钛化物在铝熔体中的沉淀现象

为了研究导致细化衰退的钛化物沉淀现象，以中间合金为细化剂对工业纯铝进行了细化处理，得到了不同沉淀时间的沉淀试样，利用金相、SEM等技术分析了试样底部沉淀物的显微组织．结果表明：加入中间合金后，试样均存在明显的软化物沉淀现象，且沉淀物中既有TiC(TiB2)化合物，也有TiAl3化合物；沉淀物中的TiAl3与原中间合金中的TiAl3形态一致，说明原中间合金中的一些TiAl3化合物在没有分解完全时就已沉到试样底部；AlTiC中间合金比AlTiB中间合金的钛化物沉淀倾向明显．     

低熔点Cu-P基中间合金及其变质效果

利用差示扫描量热仪(DSC)、扫描电子显微镜(SEM)和金相显微镜等手段对Cu-P基中间合金进行了研究。结果表明，在二元共晶Cu-P中间合金中加入一定量的Sn可制成低熔点的Cu-16Sn-8P中间合金；在此基础上研制出一种熔点为630℃左右的低熔点的多元Cu-P基中间合金。与Cu-P中间合金相比，该低熔点多元Cu-P基中间合金对过共晶AI-24Si合金具有更好的变质效果。同时，该中间合金对ZL109合金也具有良好的变质效果。     

氮气和熔剂联合净化铝熔体

研究了SDJ 1型熔剂与氮气联合净化铝合金熔体的效果 ,并对熔剂净化机理以及FI法 (Fluxinjection)净化优势进行了探讨 ,揭示了除气过程中气体与熔剂的相互作用。结果表明 :采用FI联合精炼工艺 ,在适当的温度 (72 0℃ )和熔剂加入量 (0 .15 %SDJ 1)条件下 ,联合精炼工艺的除气效果远远优于生产中常用的氮气吹气法和熔剂法 ,联合净化法的优势在于提高了吸附能力以及加入具有固氢作用的降渣剂。FI工艺原理为 :气体与熔剂在熔体中均匀分布、密切接触 ,气体使熔剂快速上浮 ,熔剂的存在提供多而窄的通道 ,使氢容易聚集在通道附近 ,即使氢含量较低时 ,氮气仍能发挥作用 ,通道的存在有利于分散和离解气泡。     

影响中小企业球铁质量稳定的因素

分析了影响中小企业球铁生产稳定性的关键因素,指出在一定的原材料条件下,目前中小型企业生产球铁存在的问题是温度偏低,孕育方法不当。     

Ce对过共晶Al—Si合金熔体粘滞性和结构的影响

研究了Ce对Al—16％Si合金熔体粘滞性的影响。结果表明：Ce的加入增加了合金熔体的粘度，且随着Ce含量的增加粘度值也增加。结合加入Ce的Al—16％Si合金氢含量的变化、凝固组织和DSC曲线研究了熔体结构的变化，分析了粘度与液态结构变化之间的关系。     

铸造A18Si0.4Mg合金时效行为研究

利用硬度测定、差热扫描量热分析（DSC)、电子探针微区成分分析和透射电子显微分析(TEM)技术研究了铸造A18Si0．4Mg合金的铸态时效及固溶淬火时效(T6)行为。硬度测定结果表明：A18Si0．4Mg合金具有明显的铸态时效硬化效果，其铸态时效峰值硬度仅比T6状态硬度值低6HV。冷却速度对合金时效没有明显的影响。DSC和TEM分析结果表明：两种时效状态下合金的时效硬化均是过渡相β″和β′相析出对基体的强化。对合金在两种时效状态下析出相的分布及硬度均匀化系数进行了分析讨论。     

Cu-16%Sn-8%P合金的球状Cu3P与热处理特性

利用金相和电子探针研究了Cu-16%Sn-8%P合金的微观结构,热处理条件对合金结构和硬度的影响.结果表明:在Cu-16%Sn-8%P合金中,P主要以Cu3P化合物形式存在,在Sn的影响下该化合物形成非常圆整的球状;Sn以Cu10Sn和Cu5Sn两种化合物存在.在560℃下保温,时间越长淬火组织中形成的条状Cu3P化合物越多,球状Cu3P化合物直径越小;硬度先降低,然后大幅度升高.对淬火组织进行退火处理,可进一步促进Cu3P化合物以块状、条状形态析出.     

低压铸造油泵体铸件质量控制

显微组织和硬度测定分析结果表明组合加工后低压铸造油泵体铸件中心部位内孔尺寸超差的主要原因是铸件心部硬度值偏低、共晶硅聚集导致加工性能不好所致.在相同固溶时间下,将固溶温度提高10 ℃,T6处理后铸件各部位硬度差值减小;将合金中Mg的质量分数由原来的0.17%～0.3%提高到0.3%～0.4%,T6处理后硬度值明显提高.采用改进后的工艺,铸件机加工性能得到明显改善,基本上消除了由于内孔尺寸超差而造成的铸件报废.     

Ce对共晶Al-Si合金微观组织的影响

研究了Ce的变质处理时间和加入量对共晶Al-Si合金微观组织的影响。结果表明,Ce对共晶Al-Si合金有明显的变质效果,经Ce变质处理后,共晶Si由长针状变为珊瑚状;Ce的变质处理时间和加入量也会影响变质效果,Ce在共晶Al-Si合金中的最佳加入量(质量分数,下同)为1%,最佳变质处理时间为60~90min。     

基于人工神经网络的铝熔体中氢的预测

用HyscanⅡ型测氢仪测定了铝熔体在不同温度和保温时间下的氢含量 ,通过对BP人工神经网络的分析和改进 ,采用了结构为 2 4 2 1的BP神经网络模型 ,用所获得的试验数据对其进行训练和测试 ,当BP神经网络经过 3× 10 5次学习后 ,最大训练误差 (MaxTrainingError)和训练均方差 (RMSTrainingError)分别为 0 .5 5 %和 0 .18% ,同时相应的最大测试误差 (MaxTestError)和测试均方差 (RMSTestTraining)分别达到了 0 .72 %和 0 .3 3 % ,对铝熔体中氢的预测达到了很高的精度 ,从而建立了熔炼条件 (温度、保温时间 )和氢含量的映射模型