CN117113792B - 一种基于edem提取滚磨光整加工三维力链网络的方法 - Google Patents
一种基于edem提取滚磨光整加工三维力链网络的方法 Download PDFInfo
- Publication number
- CN117113792B CN117113792B CN202311368905.XA CN202311368905A CN117113792B CN 117113792 B CN117113792 B CN 117113792B CN 202311368905 A CN202311368905 A CN 202311368905A CN 117113792 B CN117113792 B CN 117113792B
- Authority
- CN
- China
- Prior art keywords
- particle
- particles
- chain network
- force chain
- force
- 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
- 102100021807 ER degradation-enhancing alpha-mannosidase-like protein 1 Human genes 0.000 title claims abstract description 47
- 101000895701 Homo sapiens ER degradation-enhancing alpha-mannosidase-like protein 1 Proteins 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 title claims abstract description 40
- 239000002245 particle Substances 0.000 claims abstract description 316
- 238000004088 simulation Methods 0.000 claims abstract description 49
- 238000000605 extraction Methods 0.000 claims abstract description 35
- 238000011160 research Methods 0.000 claims abstract description 20
- 238000007730 finishing process Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims description 44
- 239000011164 primary particle Substances 0.000 claims description 20
- 239000011163 secondary particle Substances 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000003754 machining Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
Abstract
本发明涉及滚磨光整加工技术领域，特别是涉及一种基于EDEM提取滚磨光整加工三维力链网络的方法，包括：建立滚磨光整加工EDEM仿真模型，通过对EDEM仿真模型设置参数进行仿真，获取仿真结果；基于仿真结果获取颗粒接触数据；以力链形成判据准则以及滚磨光整加工工艺研究目标为基础，对颗粒接触数据进行处理，提取三维力链网络颗粒数据；对三维力链网络颗粒数据进行定量化表征，获取三维力链网络定量化评价指标，基于三维力链网络定量化评价指标构建三维力链网络可视化模型，完成滚磨光整加工三维力链网络的提取。本发明不仅可用于滚磨光整加工中颗粒介质力链网络提取，还可用于其它基于EDEM仿真的离散元领域。
Description
技术领域
本发明涉及滚磨光整加工技术领域，特别是涉及一种基于EDEM提取滚磨光整加工三维力链网络的方法。
背景技术
滚磨光整加工技术具有适应性强、加工效果好、经济可承受等优点，是一种常用的表面完整性制造工艺，已用于加工航空航天、兵器工业、煤机装备等领域的零件。但由于缺乏对颗粒物质体系的深入研究，大多数工艺参数均需要大量实验或根据工人经验确定，没有理论指导。目前，科研工作者已对滚磨光整加工中的速度、作用力进行了研究，但主要是针对宏观颗粒流场和微观颗粒作用行为的研究，对于介观尺度尚未有深入研究。
