激光熔覆FeCrSixNiCoC涂层高温耐磨性能

Si含量对Fe基合金高温耐磨性能影响机理研究已有很多,但尚缺乏Si含量对Fe基涂层高温耐磨性能的研究。采用激光熔覆技术制备不同Si含量(5 wt.%、10 wt.%、15 wt.%)的FeCrSi_xNiCoC涂层,在温度为500℃和载荷200 N的条件下,测试FeCrSi_xNi Co C涂层高温耐磨性能。结合X射线衍射仪(XRD)、金相显微镜(OM)、扫描电子显微镜(SEM)、能谱分析仪(EDS)分析涂层显微组织、相组成和磨损机理。结果表明：随着Si含量增加,涂层中γ-Fe相(Si以固溶方式存在于γ-Fe相中)向金属硅化物Fe3Si相转变,显微组织也由树枝晶向等轴晶转变,涂层硬度由312±21.7HV0.5增加至588±31.3HV0.5。在温度500℃和载荷200 N下的摩擦磨损试验中,Si含量为10%的涂层磨损率最低,高温耐磨性能最好,其磨损机理主要为黏着磨损和氧化磨损。通过优化Fe基合金中Si含量得到耐磨性能良好的涂层,可对该类涂层的开发、制备和应用提供一定的技术支持。     

激光选区熔化成形Ti⁃12Mo⁃6Zr⁃2Fe（TMZF）合金微观组织及力学性能的研究

为了探究激光选区熔化（Selective laser melting,SLM）Ti-12Mo-6Zr-2Fe（TMZF）合金的微观组织与力学性能,采用TMZF合金粉进行激光增材制造,研究了铸造TMZF合金与SLM TMZF合金试样微观组织与力学性能的差异．结合X射线衍射仪(XRD)、金相显微镜(OM)、扫描电子显微镜(SEM)及能谱分析(EDS)等材料表征手段,对TMZF合金试样的物相分布、微观组织结构、元素分布及试样拉伸断口进行了对比分析．结果表明：SLM TMZF试样与铸造TMZF试样的组织中都含有大量β-Ti组织;SLM TMZF试样的平均显微硬度为355.7±5.64 HV_0.2,铸造TMZF试样的平均显微硬度为354.8±5.44 HV_0.2;SLM TMZF试样的屈服强度为934±4.1 MPa、抗拉强度为993±2.4 MPa、延伸率为14.4±0.6 %,而铸造 TMZF试样的屈服强度为1052±12.1 MPa、抗拉强度为1055±11.7 MPa、延伸率为10.4±1.2 %．为进一步探究激光选区熔化制备TMZF的后处理打下基础．      

向斜作用下回采巷道冲击地压力学分析及冲击特性研究

为探索向斜对回采巷道冲击地压的作用机制,以河南某矿区21221工作面为研究背景,采用力学分析、CDEM数值计算及现场实践相结合的方法,对向斜作用下回采巷道围岩冲击特性规律展开研究。建立了向斜作用下回采巷道力学模型及数值计算模型,分析了向斜作用下回采巷道围岩能量随采动影响变化趋势,得出如下结论：(1)向斜作用下回采巷道底板围岩应力集中较大,易发底板冲击,帮部围岩应力集中相对较高,可发帮部冲击,顶板围岩应力较小,不易发顶板冲击;(2)向斜作用下回采巷道围岩能量随采动影响总体上呈现先急剧增大,后持续稳定,然后突变降低,最后持续稳增加到一定应力状态,或者稳定不变;(3)向斜轴部巷道围岩变形以底鼓为主,向斜翼部巷道围岩变形是底板和帮部同时变形,向斜轴部巷道围岩变形整体上大于向斜翼部,前者底鼓量约为后者的2倍,且向斜轴部巷道底板深度1～3 m围岩变形剧烈,底板深度5～8 m围岩较为稳定,而向斜翼部巷道底板深度1 m围岩变形明显大于底板深度2～8 m围岩。力学分析及现场应用表明,其与数值计算结果较为吻合。     

WC含量对激光熔覆FeCoNiCr高熵合金涂层组织结构及性能的影响规律研究

激光熔覆高熵合金涂层已成为表面工程领域的研究热点之一，本文系统研究了不同含量WC(WC质量分数为10%～60%)对激光熔覆Fe Co Ni Cr高熵合金涂层组织结构以及耐磨性、耐蚀性的影响规律。添加10%～60%WC颗粒制备的高熵合金复合涂层的成形质量均较好，未出现裂纹等缺陷。随着添加WC颗粒的质量分数由10%增加到60%，涂层由FCC单相结构向FCC、WC、W₂C和Co₄W₂C等多相转变，显微组织由顶部等轴晶、底部柱状晶向树枝晶转变，块状和鱼骨状含碳相析出且其含量逐渐增加；添加60%WC颗粒后含碳析出相的面积占比可达64.18%。涂层横截面的平均显微硬度和耐磨性随着WC添加量的增加而显著提升，添加60%WC的高熵合金涂层的显微硬度最高(为501 HV0.2)且耐磨性最佳(摩擦因数为0.472)，相对于未添加WC颗粒的高熵合金涂层的显微硬度(175 HV0.2)提升了约186%且耐磨性提高了233%。另外，随着WC颗粒的加入，具有较高耐蚀的面心立方相减少，同时WC在电化学过程中与黏结相形成了原电池。因此，高熵合金复合涂层...     

基于DenseNet的西瓜叶片病虫害识别模型

叶片病虫害对众多植物的影响巨大，快速、准确地识别植物叶部病害，采取正确的措施进行防治具有十分重要的意义。文章提出了基于Dense Net的西瓜叶片病虫害识别模型，分析了模型的结构和设计思想，在经过数据扩充后的西瓜叶片病虫害图片数据集上进行了训练。实验结果显示，该模型在对真实环境下的西瓜叶片病虫害图片的分类准确率在86%左右，超过了AlexNet、Vgg和GoogleNet三种常见的卷积神经网络模型，可以基本满足病虫害识别需求。