欢迎登录材料期刊网

材料期刊网

高级检索

  • 论文(5)
  • 图书()
  • 专利()
  • 新闻()

37Mn5连铸圆坯中心等轴晶率预测

闵义 , ,刘承军,王德永,姜茂发

钢铁研究学报

为控制油井管用连铸圆坯的质量,基于薄片移动法建立了连铸圆坯凝固传热数学模型,并应用Procast软件的CA-FE模块对37Mn5钢150mm圆坯凝固组织进行了模拟。中心等轴晶率模拟结果与工业试验检测结果相一致,据此,建立了柱状晶-等轴晶转变判据。基于此判据的中心等轴晶率预测结果表明,降低过热度、提高拉速和降低二冷零段冷却水分配比均能够降低固液混合区的温度梯度,扩大过冷区范围,有利于晶体的形核与长大,进而阻止柱状晶的生长,使柱状晶提前向等轴晶转变,中心等轴晶率提高。综合考虑圆坯中心等轴晶率、表面和内部裂纹控制及浇铸安全和生产率,37Mn5钢150mm圆坯合适的连铸工艺参数为:过热度为(20±5)℃,拉速为25m·min-1,二冷水分布为35∶28∶26∶11。

关键词: 37Mn5钢 , continuous casting , round billet , mathematical simulation , equiaxed crystal ratio , prediction

二元玻璃系统的混合热力学与分相边界的预测

罗仲宽 , 姜中宏 , 刘剑洪 , 蔡弘华 , 洪伟良 , 徐宏

无机材料学报

根据对新的玻璃网络组体的假设,推导并建立了二元氧化物玻璃系统的不混溶边界的关系方程,并对部分玻璃系统的不混溶边界作了预测,并与实验结果进行了比较.结果表明,理论预测与实际结果相符得很好.根据该理论计算了玻璃网络形成分子与金属氧化物之间的相互作用能.新得出的理论首次从理论上解决了二元氧化物玻璃体系中不混溶边界的非对称曲线问题.

关键词: 分相 , prediction , binary system , oxide glass , null

神经网络预测还原扩散法制备TbFe2合金转化率的研究

郭广思 , 王广太 , 成永君 , 胡小媚

稀有金属材料与工程

针对还原扩散法制备TbFe2合金的主要实验参数:反应温度、保温时间、Ca的加入量及Fe的粒度,建立BP神经网络,进行仿真,预测TbFe2合金的转化率.以44组实验数据作为训练样本,进行了网络设计.通过测试及对网络的性能分析,证明了该网络能够准确预测不同实验参数下TbFe2合金的转化率,并具有良好的性能.该网络的设计可以缩短实验周期,节约实验成本,并对反应的机理及工艺研究有一定的价值.

关键词: 神经网络 , 预测 , TbFe2合金 , 转化率

铝合金淬火厚板体应力场的离散解析预测

廖凯 , 陈飞 , 陈辉 , 王伟 , 刘义鹏

材料热处理学报

为了能够准确获知铝合金淬火厚板任意位置上的应力场分布状况,可运用解析方法求取厚板全局应力场.本文利用层削法、XRD应力测试和有限元应力仿真,提出基于表面应力分布和能量守恒原理,对7075铝合金轧制厚板体应力场进行离散解析描述.研究结果表明:通过在材料均匀区域进行的层削法应力实验和表面XRD应力测试,可以构建一个适用于整个厚板应力场描述的体应力场函数,该函数完成了对厚板全局应力分布的描述和预测,计算偏差小于20 MPa.

关键词: 铝合金 , 淬火 , 离散解析法 , 体应力场 , 预测

PHYSICAL SIMULATION AND PROPERTY PREDICTION IN HEAT FORMING PROCESS OF 1Cr18Ni9Ti

B. GUO , S. X. Wu , H. M. Dai and R. H. Luo School of Materials Science and Engineering , Harbin Institute of Technology , Harbin 150001 , China

金属学报(英文版)

Regarding heat forming process of 1Cr18Ni9Ti as typical forming process, this paper presents the study of the effect of various parameters on flow stress, grain size and hardness of formed specimen by means of Gleeble-1500 Thermo-simulation machine and metalloscope. On the basis of technical experi- ment this paper, data are proceeded by applying multilayer feedforward back-propagation neural network, a prediction model of technological parameters together with microstructure and property in the heat forming process is established, thus forging property prediction in the heat forming process is realized.

关键词: heat forming , null , null , null

出版年份

刊物分类

相关作者

相关热词