颗粒体系在自身重力及外部载荷作用下，内部颗粒间相互挤压、碰撞形成了力链网络，滚磨光整加工中的颗粒介质（滚抛磨块）是一种典型的颗粒物质体系，颗粒物质介观尺度力链的复杂动力学行为是联系微观颗粒作用行为和宏观颗粒流场的纽带和桥梁，力链网络对外载荷的复杂响应决定了颗粒物质体系的宏观行为。因此，滚磨光整加工中颗粒介质力链网络的研究对滚磨光整加工工艺研发具有重要意义。
现有的相关技术有：（一）使用PFC2D建立滚磨光整加工的二维离散元模型，研究加工过程中颗粒介质力链网络演化机制，但仅局限于二维力链；（二）一种基于EDEM实现岩石破碎过程可视化的方法，利用bpm粘结键构建岩石颗粒力链网络，不适用于滚磨光整加工中颗粒介质的力链网络提取。因此，针对上述现有技术的局限性，本发明提供一种基于EDEM提取滚磨光整加工三维力链网络的方法。
发明内容
本发明的目的是针对上述技术问题，提供一种基于EDEM提取滚磨光整加工三维力链网络的方法，既可以对加工过程中颗粒介质力链网络进行可视化观测，还可以对力链网络进行定量化描述。
为实现上述目的，本发明提供了如下方案：
一种基于EDEM提取滚磨光整加工三维力链网络的方法，包括：
建立滚磨光整加工EDEM仿真模型，通过对所述EDEM仿真模型设置参数进行仿真，获取仿真结果；
基于所述仿真结果获取颗粒接触数据；
以力链形成判据准则以及滚磨光整加工工艺研究目标为基础，对所述颗粒接触数据进行处理，提取三维力链网络颗粒数据；
对所述三维力链网络颗粒数据进行定量化表征，获取三维力链网络定量化评价指标，基于所述三维力链网络定量化评价指标构建三维力链网络可视化模型，完成滚磨光整加工三维力链网络的提取。
进一步地，所述参数包括材料参数、接触参数、颗粒介质参数、运动参数、仿真时间、取样间隔，其中，所述材料参数包括颗粒介质、容器的密度、泊松比、剪切模量；所述接触参数包括颗粒与颗粒、颗粒与容器之间的摩擦系数和碰撞恢复系数；所述颗粒介质参数包括颗粒的直径和颗粒的数量。
进一步地，基于所述仿真结果获取颗粒接触数据包括：
通过Python软件的EDEMpy工具库读取所述仿真结果，提取出所述颗粒接触数据，其中，所述仿真结果为通过对所述EDEM仿真模型设置参数进行EDEM离散元仿真所生成的HDF5文件；所述颗粒接触数据包括颗粒ID、颗粒位置、颗粒间接触力向量。
进一步地，对所述颗粒接触数据进行处理包括：
以力链形成判据准则为基础筛选准则，对所述颗粒接触数据进行筛选处理，并在筛选处理中结合滚磨光整加工工艺研究目标，提取满足所述研究目标的三维力链网络颗粒数据，其中，所述研究目标包括强弱力链网络提取、局部区域力链网络提取、工件表面或器壁力链网络提取。
进一步地，对所述颗粒接触数据进行筛选处理包括：
S1.获取颗粒体系内同一时刻全部颗粒接触数据，预设颗粒间接触力阈值，基于颗粒间接触力/>进行第一次颗粒接触数据筛选，获取第一次筛选结果；
S2.在所述第一次筛选结果中依次检验每一个颗粒是否满足同时至少与两个不同颗粒接触，即是否形成颗粒数的力链，若满足，则记录颗粒接触数据，并对重复记录的颗粒接触数据进行剔除，完成第二次颗粒接触数据筛选，获取第二次筛选结果；
S3.预设法向夹角阈值，在所述第二次筛选结果中选取力链的第一首颗粒、第一次颗粒、第一末颗粒，其中，所述第一首颗粒为所述力链的任意颗粒，所述第一次颗粒为与所述第一首颗粒接触的任意颗粒，所述第一末颗粒为与第一次颗粒接触的除第一首颗粒外的任意颗粒；
S4.分别获取第一首颗粒与第一次颗粒、第一次颗粒与第一末颗粒的方向向量，计算法向夹角，判断是否存在满足法向夹角/>的第一末颗粒，若存在且存在多个，则选取法向夹角/>最小的第一末颗粒，并记录颗粒接触数据，完成第三次颗粒接触数据筛选；
S5.将所述第一次颗粒作为第二首颗粒，第一末颗粒作为第二次颗粒，选取第二末颗粒重复进行S4，直至单条力链筛选结束；
S6.选取与所述第一首颗粒接触的下一个第一次颗粒，重复S3-S5，直至以所述第一首颗粒为起点的全部单条力链筛选结束；
S7.在颗粒体系内选取下一个力链的第一首颗粒，重复S3-S6，直至颗粒体系内全部力链筛选结束。
进一步地，所述法向夹角的计算方法为：
其中，是三个颗粒间法向夹角，/>、/>分别是次颗粒与首颗粒、次颗粒与末颗粒的方向向量，/>是法向夹角阈值。
进一步地，所述强弱力链网络提取的实现方法包括：
将所述颗粒间接触力阈值预设为颗粒体系中所有接触力的平均值，计算颗粒间接触力/>，当/>，则为强力链；当/>，则为弱力链，完成强弱力链网络的提取。
进一步地，所述局部区域力链网络提取的实现方法包括：
