共查询到19条相似文献,搜索用时 390 毫秒
1.
Cu-Ag合金作为先进的导体材料,广泛应用于微电子、交通、航空航天及机械制造等工业领域。回顾了近年来高强高导Cu-Ag合金的主要研究进展。针对Cu-Ag合金的导电性和力学性能,主要从合金设计中的Ag成分设计、微合金化和加工工艺中的制备方法、热处理及变形处理等方面进行评述。分析了Cu-Ag合金的成分设计原则,比较了上述几种加工工艺的特点,并提出大塑性变形将会是一种非常有前景的制备高强高导Cu-Ag合金及其它合金的加工工艺。最后指出了现阶段研究中存在的问题及未来发展的趋势。 相似文献
2.
铀铌合金作为一种重要的核工程材料,因其较高的密度、优异的耐蚀性能和良好的力学性能等特点,被广泛应用于核工业领域。铀铌合金受成分及热处理工艺影响显著,表现出复杂的相转变和组织结构特征,使得铀铌合金耐腐蚀性能及力学性能可在较大范围内获得调控。本文按照"成分/工艺-结构-性能"主线,综述了近年铀铌合金在结构、性能调控方面的研究进展,认为:低温时效机制和杂质控制技术仍是铀铌二元合金研究中需要重点关注的问题;高通量设计、制备及表征手段的出现,为未来铀铌多元合金结构及性能调控研究带来了新的机遇与挑战。 相似文献
3.
本文将人工神经网络用于建立高Co-Ni二次硬化钢的力学性能预测模型。在此基础上,对此类钢的力学性能与钢的合金成分及热处理温度之间的关系进行了研究,并将其与实验结果相比较,获得了满意的结果。 相似文献
4.
综述了组合材料芯片技术在钛合金研究中应用的新进展.利用组合材料芯片技术在短周期内制备出合金元素梯度变化的多元钛合金样品,由于样品的加工状态和热处理条件相同,可以确定某种合金元素含量与整个钛合金体系组织和力学性能的定量关系.利用多种表征手段,从样品库中系统地分析组织和力学性能的变化规律并筛选出目标成分,显示出组合材料芯片技术在钛合金相变研究和合金设计中的优势. 相似文献
5.
本文将人工神经网络用于建立高Co-Ni二次硬化钢的力学性能预测模型。在此基础上,对此类钢的力学性能与钢的合金成分及热处理温度之间的关系进行了研究,并将其与实验结果相比较,获得了满意的结果。 相似文献
6.
7.
为提高Al—Mg—zn合金的力学性能,采用正交回归设计方法对Al—Mg—zn合金的化学成分进行了调整和优化分析,研究了Al—Mg—zn合金中Mg、zn等元素含量及其交互作用对合金力学性能和组织的影响.经实验验证确定了最佳合金成分比:在铸造状态下,当Mg含量(质量分数)为3.5%—4.5%,zn含量(质量分数)为3.0%—4.5%时,合金综合力学性能最好;而在热处理(T4)状态下,当Mg含量为5.0%—6.0%,zn含量为3.5%—4.5%时,合金具有最佳的综合力学性能. 相似文献
8.
9.
10.
11.
提出一种利用残缺实验数据建立无钴高强韧钢力学性能与钢的合金成分及热处理条件关系模型的方法 ,依据该方法建立了人工神经网络模型 ,并应用模拟退火算法对无钴高强韧钢进行优化设计。 相似文献
12.
13.
目的 为了预测不锈钢极薄带热处理后的力学性能、优化热处理工艺以及实现热处理工艺的智能控制,构建基于BP算法的神经网络模型。方法 以316L不锈钢极薄带为研究对象,进行热处理试验和拉伸试验,通过以热处理的退火温度、保温时间和取样方向作为输入层参数,以屈服强度、抗拉强度、断后伸长率作为输出层参数,采用BP算法构建了316L不锈钢极薄带力学性能预测的思维进化算法优化BP神经网络模型,并进行模型的预测和应用验证,考虑不同隐含层节点数及不同BP神经网络模型对性能的影响。结果 思维进化算法优化的BP神经网络模型测试集的屈服强度、抗拉强度和断后伸长率的平均相对误差分别为8.92%、5.21%和9.28%,训练集相关系数为0.980 94。思维进化算法优化BP网络单、双隐含层误差总和最低分别为0.578 6和0.546 9,BP网络与思维进化算法优化的BP网络误差总和最低分别为0.579 9和0.546 9。结论 思维进化算法优化BP神经网络模型具有较好的预测能力和泛化能力,以及较高的预测精度。与企业现用生产工艺相比,采用模型优化后热处理工艺的综合力学性能有显著提高。 相似文献
14.
15.
总结了近期引起国内外众多学者关注的CrCoNi基多主元合金的研究现状。首先简要地介绍了CrCoNi基合金的发展历史,详细分析了该合金的变形机理,其中包括变形孪晶的形成原因及其对合金性能产生的影响。其次介绍了包括冷轧、热轧和增材制造在内的多种加工工艺对该合金显微组织及力学性能的影响。目前制备CrCoNi合金应用最广泛的方法是“铸造-冷轧-热处理”。但是有学者研究发现,通过增材制造制备的CrCoNi合金,其强度在不经过任何打印后热处理就与传统冷轧+热处理方式制备的合金相当,说明CrCoNi合金是一种非常适合于增材制造加工的合金。随后,分类讨论了多种合金元素对CrCoNi基多主元合金显微组织、相稳定性和力学性能的影响。其中Al和Ti的复合添加使面心立方(FCC)基体上析出了γ′相,对CrCoNi合金的强化效果最为显著,明显改善了合金的力学性能。最后,提出了CrCoNi基多主元合金的后续研究方向及其潜在应用背景。 相似文献
16.
17.
18.
19.
目的 预测不同工艺参数下电弧增材制造铝合金的力学性能。方法 通过实验建立了电弧增材制造6061铝合金及TiC增强6061铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3种预测模型的精度。结果 与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度。其中,GA-BP模型预测6061铝合金屈服强度最佳结果的相关系数(R)为0.965,决定系数(R2)为0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测TiC增强的6061铝合金抗拉强度最佳结果的R=1,R2高达0.99,MAE为0.46,RMSE为0.49,GA-BP具有良好的预测精度。结论 BP、PSO-BP、GA-BP 3种神经网络模型可以用来预测电弧增材制造铝合金的力学性能,GA-BP模型比其他2种模型的预测精度更优。与传统的实验方法相比,用神经网络模型预测电弧增材制造铝合金力学性能的速度更快,成本更低。 相似文献