黄得财
,
周有福
,
苏明毅
,
向明
人工晶体学报
以Al2O3和碳粉为原料,采用碳热还原法制备了AlN粉体,探讨了原料摩尔比、合成温度和保温时间等因素对AlN粉体合成的影响.通过XRD,SEM等测试对粉体进行了表征.在1650℃保温4h,合成出粒径约为1～5μm的纯AlN粉末,原料粒度越细越有利于AlN的生成,C/Al2O3摩尔比应略大于3.以石蜡为主粘结剂,通过热压铸成型方法成型AlN陶瓷散热罩素坯,经低温排胶、无压烧结工艺后得到高导热率AlN基陶瓷散热罩.研究了素坯排胶过程及陶瓷烧结过程的影响因素,排胶过程中缓慢升温至300℃,可避免素坯坍塌;排胶后素坯在1800℃无压烧结4h制得的AlN陶瓷LED散热罩密度为3.24 g/cm3,室温热导率高于100 W/m·K.
关键词:
碳热还原
,
氮化铝
,
热压铸成型
,
无压烧结
杨榛
,
乔文明
,
梁晓怿
新型炭材料
doi:10.1016/S1872-5805(17)60108-2
如何控制和预测孔结构是炭气凝胶研究的重要课题.然而,由于耗时耗财,导致实验方法研究控制和预测孔结构成为难题.本文提出一种基于神经网络的炭气凝胶孔结构的预测与优化模型,并采用遗传算法设计和优化模型,对六种典型训练算法模型性能进行比较分析.利用该模型对孔径和吸附容量进行预测,两者的预测相关系数分别为0.992和0.981,预测均方根误差分别为0.077和0.054.经测试,该模型与实验研究的结果相符,并有效的应用于预测和控制炭气凝胶实验参数.
关键词:
炭气凝胶
,
孔结构
,
神经网络
,
训练算法
,
模型