基于限定三维坐标的方式对颗粒体系内同一时刻全部颗粒接触数据进行筛选，获取局部区域中的颗粒接触数据，基于局部区域中的颗粒接触数据进行所述S1-S7的筛选处理，提取局部区域内的三维力链网络颗粒数据。
进一步地，所述工件表面或器壁力链网络提取的实现方法包括：
提取与工件表面或器壁接触的颗粒ID集合，将所述颗粒ID集合作为力链的第一首颗粒进行所述S3-S7的筛选处理，提取作用于工件表面或器壁的三维力链网络颗粒数据。
本发明的有益效果为：
本发明可实现滚磨光整加工中颗粒介质的三维力链网络提取，突破了原有PFC2D仅能提取二维力链网络的限制，还可根据滚磨光整加工工艺研究目标分析强弱力链、局部区域以及工件表面或器壁的力链网络；本发明通过分析滚磨光整加工中颗粒介质的流场特征以及宏观颗粒流场、介观颗粒力链网络以及微观颗粒作用的关系提供一种新方法，推动对滚磨光整加工颗粒介质的理解以及滚磨光整加工工艺的研发进程；本发明提出的三维力链网络提取方法，不仅可用于滚磨光整加工中颗粒介质力链网络提取，还可用于其它基于EDEM仿真的离散元领域。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种基于EDEM提取滚磨光整加工三维力链网络的方法流程图；
图2为本发明实施例的颗粒接触数据筛选流程图；
图3为本发明实施例的一维水平振动贴壁式滚磨光整加工原理图，其中，1-工件；2-颗粒介质；3-滚抛磨块；4-容器；5-振动平台；
图4为本发明实施例的EDEM离散元仿真模型结构示意图；
图5为本发明实施例的设置不同参数提取的颗粒力链网络，其中，图5（a）为强力链网络；图5（b）为局部研究区域力链网络；图5（c）为工件表面力链网络；图5（d）为器壁力链网络；
图6为本发明实施例的EDEM中颗粒间法向接触力与三维强弱力链可视化模型对比图，其中，图6（a）为EDEM中颗粒间法向接触力示意图；图6（b）为三维强弱力链可视化模型。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
本实施例提供了一种基于EDEM提取滚磨光整加工三维力链网络的方法，如图1所示，包括：
步骤1：建立EDEM仿真模型，进行EDEM离散元仿真。
建立滚磨光整加工EDEM仿真模型，输入材料参数、接触参数、颗粒介质参数、运动参数、仿真时间t、取样间隔等，开始EDEM离散元仿真，仿真结束后生成HDF5文件。
其中，材料参数包括颗粒介质和容器的密度、泊松比/>、剪切模量/>；接触参数包括颗粒与颗粒、颗粒与容器之间的摩擦系数/>和碰撞恢复系数/>；颗粒介质参数包括颗粒的直径/>和数量/>。
步骤2：根据EDEM离散元仿真数据提取颗粒接触数据。
通过Python软件的EDEMpy工具库读取步骤1中仿真生成的HDF5文件，经提取后得到颗粒接触数据，包括颗粒ID、颗粒位置、颗粒间接触力向量等；
EDEMpy工具库是EDEM软件的Python API接口，通过访问EDEM仿真生成的HDF5文件获取离散元仿真数据。
步骤3：对颗粒接触数据进行处理。
以力链形成判据准则作为基础筛选标准，对步骤2中得到的颗粒接触数据进行处理筛选；
力链形成判据准则包括颗粒数，力链至少由三个颗粒组成；颗粒间接触力，其中/>是颗粒间接触力阈值，特别地，区分强弱力链内颗粒间接触力阈值/>为体系内平均颗粒间接触力；颗粒间法向夹角/>，其中/>为法向夹角阈值，若存在多个颗粒符合夹角条件，选取夹角最小的颗粒，特别地，区分强弱力链内颗粒间接触力的阈值/>需满足/>，/>是平均配位数。
对颗粒接触数据进行处理筛选的具体步骤如图2所示，包括：
S1：获取体系内同一时刻全部颗粒接触数据，包括接触颗粒ID及球心坐标、颗粒间接触力三维向量及接触点坐标；
S2：以颗粒间接触力阈值为标准，依据步骤3中的要求提取大于此阈值的接触颗粒，完成第一次颗粒接触数据筛选；
S3：在步骤S2筛选得到的数据中任意选择一个颗粒，若该颗粒满足同时至少与两个不同颗粒接触的条件，则记录这些颗粒接触数据；重复以上流程直至筛选完所有颗粒，剔除重复颗粒接触信息，完成第二次颗粒接触数据的筛选；
S4：确定法向夹角阈值；若提取三维强力链网络，需获取同一时刻体系内每个颗粒的配位数，以此得到平均配位数/>及法向夹角阈值/>；
S5：根据步骤S3筛选得到颗粒接触数据，定义任一颗粒为力链链首颗粒，与其接触的颗粒为第二颗粒；
S6：选取一个力链链首颗粒记作首颗粒，与该链首颗粒接触的任意第二颗粒记作次颗粒，与次颗粒接触的除首颗粒外的任意一个颗粒为末颗粒，根据三个颗粒的球心坐标分别得到次颗粒与首颗粒、末颗粒的方向向量，计算其法向夹角；
S7：判断首颗粒与次颗粒确定时是否存在符合条件的末颗粒，若不存在，该条力链结束；若存在一个或多个，选取法向夹角最小的末颗粒，并记录此三个颗粒接触数据；
