Fe、Al纳米粒子熔化过程结构转变的分子动力学研究

采用分子动力学方法结合嵌入原子势函数,应用势能、共近邻技术分析方法,研究了原子数为147、309和561的正二十面体(ICO),正十面体(Dh)和立方八面体(CO)的Fe、Al纳米粒子的熔化行为.结果表明,原子数为147、309、561的ICO结构的Fe、Al纳米粒子在熔化前保持原有结构;Dh与CO结构的Al纳米粒子在熔化前向ICO结构转变,ICO结构比Dh结构和CO结构更稳定.     

一种新型过滤机的应用

介绍一种新型动态过滤器,可以在封闭条件下完成常规的固液分离功能,还可以将分离得到的固体通过加热熔化,使固体物料以液体的形态排出过滤器;并将这种新型动态过滤器应用到香兰素生产过程中。     

W_(18)Cr_4V钢真空油淬白亮层、熔化层形成原因的试验研究

W_(18)Cr_4V钢真空加热油淬后,表面出现白亮层和熔化层等异常现象。本文利用金相显微镜,显微硬度计、扫描电子显微镜和电子探针等手段对白亮层和熔化层进行了分析研究。试验表明,白亮层、熔化层均是真空油淬增碳的结果。本文对白亮层、溶化层形成原因进行了比较深入的分析探讨提出了产生白亮层必须同时具备的三个条件。     

电子束熔化成形与锻造Ti6Al4V合金的腐蚀行为对比研究

本工作采用电化学工作站研究了电子束熔化技术（EBM）成形TC4样品和传统锻造TC4在3.5wt% NaCl溶液中的电化学腐蚀行为. 结果表明EBM成形TC4样品的非平衡微观结构使其与传统锻造的TC4相比,表现出不同的耐腐蚀性. EBM成形TC4样品与锻件TC4相比,EBM成形样品不同平面存在耐蚀性差异,而且EBM水平面大于锻件,EBM垂直面小于锻件. EBM成形TC4样品垂直面出现的腐蚀性能的各向异性主要是β柱状晶导致的. 在腐蚀的过程中,点蚀优先发生在α晶界,因为晶界能量较高,形成多孔的钝化层. 本项工作有助于丰富增材制造制备TC4合金在航空钛合金领域的腐蚀性能研究.     

选区激光熔化FeCoNiCr系高熵合金微观组织的实验研究

介绍了关于选区激光熔化的热分析理论,利用选区激光熔化技术制备FeCoNiCrAl_0.5和FeCoNiCrAl_0.8高熵合金试件.利用超景深显微镜对试件微观组织进行观测,分析了粉末粒径、元素含量,以及工艺参数等因素对选区激光熔化高熵合金的微观组织的影响.结果表明,随着激光功率增大,试件顶部等轴晶的占比越来越少,尺寸越来越细小,试件底部组织中枝晶的占比逐渐增多,尺寸不断增大;随着扫描速度增大,高熵合金试件底部组织中枝晶尺寸逐渐减小、宽度变窄;搭接率对高熵合金试件微观组织影响较小;制得的高熵合金试件存在着裂纹、凹陷及气孔等缺陷.     

神经网络建模计算稀土卤化物的熔化焓

采用人工神经网络（ＡＮＮ）方法研究了稀土氟化物、氯化物、溴化物和碘化物的熔化焓与离子键参数之间的关系,由２５组文献数据建立了预报稀土卤化物熔化焓的统一模型,并预报了其他４５个稀土卤化物的熔化焓。ＡＮＮ模型计算结果与已有文献数据吻合,没有实验数据报道的预报结果也显示出良好的规律性,说明人工神经网络建模预报化合物的熔化焓是一种有效的方法。     

低能耗,高绝缘性能的绝缘子玻璃

在分析钠－钙－硅系统绝缘子玻璃成分的基础上利用“压抑效应”，即以碱土金属氧化物取代部分ＳｉＯ２的可能性。采用正交设计的方法，按Ｌｙｏｎ粘度计算公式，对玻璃的高温粘度作了优选计算。     

铝熔化极氩弧焊中的自身调节作用

采用自制装置研究了短弧区铝合金熔化极氩弧焊时的自身调节作用，测定了熔滴热焓、温度和焊丝熔化特性．证实了阳极斑点爬升现象，测定了弧长恢复时间常数，并指出短路过渡时也存在着焊丝熔化率的自身调节作用     

双丝脉冲熔化极气体保护焊的数字化协同控制

为解决双丝熔化极气体保护焊(GMAW)中焊接过程不稳定、焊接效率易波动的问题,采用高速单片机80C320与80C552构成双微机协同控制器,分别控制主、从软开关逆变式脉冲焊接电源,借助现场总线通信协议,通过软件的方式协调主、从电源的工作;同时,采用模糊控制方法对双丝弧长进行闭环控制.从而使主、从电弧分别获得频率一致、峰值相差180°的脉冲电流,有效减少了电弧之间的干扰,使焊接过程稳定,焊缝成型良好.实验结果表明,数字化协同控制灵活性大,可使双丝脉冲GMAW过程稳定.     

GMAW 温度场计算及其焊接质量的特征建模

根据传热学、流体力学、物理冶金等理论，在熔化极气体保护焊(GMAW)的三维非稳态熔池的数学模型基础上建立了有限元模型，并使用通用有限元软件ANSYS对熔池温度场进行了计算．通过熔宽和熔深的测量值与ANSYS计算值进行比较，误差均控制在8％以内，表明使用ANSYS来计算GMAW温度场是可靠和可行的．结合智能诊断的基本理论，还建立了GMAW焊接质量的人工神经网络预测模型，并且采用软件MATLAB6．1对模型进行计算．结果表明，模型与实际过程符合较好，对于非线性的焊接过程，神经网络的适应性较强．