玻璃沉积物对La2Ce2O7/YSZ涂层高温下热冲击性能的影响

目的 为了探究玻璃沉积物CMAS(CaO-MgO-Al2O3-SiO2)对新型结构热障涂层在1250 ℃下的热冲击寿命的影响，揭示热障涂层的失效行为。方法 通过火焰喷涂技术将制备的CMAS粉体均匀地沉积到铈酸镧/氧化钇部分稳定二氧化锆双陶瓷层热障涂层(LC/YSZ DCL-TBCs)和梯度热障涂层(LC/YSZ FGM-TBCs)的表面，于1250 ℃热冲击实验中进行涂层样品的抗热冲击性能及失效机理研究。利用扫描电镜(SEM)和能谱仪(EDS)追踪CMAS的位置，观察CMAS与涂层反应层的厚度与形貌。采用X射线衍射仪(XRD)测试反应层产物，并总结其失效方式。结果 高温热冲击结果显示梯度涂层的热冲击寿命(435次)远高于双陶瓷层热障涂层的寿命(229次)，约为铈酸镧/氧化锆双陶瓷层热障涂层寿命的1.9倍。铈酸镧层与梯度层都能在一定程度上阻碍CMAS渗入涂层内部，提高其CMAS腐蚀条件下的热冲击寿命。双陶瓷层热障涂层与梯度热障涂层的失效均是以层状剥落为主，剥落层主要是CMAS与LC的反应层以及反应层下的烧结层，反应层是由Ca2(LaxCe1-x)8(SiO4)6O6-4x、萤石相和MgAl2O4等难熔氧化物组成，这层致密氧化物类似于密封层，能阻止CMAS继续渗入。结论 功能梯度结构具有比双陶瓷层结构更优异的抗CMAS热冲击性能和更好的应力耐受性。     

梯度铜碳复合材料的载流摩擦磨损性能

基于放电等离子烧结(SPS)技术,采用粉末冶金的方法制备梯度铜碳复合材料和非梯度铜碳复合材料。并在专用销-盘高速摩擦磨损试验机HST-100上进行摩擦磨损试验,研究载流条件下,梯度铜碳复合材料的摩擦磨损性能。结果表明:梯度铜碳复合材料(5 mass%C-10 mass%C)的摩擦系数平均值与同浓度(7.5 mass%C)非梯度铜碳复合材料相差不大,但其动态摩擦系数的波动性明显减小。其摩损率与碳含量7.5 mass%C非梯度铜碳复合材料相比明显降低,与碳含量为10 mass%的铜基复合材料相差不大,磨损率约为7 mg/m。梯度材料的载流效率和载流稳定性和10 mass%C铜基复合材料的相近,分别约为74%和73%。对于非梯度材料:随着石墨含量的增加,铜基复合材料的摩擦系数降低,摩擦系数波动幅度也减小,磨损率降低,载流效率和载流稳定性增加。采用放电等离子烧结(SPS)技术制备的铜基复合材料,磨损过程主要表现为机械磨损和电弧侵蚀。其中电弧侵蚀的行为主要是熔融、喷溅。非梯度复合材料的电弧侵蚀区域分布比较分散,在摩擦出口区域和材料的其他部位也都有存在,而梯度铜基复合材料的电弧烧蚀区域明显减小,仅出现在出口区域。     

电场作用下磺化聚苯乙烯微球在弹性体中梯度结构构建及性能研究

先采用硫酸对聚苯乙烯微球经过磺化得到带正电荷的磺化聚苯乙烯(s PS),将s PS分散在聚二甲基硅氧烷(PDMS)预聚体中,在高压直流电场下通过电泳作用形成梯度结构,再通过PDMS的热固化后将梯度结构固定下来。采用马尔文Zeta电位仪分析了s PS微球电荷,扫描电镜(SEM)对s PS以及s PS/PDMS梯度膜的结构进行表征,动态热机械分析仪测试了材料的动态力学行为和介电损耗。结果表明,电压强度为500 V/mm时,s PS能够在PDMS预聚体中通过电泳作用形成梯度结构,s PS总质量分数为20%时,s PS/PDMS梯度膜相比相同组成的均匀膜断裂伸长率提高了9. 41%,损耗因子在所测得温度范围(-70~200℃)均提高。在s PS的玻璃化转变温度附近,s PS/PDM S梯度膜比均匀膜损耗因子提高了30%。进一步对梯度结构膜力学行为及介电损耗增强效应进行了详细分析。     

基于融合多视和全分辨率的矿区沉降监测

针对矿山开采沉降幅度大、范围小的特点,提出融合多视和全分辨率监测矿区沉降的方法。以济宁矿区为研究区,选取2景高分辨率的TerraSAR-X影像,分别采用多视和全分辨率方法获取研究区内2017年2月17日—3月11日的沉降情况;将两者得到的结果进行融合,即采用多视方法监测下沉盆地边缘较小的沉降,采用全分辨率方法监测下沉盆地中心的大梯度沉降。结果表明:在这期间济宁矿区最大沉降出现在新驿煤矿,最大沉降量达到-74 mm,最大沉降速率达到-3.36 mm/d。     

Gradient Boosting算法在典型浅埋煤层 液压支架选型中的应用

针对目前工作面液压支架阻力确定方法的不足,提出了1种新的预测方法,采用改进后的逻辑斯提算法(LR)来优化梯度提升回归(GBRT)模型,以此来预测液压支架阻力。在GBRT中加入学习速率来限制子模型的学习速率,防止其过拟合;应用LR对样本参数进行优化,建立LR-GBRT回归预测模型;将该预测模型应用于液压支架阻力的预测,预测结果与LR(线性回归模型)、SVM(支持向量机模型)、DTR(决策树回归模型)、EN(弹性网回归模型)进行对比分析。结果表明:LR-GBRT模型具有较强的泛化能力,较高的预测精度,可以对液压支架阻力进行有效预测。     

基于梯度提升决策树的车轮轮缘厚度磨耗预测

轮对在列车走行过程中起着导向、承受以及传递载荷的作用，其踏面及轮缘磨耗对地铁列车运行安全性和钢轨的寿命都将产生重要影响。根据地铁列车车轮磨耗机理，分析车轮尺寸数据特点，针对轮缘厚度这一型面参数，基于梯度提升决策树算法构建轮缘厚度磨耗预测模型。在该模型的基础上，任意选取某轮对数据进行验证分析，结果表明：基于梯度提升决策树的轮对磨耗预测模型具有较好的预测精度，可预测出1~6个月的轮缘厚度变化趋势范围，预测时间范围较长，可为地铁维保部门对轮对的维修方式由状态修转为预防修提供指导性建议。