式中：是三个颗粒间法向夹角，/>、/>分别是次颗粒与首颗粒、末颗粒的方向向量，/>是法向夹角阈值。
S8：若步骤S7中存在选取的末颗粒，则以原次颗粒记作首颗粒，原末颗粒记作次颗粒，重复步骤S6和S7，直至该条力链结束；
S9：若步骤S8中单条力链结束后，则在步骤S6中选取另一个与此链首颗粒接触的第二颗粒，重复步骤S6-S8，直至将以该链首颗粒为起点的全部力链提取完毕；
S10：若步骤S9中属于同一链首颗粒的力链提取完毕后，在步骤S6中选取另一个链首颗粒，重复步骤S6-S9，直至体系内全部力链提取完毕；
S11：对步骤S10中提取的体系内全部力链进行整理，剔除重复力链数据。
步骤4：结合滚磨光整加工工艺研究目标设置参数，提取三维力链网络颗粒数据。
根据滚磨光整加工工艺研究目标，包括强弱力链网络提取、局部区域力链网络提取、工件表面或器壁力链网络提取等，设置步骤3中具体参数以得到满足研究目标的力链网络颗粒数据；
强弱力链网络提取的实现方法为：将颗粒间接触力阈值设定为颗粒体系中所有接触力的平均值；当/>，则为强力链；当/>，则为弱力链。
局部研究区域力链网络提取的实现方法为：根据步骤S1中所得的颗粒接触数据，以限定三维坐标的方式筛选局部区域中的颗粒接触数据，以筛选出的颗粒接触数据进行步骤S2~S11，得到局部区域内的力链网络。
工件表面或器壁力链网络提取的实现方法为：利用EDEMpy提取与工件表面或器壁接触的颗粒ID集合，以此作为步骤S6中的力链链首颗粒，重复步骤S6~S11，得到作用于工件表面的力链网络。
步骤5：对三维力链网络颗粒数据进行定量化表征。
利用Python对步骤3或4中筛选的三维力链网络颗粒数据进行处理，以力链数量、力链长度、力链强度、力链准直线系数、力链方向等作为定量化评价指标，具体计算公式如下：
力链长度：
式中：表示第i条力链上的颗粒数目，i表示颗粒体系内的第i条力链，i=1,2,3…,n，共有n条力链，/>表示第i条力链的长度，/>表示该力链上第j个和第j+1个颗粒质心间的距离；
力链强度：体现了其承载能力的强弱，力链强度越大，其承载能力越强，而力链强度越小，其承载能力越弱；
式中：表示第i条力链的强度，/>表示第i条力链上第k个接触力的大小，S表示第i条力链上接触力的个数，其值为/>；
力链准直线系数：表现了其能否较好形成直线链状结构，力链准直系数较小的力链较易发生断裂，而力链准直系数较大的力链直线稳定性较好；
式中：表示第i条力链上第/>个相邻法向接触力的夹角，M为第i条力链上的接触力夹角的数目，其值为/>；
力链方向：反映了应力的传播方向；
式中：，/>，/>表示第i条力链分别在x，y，z轴上的方向向量，/>，/>，/>表示第i条力链上第k个接触力分别在x，y，z轴上的分量，S表示第i条力链上接触力的个数，其值为/>。
步骤6：绘制三维力链网络可视化模型。
利用Python中mayavi工具库建立三维力链网络可视化模型，其中线段两端代表两个接触颗粒中心距离，线段深浅变化以及线段粗细代表颗粒间接触力大小。
实施例二
以一维水平振动贴壁式滚磨光整加工为例，验证一种基于EDEM提取滚磨光整加工三维力链网络的方法的有效性，具体如下：
步骤1：一维水平振动贴壁式滚磨光整加工原理图如图3所示，包括工件1，颗粒介质2，滚抛磨块3，容器4，振动平台5；对一维水平振动贴壁式滚磨光整加工工艺进行分析，建立三维模型，分别进行网格划分并导入EDEM软件中完成装配，建立滚磨光整加工EDEM仿真模型，如图4所示；以仿真模型的坐标系作为绝对坐标系，表1为EDEM仿真模型中工件1和容器4的尺寸参数。
表1
在EDEM仿真模型中输入材料参数、接触参数、颗粒介质参数、运动参数、仿真时间t、取样间隔；
其中，材料参数包括颗粒介质2、工件1和容器4的密度、泊松比/>、剪切模量/>，如表2所示：
表2
接触参数包括颗粒介质2内部以及颗粒介质2分别与工件1和容器4的摩擦系数（静摩擦系数/>、滚动摩擦系数/>）和碰撞恢复系数/>，如表3所示：
表3
颗粒介质参数包括颗粒介质2的直径D和数量N，其中颗粒介质直径D=1mm，颗粒数目4000个；运动参数为振幅A和频率f，其中振幅A=8mm，频率f=20Hz；其它参数包括重力加速度g、仿真时间t和取样时间间隔，其中，重力加速度/>，仿真时间t为0.8s，其中0s-0.6s为生成颗粒阶段，仿真时间/>=0.6s，取样时间间隔/>=0.1s；0.6s-0.8s为容器振动阶段，仿真时间/>=0.2s，取样时间间隔/>=0.0025s。
开始EDEM仿真，仿真结束后生成HDF5文件，HDF5文件的数量等于，本实施例中共计86个。
