氮对镀锡钢板的强化作用

通过物理化学相分析研究了3种不同氮含量镀锡板中固溶氮、化合氮的含量,结合相关理论计算了镀锡板中氮的固溶强化和析出强化对强度的贡献。结果表明:随着总氮含量从0.0021%提高到0.0103%,钢中化合氮含量下降10.1%,但是AlN析出相中的氮的含量上升10.7%。氮在提高镀锡板强度方面发挥重要作用,钢中总氮含量提高0.0082%,其对屈服强度的贡献值提升约30 MPa。     

有机膜精确调控传质的新型溶析结晶及过程强化

溶析结晶是一种环保、高效的结晶方法，在温敏性、低溶解度物系的晶体生产领域具有不可替代的重要作用。但是，传统溶析结晶过程中溶液过饱和度的时空均一性差，传质调控为微米级尺度，容易爆发成核，是亟待解决的关键问题。本文提出利用聚醚砜（PES）中空纤维膜，为溶析剂与结晶溶液之间的传质提供均匀稳定的界面，实现结晶溶液与溶析剂的精确混合和结晶过程强化，开发了一种新型的溶析结晶传质调控技术。溶析剂在压力差驱动下均匀渗透通过有机膜，在结晶溶液一侧的膜外表面形成溶析剂液膜层，通过表面液膜的不断更新，将传统溶析结晶的毫米级宏观混合转变为亚微米级尺度的微观混合，实现过饱和度的均匀分布。同时，这层液膜的存在，避免了结晶溶液直接接触膜表面，有效地解决了异相成核附着导致膜污染的问题。实验中，对壳程流速做出周期性改变后，渗透通量可即时发生一致的线性响应变化，证实有机膜调控传质过程的精确性和灵敏性。PES膜重复使用多次后，渗透通量仍可以保持稳定。相比传统的滴加式溶析结晶，在相同的溶析剂传质速率下，有机膜调控过程制备的晶体产品，形貌更加规整、粒径分布更集中。因此，在溶析剂精确传质和抗污染方面，有机膜调控的溶析结晶过程均表现出良好的性能，为药物、大分子结晶的高效工业化制备开拓了新的思路。     

基于个体协同触发强化学习的多机器人行为决策方法* .txt

摘要：为了提高多机器人行为最优决策控制中强化学习的效率和收敛速度，研究了多机器人的分布式马尔科夫建模与控制策略。根据机器人有限感知能力设计了个体 协同感知触发函数，机器人个体从环境观测结果计算个体 协同触发响应概率，定义一次触发过程后开始计算联合策略，减少机器人间通讯量和计算资源。引入双学习率改进Q学习算法，并将该算法应用于机器人行为决策。仿真实验结果表明，当机器人群组数量在20左右时，本文算法的协同效率较高，单位时步比为1085 0。同时距离调节参数η对机器人协同搜索效率有影响，当η=0008时，所需的移动时步比和平均移动距离都能达到最小值。通过双学习率的引入，该算法较基于环境模型的强化学习算法具有更高的学习效率和适用性，平均性能提升35%，对于提高多机器人自主协同能力具有较高的理论意义及应用价值。 .txt     

一种析出强化型Fe-C-Mn-Ni奥氏体合金钢的微观组织和力学性能

对Fe-C-Mn-Ni-X(X为铬、钒等元素)奥氏体合金钢锻材进行固溶和时效处理,研究了时效温度(650,700,750℃)和时效时间(0～25h)对合金钢显微组织与力学性能的影响。结果表明:固溶态和时效态合金钢显微组织形态相差不大,时效处理后,合金钢中析出大量与奥氏体基体呈共格或半共格位向关系的纳米VC相;固溶态合金钢表现出很强的时效硬化能力,随时效温度升高,硬度达到峰值的时间缩短,峰值硬度降低;时效处理后,合金钢的屈服强度和抗拉强度显著增加,断后伸长率和加工硬化指数则明显下降,拉伸失效模式由韧性断裂转变为韧脆混合断裂;随时效温度升高和时效时间延长,合金钢的强度有所降低,但加工硬化能力增强。     

高粘度流体横掠麻面管的传热与流动特性研究

采用三维数值模拟方法,研究不同Re(381、572、763、954、1144)下凹坑直径d(1.8、2.0和2.2 mm)、深度h(0.9、1.0和1.1 mm)、轴向距离p(10、12和14 mm)、周向距离l(5.236、6.283和7.854 mm)与布置型式(叉排、顺排)对高粘度润滑油横掠麻面管流动与传热的影响。结果表明:外壁周期性凹坑的存在使得麻面管油侧换热增强,同时减阻效果明显;相比于光管,当Re=381～1 144时,麻面管油侧Nu增加了28.6%～55.4%,阻力系数f减小了0.59%～26.9%,综合换热性能指标η为1.05～1.59。     

免钻分级箍使用成功率提高的因素分析

免钻分级箍固井技术,不仅能大大缩短建井周期,提高效率节约成本;还能很好的解决长封固段易漏的难题,保证固井质量,提高油井综合开采价值。本文根据免钻分级箍在长庆油田姬塬等区块的试验、推广过程中,遇到的一系列问题,探讨提高免钻分级箍使用成功率的措施,有些措施获得了良好的现场应用效果,对今后的施工有极大的指导意义。     

基于Q-learning模型的智能化放顶煤控制策略

传统的综放工作面放顶煤控制存在顶煤采出率低、出煤含矸率高等问题,而现有智能决策方法又存在建模困难、学习样本难以获取等障碍。针对上述问题,在液压支架放煤口动作决策过程中引入强化学习思想,提出一种基于Q-learning模型的智能化放顶煤控制策略。以最大化放煤效益为主要目标,结合顶煤放出体实时状态特征及顶煤动态赋存状态,采用基于Q-learning的放顶煤动态决策算法,在线生成多放煤口实时动作策略,优化多放煤口群组协同放煤过程,合理平衡顶煤采出率、出煤含矸率的关系。仿真和对比分析结果表明,该控制策略的顶煤平均采出率为91.24%,比传统"见矸关窗"的放煤方法提高约15.8%;平均全局奖赏值为685,比传统放煤方法提高约11.2%。该控制策略可显著减少混矸、夹矸等现象对放煤过程的影响,提高顶煤放出效益,减少煤炭资源浪费。     

ZK60镁合金表面滚压强化试验研究

试验研究了ZK60镁合金表面滚压加工中工艺参数对试件表面粗糙度、表面形貌、表面残余应力和表层显微硬度的影响,结果表明滚压力和重复滚压次数对试件的表面粗糙度、表面形貌以及表面残余应力和表层硬度影响程度较大,滚压速度影响较小。对精车ZK60镁合金试件进行滚压加工,试件表面粗糙度R a、R z最大减小了50.3%和48.1%;残余压应力最大可达-54.55 MPa;显微硬度从试件表层到内部基体材料逐渐降低,表层硬度值最大为92.83 HV 0.25,比基体材料硬度提高了15.32%。