氢基竖炉用耐火材料服役环境模拟及设计

随着氢冶金技术及氢基竖炉的发展与推广,对其关键部位用耐火材料提出更高要求,明晰耐火材料服役环境特点并进行针对性的性能设计尤为关键。利用Ansys软件对氢基竖炉还原段内部及壁面服役过程中的温度、压强以及气相浓度分布进行数值模拟研究,并利用FactSage软件计算传统耐火材料典型组分在服役状态下的热力学稳定性。结果表明,高温高压服役区域集中在进气口附近,H₂O集中在炉顶及炉底区域。提高入炉气体温度对炉内温度场有一定影响,对压强场及气相组成基本无影响。传统耐火材料典型组分中Al₂O₃、ZrO₂、镁铝尖晶石、六铝酸钙及TiO₂的热力学稳定性较强,可作为炉壁耐火材料组分,AlN或TiC可作为添加剂提高相关性能,同时避免引入SiO₂、MgO、CaO、Cr₂O₃、Fe₂O₃、SiC、Si₃N₄、B₄C、BN杂质组分。本...     

铝热还原氮化合成矾土基β-SiAlON的反应过程

采用差热分析、热重分析和XRD分析等测试手段研究了铝热还原氮化法合成矾土基SiAlON的反应过程。结果表明 ,合成过程的反应可分为以下 5个阶段 :1)AlN的形成 (6 0 0～ 80 0℃ ) ;2 )SiO2 被还原并形成Si3N4 (90 0～ 12 0 0℃ ) ;3) β SiAlON开始形成 (130 0～135 0℃ ) ;4 )形成Si2 N2 O和过渡态SiAlON(14 0 0℃左右 ) ;5 )最终形成z=3的β SiAlON(14 5 0～ 15 0 0℃ )     

sialon块体的变温氧化动力学

揭示了sialon块体材料的变温氧化机理,建立了变温氧化的定量氧化模型,并用此模型拟合β-sialon-Al2O3材料,O'-sialon-ZrO2-SiC材料和β-sialon-15R材料的变温氧化行为,所得结果与前人的实验结果符合得较好.结果表明:该模型能较好地定量描述sialon在变温氧化过程中氧化分数和温度及升温速率的关系,对预测sialon的氧化行为有一定的理论指导作用.     

科研成就梦想:自强不息,拼搏向上——记北京科技大学侯新梅副教授

<正>侯新梅是北京科技大学冶金与生态工程学院物理化学系的一名青年教师。1979年岁末出生于河南南阳。侯新梅的父亲是一位小学教师。侯新梅从小在他言传身教的影响下,梦想长大后能够成为一名光荣的人民教师。中学时,侯新梅学习了邓小平同志的"科学技术是第一生产力"的思想,又萌生了成为科学家为祖国进步发展做贡献的梦想。在梦想的激励下侯新梅于1997年考入郑州大学,就读材料科学与工程专业获得学士学位,2001年进入郑州大学高温材料研究所成为一名硕士研究生,师从钟香崇院士,2004年考入北京科技大学冶金与生     

Ti-46Al-8Nb合金定向凝固显微组织及选晶器角度对合金片层取向的影响

采用Bridgman炉结合BaZrO₃/Al₂O₃复合模壳对Ti-46Al-8Nb(原子分数/%)合金进行定向凝固,研究了合金的界面侵蚀层形貌、显微组织和物相组成,以及选晶器角度对选晶效果及合金片层取向的影响。结果表明：定向凝固合金底部存在厚10μm左右的侵蚀层,且随着高度增大,合金的氧含量和侵蚀层厚度增加;合金的凝固组织为由γ(TiAl)和α₂(Ti₃Al)相组成的全片层结构且无夹杂物存在;在30°～60°区间内,选晶器角度越小,选晶效率越高,但选晶器角度对合金片层取向与生长方向的夹角没有影响。     

钢包工作衬用耐火材料的研究现状及最新进展

综述了近年来钢包工作衬用耐火材料的研究现状及最新进展, 尤其对传统钢包工作衬用耐火材料的应用背景及存在问题进行了分析和汇总.在此基础上, 进一步提出了适用于超低氧钢(或洁净钢)冶炼用耐火材料的研发方向, 即通过耐火原料组分选择和结构匹配设计, 实现对耐火材料性能的精确控制.新型钢包工作衬用耐火材料需兼顾优异热机械性能的同时, 还应具备钢水净化的功能.      

热力学及热力学参数状态图在SiAlON材料合成中的应用

热力学和热力学参数状态图在材料的合成和设计中起着重要的理论指导作用。文中对其基础理论知识进行了概述,重点讲述了它们在确定碳热还原氮化法合成O’SiAlON粉及热压烧结合成βSiAlON-15R复相材料的工艺条件和温度制度中的应用,并对其应用前景进行了展望。     

基于反向传播人工神经网络对SiC氧化反应行为的预测研究

以SiC为代表的非氧化物耐火原料作为高温结构材料重要组分,被广泛应用于冶金高温行业。在实际应用过程中,SiC的氧化行为加速了对应耐火材料的高温性能失效,导致其服役寿命大大缩短。因此明晰非氧化物耐火原料在高温环境下的氧化行为尤为重要,利用动力学模型分析氧化行为是目前最常用的手段。但动力学模型的建立往往需要大量的数据处理工作,且很难同时满足描述准确性高和模型参数简单两个条件。随着人工智能与大数据技术在材料领域的应用探索,反向传播人工神经网络(BP-ANN)有望在此方面取得突破。本文以典型非氧化物耐火原料SiC为例,通过建立神经网络,训练、预测SiC的氧化行为,预测结果与实验数据的相对误差均小于3%,用预测数据回归计算的反应活化能和反应速率常数与实验数据计算结果的相对误差低于4%,表明BP-ANN在研究非氧化物耐火原料的氧化行为方面具有巨大应用前景。