步骤2：通过Python软件的EDEMpy工具库读取步骤1中仿真生成的HDF5文件，经提取后得到颗粒接触数据，包括颗粒ID、颗粒位置、颗粒间接触力向量等，在本实施例中，选择仿真时刻为0.735s，即HDF5文件为60的仿真数据。
步骤3：以力链形成判据准则作为基础筛选标准，按照图2所示颗粒接触数据筛选流程图对步骤2中得到的颗粒接触数据进行处理筛选。
S1：获取体系内同一时刻全部颗粒接触数据，包括接触颗粒ID及球心坐标、颗粒间接触力三维向量及接触点坐标；
S2：以颗粒间接触力阈值=0.02N为标准，提取大于此阈值的接触颗粒，完成第一次颗粒接触数据筛选；
S3：在步骤S2筛选得到的数据中任意选择一个颗粒，若该颗粒满足同时至少与两个不同颗粒接触的条件，则记录这些颗粒接触数据；重复以上流程直至筛选完所有颗粒，剔除重复颗粒接触信息，完成第二次颗粒接触数据筛选；
S4：确定法向夹角阈值；若提取三维强力链网络，需获取同一时刻体系内每个颗粒的配位数，以此得到平均配位数/>=2.41及法向夹角阈值/>=74.69°；
S5：根据步骤S3筛选得到颗粒接触数据，定义任一颗粒为力链链首颗粒，与其接触的颗粒为第二颗粒；
S6：选取一个力链链首颗粒记作首颗粒，与该链首颗粒接触的任意第二颗粒记作次颗粒，与次颗粒接触的除首颗粒外的任意一个颗粒为末颗粒，根据三个颗粒的球心坐标分别得到次颗粒与首颗粒、末颗粒的方向向量，计算其法向夹角；
S7：判断首颗粒与次颗粒确定时是否存在符合条件的末颗粒，若不存在，该条力链结束；若存在一个或多个，选取法向夹角最小的末颗粒，并记录此三个颗粒接触数据；
式中：是三个颗粒间法向夹角，/>、/>分别是次颗粒与首颗粒、末颗粒的方向向量，/>是法向夹角阈值。
S8：若步骤S7中存在选取的末颗粒，则以原次颗粒记作首颗粒，原末颗粒记作次颗粒，重复步骤S6和S7，直至该条力链结束；
S9：若步骤S8中单条力链结束后，则在步骤S6中选取另一个与此链首颗粒接触的第二颗粒，重复步骤S6-S8，直至将以该链首颗粒为起点的全部力链提取完毕；
S10：若步骤S9中属于同一链首颗粒的力链提取完毕后，在步骤S6中选取另一个链首颗粒，重复步骤S6-S9，直至体系内全部力链提取完毕；
S11：对步骤S10中提取的体系内全部力链进行整理，剔除重复力链数据。
步骤4：根据滚磨光整加工工艺研究目标，包括强弱力链网络提取、局部区域力链网络提取、工件表面或器壁力链网络提取等，设置步骤3中具体参数以得到满足研究目标的力链网络颗粒数据。
将颗粒间接触力阈值设定为颗粒体系中所有接触力的平均值；当/>，则为强力链；当/>，则为弱力链，得到颗粒强力链图，如图5（a）所示。
根据步骤S1中所得的颗粒接触数据，以限定三维坐标的方式筛选局部区域中的颗粒接触数据，以筛选出的颗粒接触数据进行步骤S2~S11，得到局部区域内的力链网络，如图5（b）所示。
利用EDEMpy提取与工件表面或器壁接触的颗粒ID集合，以此作为步骤S6中的力链链首颗粒，重复步骤S6~S11，得到作用于工件表面和器壁表面的力链网络，如图5（c）和图5（d）所示。
步骤5：利用Python对步骤4中得到的三维力链网络颗粒数据进行定量化表征，包括力链数量、力链长度、力链强度、力链准直线系数、力链方向等，得到的定量化评价指标数据如表4所示。
表4
步骤6：利用Python中mayavi工具库建立三维力链网络的可视化模型，其中线段两端代表两个接触颗粒中心距离，线段深浅变化以及线段粗细代表颗粒间接触力大小，可视化模型如图5和图6所示，其中，图6为本实施例的EDEM中颗粒间法向接触力与三维强弱力链可视化模型对比图，图6（a）为EDEM中颗粒间法向接触力，图6（b）为三维强弱力链可视化模型，可以看出，三维强弱力链可视化模型中强力链所在位置与EDEM中颗粒间法向接触力中的强作用力位置重合，证明了本方法的有效性。
以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (6)
1.一种基于EDEM提取滚磨光整加工三维力链网络的方法，其特征在于，包括：
建立滚磨光整加工EDEM仿真模型，通过对所述EDEM仿真模型设置参数进行仿真，获取仿真结果；
基于所述仿真结果获取颗粒接触数据，包括：
通过Python软件的EDEMpy工具库读取所述仿真结果，提取出所述颗粒接触数据，其中，所述仿真结果为通过对所述EDEM仿真模型设置参数进行EDEM离散元仿真所生成的HDF5文件；所述颗粒接触数据包括颗粒ID、颗粒位置、颗粒间接触力向量；
以力链形成判据准则以及滚磨光整加工工艺研究目标为基础，对所述颗粒接触数据进行处理，提取三维力链网络颗粒数据；
