相容性指标参数,完成带特定标签的数据集以用于开展机器学习工作;
(3)基于带标签集料系统、树脂系统实验数据集和LBM-DEM仿真结果数据集,形成模拟数据集合,完成预处理和建模训练过程测试;
①基于机器学习的训练模型,根据联合数据集同时对模型本身进行更新和根据人造岗石内部、外部数据集、性能、成本间的关系进行预测;
②其次采用最大信息相关分析方法对人造岗石性能影响因素与人造岗石内部数据集、外部数据集之间的相关性进行分析,得到人造岗石性能与级配影响参数的相关性大小,再采用机器学习人造岗石性能模型;
③结合全局敏感性分析方法对人造岗石性能与级配影响参数的敏感性进行计算分析,得到人造岗石性能对不同影响因素有不确定性扰动时的响应程度;
④然后根据相关性大小和敏感性分析结果选出人造岗石性能重要影响因素,完成决策并部署;
⑤选择、调配并应用部署机器学习的结果,建立人造岗石大数据平台;基于该平台,建立GUI软应用件界面,形成可根据需求订制产品的生成配方的智能系统;
(4)基于上述的智能系统建立人造岗石生产线控制系统,并应用于人造岗石制造生产中,智能控制投料、物料搅拌、控温、分散性及成本,实现基于LBM-DEM集料级配界面特性调控的人造岗石智能制造。
2.根据权利要求1所述的基于LBM-DEM集料级配界面特性调控的人造岗石智能制造方法,其特征在于:所述步骤(1)中的表征仪器包括扫描电镜、X射线衍射、热重分析仪、傅里叶变换红外光谱仪。
3.根据权利要求1所述的基于LBM-DEM集料级配界面特性调控的人造岗石智能制造方法,其特征在于:所述步骤(2)中LBM-DEM数值仿真编程的计算流程,具体为:
1)导入人造岗石集料的三维重构模型;
2)初始化流场信息和人造岗石集料的位置、平动速度及角速度;
3)在每个时间步的起点t0,输入流场信息和颗粒的位置、平动速度及角速度;
4)判断格子是否被颗粒覆盖并加以标识;如果是,计算格子控制体固含率,并进入步骤5);如果否,用LBM求解下一时刻的流场,即tf时刻的流场,然后进入步骤5);
5)在tf时刻的流场信息和颗粒覆盖信息,计算颗粒此时受到的力和力矩;
6)判断颗粒在tf时刻是否存在碰撞;如果存在碰撞,根据DEM计算颗粒间作用力,并判断是否大于最大子循环数,当小于最大子循环数时返回步骤5),当大于最大子循环数时进入步骤7);
7)在tf时刻的流场信息和颗粒覆盖信息,计算颗粒此时受到的力和力矩;
8)判断格子是否被颗粒覆盖并加以标识;如果是,输出计算结果;如果否,返回步骤4)。
4.根据权利要求1所述的基于LBM-DEM集料级配界面特性调控的人造岗石智能制造方法,其特征在于:所述步骤(3)中人造岗石内部数据集包括级配及颗粒界面效应、空隙率、堆积密度、搅拌流动性影响、有机树脂用量和缓凝剂用量;外部数据集包括环境湿度、构件有效厚度、温度和成本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111380855.8A CN114330095B (zh) | 2021-11-20 | 2021-11-20 | 基于lbm-dem集料级配界面特性调控的人造岗石智能制造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111380855.8A CN114330095B (zh) | 2021-11-20 | 2021-11-20 | 基于lbm-dem集料级配界面特性调控的人造岗石智能制造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114330095A CN114330095A (zh) | 2022-04-12 |
CN114330095B true CN114330095B (zh) | 2022-06-21 |
Family
ID=81047078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111380855.8A Active CN114330095B (zh) | 2021-11-20 | 2021-11-20 | 基于lbm-dem集料级配界面特性调控的人造岗石智能制造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114330095B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915390A (zh) * | 2012-09-26 | 2013-02-06 | 深圳市大族激光科技股份有限公司 | 人造石机床机架的设计方法及pcb钻机机架的设计方法 |
CN104385436A (zh) * | 2014-10-20 | 2015-03-04 | 佛山高品环保技术有限公司 | 一种人造石材生产系统 |
CN108089988A (zh) * | 2018-01-03 | 2018-05-29 | 北京航空航天大学 | 一种遥感图像星上智能处理演示验证系统 |
CN110655363A (zh) * | 2019-10-15 | 2020-01-07 | 广西美博新材料科技有限公司 | 一种高性能无机人造石方料制造工艺 |
CN111571769A (zh) * | 2020-04-23 | 2020-08-25 | 广西科学院 | 负离子功能无机人造大理石荒料及其微波养护制备工艺 |
CN211477782U (zh) * | 2019-08-30 | 2020-09-11 | 西南石油大学 | 一种人造裂缝岩心制备系统 |
EP3713729A1 (en) * | 2017-11-22 | 2020-09-30 | Cosentino Research and Development, S.L | Method and system for producing slabs, tiles or sheets of artificial stone with a wide vein effect |
CN111936997A (zh) * | 2018-05-05 | 2020-11-13 | 英特尔公司 | 用于量子计算性能模拟的装置和方法 |
CN113484116A (zh) * | 2021-07-16 | 2021-10-08 | 中国石油大学(华东) | 无损化制备具有缝洞/裂缝结构的人造岩心的方法以及人造岩心 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8175941B2 (en) * | 2007-11-19 | 2012-05-08 | Codestreet, Llc | Method and system for developing and applying market data scenarios |
US10496765B2 (en) * | 2017-01-12 | 2019-12-03 | GP Color | Methods, devices, and systems for designing and customizing |
US11915105B2 (en) * | 2019-02-05 | 2024-02-27 | Imagars Llc | Machine learning to accelerate alloy design |
-
2021
- 2021-11-20 CN CN202111380855.8A patent/CN114330095B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915390A (zh) * | 2012-09-26 | 2013-02-06 | 深圳市大族激光科技股份有限公司 | 人造石机床机架的设计方法及pcb钻机机架的设计方法 |
CN104385436A (zh) * | 2014-10-20 | 2015-03-04 | 佛山高品环保技术有限公司 | 一种人造石材生产系统 |
