油管N80钢表面超声-激光熔覆Ni-TiN涂层的制备及性能

文中采用超声-激光熔覆在油管N80钢表面制备Ni-TiN涂层,利用扫描电镜(SEM)、X射线衍射仪(XRD)、显微硬度计和摩擦磨损试验机等研究不同超声功率对Ni-TiN涂层表面形貌、显微硬度、耐磨性能的影响。结果表明,当超声功率为300 W时,Ni-TiN涂层中固体陶瓷TiN粒径较小,其平均粒径为16.7μm。该涂层的镍衍射峰变得又低又宽,说明该涂层中的金属晶粒得到明显细化。此外,该涂层的显微硬度最大,其平均硬度为833 HV。当超声功率为0 W时,Ni-TiN涂层的摩擦系数最大,其平均值为0.57。当超声功率为300 W时,Ni-TiN涂层的摩擦系数最小,其平均值为0.42。     

80-B2型保温箱温控加热系统研制

针对80-B2型保温箱电器元件老化现象,重新设计其加热温控电路,实现了80-B2型保温箱的加热及保温等功能。并在此基础上,利用精密温度计对80-B2型保温箱的温控性能进行检验测试。结果表明:80-B2型保温箱可以自动控制保温箱温度,且与精密晶体温度计测量的最大误差仅为0.2℃。     

电沉积方式对Ni-SiC纳米镀层耐腐蚀性能的影响

采用直流电沉积、脉冲电沉积和超声-脉冲电沉积方法,在45钢表面制备Ni-SiC纳米镀层。研究电沉积方式对Ni-SiC纳米镀层显微组织、成分及耐腐蚀性能的影响。结果表明,超声-脉冲电沉积Ni-SiC纳米镀层显微组织更加致密、光滑。直流电沉积镀层的镍粒径和SiC粒子的平均粒径为175.4和81.5nm;而超声-脉冲电沉积镀层的镍粒径和SiC粒子的平均粒径为74.8和36.3nm。SEM和EDS分析可知,电沉积方式对Ni-SiC纳米镀层的耐腐蚀性能有很大影响,超声-脉冲电沉积镀层的耐腐蚀性能较好。     

用GC法快速测定混合二甲苯中非苯芳烃含量

尝试用测定汽油烃类组成的多维气相色谱法测定混合二甲苯中非苯芳烃的含量,用于入厂原料有效组分的快速检验。对该分析系统进行了必要的调整,用标准样品对系统的准确性进行了检验。通过实际样品测试证明,二甲苯与石脑油按照一定比例混合后测定其中的芳烃含量,经计算得出原料中的芳烃含量。该方法重复性好、准确度高,方法简便、快速、可行,可以作为该入厂原料检验的有效手段。     

316L不锈钢支架表面EVAL涂层的制备及性能研究

采用超声-喷涂沉积的方法,在316L不锈钢表面制得聚乙烯-乙烯醇涂层。利用原子力显微镜、接触角测量仪及扫描电镜对涂层表面形貌及性能进行研究。结果表明,316L不锈钢基体、S-EVAL涂层和USEVAL涂层的表面粗糙度Ra分别为123.677,14.994和2.830 nm。S-EVAL涂层和US-EVAL涂层表面接触角分别为75.6和74.3°,均小于316L不锈钢基体接触角。超声-喷涂沉积US-EVAL涂层血小板粘附量最少。     

超声-喷射电沉积法制备Ni-TiN纳米镀层的试验研究

采用超声-喷射电沉积方法在45#钢表面制备Ni-TiN纳米镀层,并利用电化学工作站和中性盐雾试验对镀层的耐蚀性能进行研究,用扫描电镜和X射线衍射仪对Ni-TiN纳米镀层表面形貌和元素组成进行分析。结果表明:当超声波功率为150W时,经20天腐蚀后的镀层试样表面较为平整、紧密;随着腐蚀周期的增加,超声波功率150W下制备的Ni-TiN纳米镀层腐蚀失重量增加速度最慢; XRD分析结果证明了TiN粒子的存在,且当超声波功率为150W时,Ni-TiN纳米镀层衍射峰较强,说明此镀层中TiN粒子复合量较高。     

脱硫吸附剂物相快速定量分析技术及其应用

利用Rietveld相定量法建立了S Zorb吸附剂物相组成数据库,该数据库基本上覆盖了S Zorb吸附剂在国内出现过的各种情况。分别针对新剂、工业待生和再生剂建立了物相快速定量分析模型,该模型具有较高的准确性和重复性。建立了针对工业待生和再生剂中Zn3O(SO4)2物相、工业待生剂中NiO物相的报警模型。物相快速定量分析技术在S Zorb工业装置上取得了较好的应用效果,可以有效指导工业装置操作参数的优化并提高其长周期运行的稳定性。     

车用汽油新标准的施行对汽油质量的影响及其对策

通过对永坪炼油厂目前不同操作条件下生产的各馏分汽油性质的分析,对各馏分油按一定比例调和并加入添加剂后的性质进行了分析、统计。提出了在GB17930-2006《车用汽油(Ⅲ)》标准实施后为生产合格汽油产品必须严格工艺条件,控制各馏分油烯烃、苯的含量,适时开启MIP等装置,必要时建立新的辅助装置。提出的方法和措施对该厂生产具有一定的指导意义。     

基于RBF-BP算法的Ni-SiC镀层性能预测研究

采用磁场辅助喷射电沉积技术,在不同工艺条件下制备Ni-SiC复合镀层,通过构建4×4×4×7×10×1的RBF-BP复合神经网络模型预测Ni-SiC复合镀层耐蚀性.结果表明:RBF-BP复合神经网络的预测值与真实值拟合度为0.97497,高于单神经网络,表明复合神经网络能准确预测不同工艺参数下制备的Ni-SiC复合镀层耐蚀性.经复合神经网络预测,当电流密度为4 A/dm2、喷射速度为6 m/s、SiC粒子浓度为8 g/L、磁场强度为0.8 T时复合镀层腐蚀失重最低,复合镀层的耐蚀性最好.通过镀层表征研究分析可知,该条件下镀层晶粒显著细化,镀层表面较平滑,SiC纳米粒子复合量高且分布均匀.