对所述颗粒接触数据进行处理包括：
以力链形成判据准则为基础筛选准则，对所述颗粒接触数据进行筛选处理，并在筛选处理中结合滚磨光整加工工艺研究目标，提取满足所述研究目标的三维力链网络颗粒数据；
对所述颗粒接触数据进行筛选处理包括：
S1.获取颗粒体系内同一时刻全部颗粒接触数据，预设颗粒间接触力阈值，基于颗粒间接触力/>进行第一次颗粒接触数据筛选，获取第一次筛选结果；
S2.在所述第一次筛选结果中依次检验每一个颗粒是否满足同时至少与两个不同颗粒接触，即是否形成颗粒数的力链，若满足，则记录颗粒接触数据，并对重复记录的颗粒接触数据进行剔除，完成第二次颗粒接触数据筛选，获取第二次筛选结果；
S3.预设法向夹角阈值，在所述第二次筛选结果中选取力链的第一首颗粒、第一次颗粒、第一末颗粒，其中，所述第一首颗粒为所述力链的任意颗粒，所述第一次颗粒为与所述第一首颗粒接触的任意颗粒，所述第一末颗粒为与第一次颗粒接触的除第一首颗粒外的任意颗粒；
S4.分别获取第一首颗粒与第一次颗粒、第一次颗粒与第一末颗粒的方向向量，计算法向夹角，判断是否存在满足法向夹角/>的第一末颗粒，若存在且存在多个，则选取法向夹角/>最小的第一末颗粒，并记录颗粒接触数据，完成第三次颗粒接触数据筛选；
所述法向夹角的计算方法为：
其中，/>是三个颗粒间法向夹角，/>、/>分别是次颗粒与首颗粒、次颗粒与末颗粒的方向向量，/>是法向夹角阈值；
S5.将所述第一次颗粒作为第二首颗粒，第一末颗粒作为第二次颗粒，选取第二末颗粒重复进行S4，直至单条力链筛选结束；
S6.选取与所述第一首颗粒接触的下一个第一次颗粒，重复S3-S5，直至以所述第一首颗粒为起点的全部单条力链筛选结束；
S7.在颗粒体系内选取下一个力链的第一首颗粒，重复S3-S6，直至颗粒体系内全部力链筛选结束；对所述三维力链网络颗粒数据进行定量化表征，获取三维力链网络定量化评价指标，基于所述三维力链网络定量化评价指标构建三维力链网络可视化模型，完成滚磨光整加工三维力链网络的提取。
2.根据权利要求1所述的基于EDEM提取滚磨光整加工三维力链网络的方法，其特征在于，所述参数包括材料参数、接触参数、颗粒介质参数、运动参数、仿真时间、取样间隔，其中，所述材料参数包括颗粒介质和容器的密度、泊松比、剪切模量；所述接触参数包括颗粒与颗粒、颗粒与容器之间的摩擦系数和碰撞恢复系数；所述颗粒介质参数包括颗粒的直径和颗粒的数量。
3.根据权利要求1所述的基于EDEM提取滚磨光整加工三维力链网络的方法，其特征在于，所述研究目标包括强弱力链网络提取、局部区域力链网络提取、工件表面或器壁力链网络提取。
4.根据权利要求3所述的基于EDEM提取滚磨光整加工三维力链网络的方法，其特征在于，所述强弱力链网络提取的实现方法包括：
将所述颗粒间接触力阈值预设为颗粒体系中所有接触力的平均值，计算颗粒间接触力/>，当/>，则为强力链；当/>，则为弱力链，完成强弱力链网络的提取。
5.根据权利要求3所述的基于EDEM提取滚磨光整加工三维力链网络的方法，其特征在于，所述局部区域力链网络提取的实现方法包括：
基于限定三维坐标的方式对颗粒体系内同一时刻全部颗粒接触数据进行筛选，获取局部区域中的颗粒接触数据，基于局部区域中的颗粒接触数据进行S1-S7，提取局部区域内的三维力链网络颗粒数据。
6.根据权利要求3所述的基于EDEM提取滚磨光整加工三维力链网络的方法，其特征在于，所述工件表面或器壁力链网络提取的实现方法包括：
提取与工件表面或器壁接触的颗粒ID集合，将所述颗粒ID集合作为力链的第一首颗粒进行S3-S7，提取作用于工件表面或器壁的三维力链网络颗粒数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311368905.XA CN117113792B (zh) | 2023-10-23 | 2023-10-23 | 一种基于edem提取滚磨光整加工三维力链网络的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311368905.XA CN117113792B (zh) | 2023-10-23 | 2023-10-23 | 一种基于edem提取滚磨光整加工三维力链网络的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117113792A CN117113792A (zh) | 2023-11-24 |
| CN117113792B true CN117113792B (zh) | 2024-01-30 |
Family
ID=88805904