EP3713729A1 (en) * | 2017-11-22 | 2020-09-30 | Cosentino Research and Development, S.L | Method and system for producing slabs, tiles or sheets of artificial stone with a wide vein effect |
CN108089988A (zh) * | 2018-01-03 | 2018-05-29 | 北京航空航天大学 | 一种遥感图像星上智能处理演示验证系统 |
CN111936997A (zh) * | 2018-05-05 | 2020-11-13 | 英特尔公司 | 用于量子计算性能模拟的装置和方法 |
CN211477782U (zh) * | 2019-08-30 | 2020-09-11 | 西南石油大学 | 一种人造裂缝岩心制备系统 |
CN110655363A (zh) * | 2019-10-15 | 2020-01-07 | 广西美博新材料科技有限公司 | 一种高性能无机人造石方料制造工艺 |
CN111571769A (zh) * | 2020-04-23 | 2020-08-25 | 广西科学院 | 负离子功能无机人造大理石荒料及其微波养护制备工艺 |
CN113484116A (zh) * | 2021-07-16 | 2021-10-08 | 中国石油大学(华东) | 无损化制备具有缝洞/裂缝结构的人造岩心的方法以及人造岩心 |
Also Published As
Publication number | Publication date |
---|---|
CN114330095A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xing et al. | A comprehensive review on the blending condition between virgin and RAP asphalt binders in hot recycled asphalt mixtures: Mechanisms, evaluation methods, and influencing factors | |
Snow et al. | On the development of powder spreadability metrics and feedstock requirements for powder bed fusion additive manufacturing | |
Yao et al. | A novel generalized stress invariant-based strength model for inter-layer failure of FFF 3D printing PLA material | |
Zhang et al. | Towards understanding stochastic fracture performance of cement paste at micro length scale based on numerical simulation | |
Khorasani et al. | Nano-mechanical characterization of mastic, aggregate, and interfacial zone in asphalt composites | |
CN113029746A (zh) | 一种通过细/微观力学测试来确定页岩宏观模量的方法 | |
CN114330095B (zh) | 基于lbm-dem集料级配界面特性调控的人造岗石智能制造方法 | |
Liu et al. | Characterization of fiber distribution in steel fiber reinforced cementitious composites with low water-binder ratio | |
Abdulkareem et al. | Effect of metallic fillers on the hardness of polystyrene composites: an experimental investigation | |
Pardoen et al. | Nanomechanics serving polymer-based composite research | |
CN112185486B (zh) | 基于深度学习的水泥乳化沥青混合料收缩行为预测方法 | |
Wu et al. | Size effects on the mechanical properties of 3D printed plaster and PLA parts | |
Song et al. | In-situ X-CT scanning and numerical modeling on the mechanical behavior of the 3D printing rock | |
Maragh et al. | SEM-EDS and microindentation-driven large-area high-resolution chemomechanical mapping and computational homogenization of cementitious materials | |
Gao et al. | Evaluation of coarse aggregate in cold recycling mixes using X-ray CT scanner and image analysis | |
Fu et al. | Multi-scale numerical analysis for linear elastic behavior of clay concrete | |
Krakowiak | Assessment of the mechanical microstructure of masonry clay brick by nanoindentation | |
Nemecek | Nanoindentation of heterogeneous structural materials | |
CN114397187B (zh) | 基于纳微尺度压痕实验的岩石蠕变特性多尺度分析方法 | |
CN103164563A (zh) | 模拟橡胶混合物的变形的方法 | |
CN114186394A (zh) | 利用优化集料级配界面性能的人造岗石制造前处理方法 | |
AbuSahmin et al. | Basalt-polyester hybrid composite materials for demanding wear applications | |
Tsardaka et al. | Interpreting the setting time of cement pastes for modelling mechanical properties | |
Zhang et al. | Microvoid multistage nucleating model and its application in analyses of micro damage and fracture | |
Mocerino et al. | Characterization of the interface in a fiber-reinforced polymer composite using a novel single-fiber microcantilever test |
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 |