一种析出强化型Fe-C-Mn-Ni奥氏体合金钢的微观组织和力学性能

对Fe-C-Mn-Ni-X(X为铬、钒等元素)奥氏体合金钢锻材进行固溶和时效处理,研究了时效温度(650,700,750℃)和时效时间(0～25h)对合金钢显微组织与力学性能的影响。结果表明:固溶态和时效态合金钢显微组织形态相差不大,时效处理后,合金钢中析出大量与奥氏体基体呈共格或半共格位向关系的纳米VC相;固溶态合金钢表现出很强的时效硬化能力,随时效温度升高,硬度达到峰值的时间缩短,峰值硬度降低;时效处理后,合金钢的屈服强度和抗拉强度显著增加,断后伸长率和加工硬化指数则明显下降,拉伸失效模式由韧性断裂转变为韧脆混合断裂;随时效温度升高和时效时间延长,合金钢的强度有所降低,但加工硬化能力增强。     

基于Q-learning模型的智能化放顶煤控制策略

传统的综放工作面放顶煤控制存在顶煤采出率低、出煤含矸率高等问题,而现有智能决策方法又存在建模困难、学习样本难以获取等障碍。针对上述问题,在液压支架放煤口动作决策过程中引入强化学习思想,提出一种基于Q-learning模型的智能化放顶煤控制策略。以最大化放煤效益为主要目标,结合顶煤放出体实时状态特征及顶煤动态赋存状态,采用基于Q-learning的放顶煤动态决策算法,在线生成多放煤口实时动作策略,优化多放煤口群组协同放煤过程,合理平衡顶煤采出率、出煤含矸率的关系。仿真和对比分析结果表明,该控制策略的顶煤平均采出率为91.24%,比传统"见矸关窗"的放煤方法提高约15.8%;平均全局奖赏值为685,比传统放煤方法提高约11.2%。该控制策略可显著减少混矸、夹矸等现象对放煤过程的影响,提高顶煤放出效益,减少煤炭资源浪费。     

ZK60镁合金表面滚压强化试验研究

试验研究了ZK60镁合金表面滚压加工中工艺参数对试件表面粗糙度、表面形貌、表面残余应力和表层显微硬度的影响,结果表明滚压力和重复滚压次数对试件的表面粗糙度、表面形貌以及表面残余应力和表层硬度影响程度较大,滚压速度影响较小。对精车ZK60镁合金试件进行滚压加工,试件表面粗糙度R a、R z最大减小了50.3%和48.1%;残余压应力最大可达-54.55 MPa;显微硬度从试件表层到内部基体材料逐渐降低,表层硬度值最大为92.83 HV 0.25,比基体材料硬度提高了15.32%。     

萃取塔数学模型及过程强化的若干研究进展

萃取塔因生产能力大、占地面积小、密闭性好等优点，在石油、化工、生物、医药和环境工程等多领域被广泛应用。本文从以下几个方面介绍了萃取塔近些年的研究进展：综述了传统萃取塔（脉冲萃取塔、转盘塔与Kühni塔等）的水力学、轴向扩散与传质模型的发展，分析比较了表面张力、传质方向、放大效应等因素对模型的影响；介绍了计算流体动力学（CFD）在萃取塔中单液滴、单相流模拟、液-液两相流模拟、外加能量模拟、与群体平衡模型（PBM）耦合模拟中的应用进展；介绍了国内外设计开发的新型萃取塔，包括改变传统塔的内构件和引入多种外场能量等方式来强化相间传质。研究表明，将先进实验研究方法、准确经验模型和可靠理论计算相结合，将会是萃取塔研究的重要手段和方向。     

基于“热导拘束+局部变形强化”的铝合金焊轧复合成形方法

铝合金尤其是热处理强化铝合金焊后不可避免会出现热影响区软化现象,导致焊接接头的力学性能显著下降。基于热导拘束+局部变形强化构想,提出一种铝合金焊轧复合成形方法,系统分析铜垫强制冷却非熔化极惰性气体保护电弧焊(Tungsten inert gas, TIG)填丝对接焊及焊后轧制复合工艺对5083-O和6061-T6异种铝合金焊接接头组织和力学性能的影响。结果表明,采用焊轧复合成形方法,能够得到成形良好且无缺陷的铝合金对接接头,通过轧制使焊接接头同时发生了纵向变形和横向变形;焊后轧制可以压实铝合金焊缝组织,有效降低焊接接头部分熔化区的宽度,同时热影响区(包括固溶区和过时效软化区)晶粒发生位向改变甚至转动现象;与自由冷却焊接工艺相比,采用铜垫冷却的焊接接头6061-T6侧软化区硬度升高且向焊缝中心产生明显偏移,焊后轧制使两种冷却方式的焊接接头的整体硬度均得到大幅度提升,其中软化最严重位置硬度值由59.5HV提高到84.4HV,提升幅度为41.8%;两种冷却方式的焊接接头轧制后接头的抗拉强度均大幅度提升,其中铜垫冷却焊轧复合成形与自由冷却焊接接头相比,试样抗拉强度由197.0MPa提升到288.6MPa,提升幅度为46.5%,与5083-O母材的抗拉强度相当,断后伸长率由5.88%提升到8.85%,断裂位置由6061-T6侧热影响区转移至5083-O侧母材。     

与时俱进强管理守土尽责保安全--对新形势下盐政管理工作的思考

本文针对一些地方假冒食盐漫延的状况,从假冒食盐的主要来源、销送途径、使用对象、社会危害等方面进行了剖析研究,分析了造成市场秩序混乱的原因,有针对性地提出了强化市场监管,保障人民群众食盐安全的一些具体举措。     

基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。