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311368905.XA Active CN117113792B (zh) | 2023-10-23 | 2023-10-23 | 一种基于edem提取滚磨光整加工三维力链网络的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117113792B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106769436A (zh) * | 2017-03-01 | 2017-05-31 | 青岛理工大学 | 一种三维颗粒体系中颗粒间接触力计算与力链的识别方法 |
| CN111259593A (zh) * | 2020-02-10 | 2020-06-09 | 江西理工大学 | 基于edem实现岩石破碎过程可视化的方法 |
| CN115661186A (zh) * | 2022-11-08 | 2023-01-31 | 广西大学 | 一种光弹试验力链信息自动提取方法 |
| CN115828472A (zh) * | 2023-02-15 | 2023-03-21 | 太原理工大学 | 一种用于模拟滚磨光整加工工件表面残余应力的方法 |
| WO2023109060A1 (zh) * | 2021-12-13 | 2023-06-22 | 青岛理工大学 | 一种识别三维颗粒体系内部力链的装置及方法 |
-
2023
- 2023-10-23 CN CN202311368905.XA patent/CN117113792B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106769436A (zh) * | 2017-03-01 | 2017-05-31 | 青岛理工大学 | 一种三维颗粒体系中颗粒间接触力计算与力链的识别方法 |
| CN111259593A (zh) * | 2020-02-10 | 2020-06-09 | 江西理工大学 | 基于edem实现岩石破碎过程可视化的方法 |
| WO2023109060A1 (zh) * | 2021-12-13 | 2023-06-22 | 青岛理工大学 | 一种识别三维颗粒体系内部力链的装置及方法 |
| CN115661186A (zh) * | 2022-11-08 | 2023-01-31 | 广西大学 | 一种光弹试验力链信息自动提取方法 |
| CN115828472A (zh) * | 2023-02-15 | 2023-03-21 | 太原理工大学 | 一种用于模拟滚磨光整加工工件表面残余应力的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Vibratory finishing co-simulation based on ADAMS-EDEM with experimental validation;Xiuzhi Wang 等;《The International Journal of Advanced Manufacturing Technology 》;第96卷;1175-1185 * |
| 主轴式滚磨光整颗粒介质的力链特征参数及其行为分析;赵鑫;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》(第7期);B022-547 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117113792A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110858505B (zh) | 用于预测原子元素及其合金材料的结构和性质的系统和方法 | |
| Kishino | Powder and Grains 2001 | |
| Lu et al. | Critical assessment of two approaches for evaluating contacts between super-quadric shaped particles in DEM simulations | |
| Ghaboussi et al. | Three‐dimensional discrete element method for granular materials | |
| Li et al. | Modeling and simulation of grinding wheel by discrete element method and experimental validation | |
| Wang et al. | A methodology for predicting the in situ size and shape distribution of rock blocks | |
| CN105523460A (zh) | 安装图生成装置、安装图生成方法和安装图生成程序 | |
| Noroozi et al. | 3D key‐group method for slope stability analysis | |
| CHEN et al. | Application of the DEM to screening process: a 3D simulation | |
| Carpinteri et al. | Morphological fractal dimension versus power-law exponent in the scaling of damaged media | |
| Landeiro et al. | The geometry of spatial analyses: implications for conservation biologists | |
| Walvekar et al. | A novel modeling approach to simulate rolling contact fatigue and three-dimensional spalls | |
| CN117113792B (zh) | 一种基于edem提取滚磨光整加工三维力链网络的方法 | |
| CN113281149B (zh) | 一种节理岩体的表征单元体积尺度综合取值方法 | |
| CN115828472B (zh) | 一种用于模拟滚磨光整加工工件表面残余应力的方法 | |
| Frery et al. | Stochastic particle packing with specified granulometry and porosity | |
| Jeong et al. | Parameter determination of anisotropic yield function using neural network-based indentation plastometry | |
| US20210004507A1 (en) | Powder material evaluation apparatus, powder material evaluation method, and powder material evaluation program | |
| Perzyński | The effect of model size and boundary conditions on the representativeness of digital material representation simulations of ferritic-pearlitic sample compression | |
| JP5663197B2 (ja) | 粒子欠損を考慮した個別要素法 | |
| CN112287563B (zh) | 探测单分散颗粒体系结晶相前驱体微观结构的方法及系统 | |
| CN111080790B (zh) | 一种基于凸包算法的凹体生成方法和装置 | |
| Wang et al. | A new cube movement test for verification of simulations of contact processes of blocks of different size in geological hazards | |
| Schauer et al. | Performance comparison between state-of-the-art point-cloud based collision detection approaches on the CPU and GPU | |
| Zhou et al. | Honed Surface Multiscale Prediction Based on Multi-Stage Honing Process of Engine Cylinder Bore |
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 |