基于响应曲面法的Ar-N2等离子射流特性研究

目的 为了研究等离子射流特性,方法 本文借助响应曲面法,以粒子速度和温度作为指标来反映射流特性的变化,采用Box-Behnken-Design ( 简称BBD)设计分析了电流、主气以及次级气比例这三个影响因素对于射流特性的影响规律以及参数之间的相互作用关系。结果 研究表明：对于粒子速度的影响因素排序中：QAr > I > C, 对于粒子温度的影响因素排序中：I > QAr > C。该喷嘴下实现最佳加热效应的参数配比为：主气大小80L/min、电流450A,次级气比例为17.5%;实现射流最佳加速效应的离子气及电参数配比方案为：主气大小120L/min、电流450A,次级气比例为12.5%;在射流最佳加速效应对应参数下制备AT40涂层进行验证,发现涂层均匀致密,孔隙少。结论：运用响应曲面法分析和解决等离子射流特性影响问题具有科学性和可操作性,借助射流特性的研究能够有效指导涂层制备。     

高效能超音速等离子喷涂制备NiCr-Cr3C2涂层特点

采用高效能超音速等离子喷涂系统(HEPJet)制备了Ni Cr-Cr3C2涂层,并对涂层性能进行了测试。结果表明采用高效能超音速等离子喷涂方法制备的Ni Cr-Cr3C2涂层结构致密,孔隙率约为1%左右,显微硬度约为986HV0.3,涂层具有明显的双相结构。EDS分析结果认为,涂层由Ni Cr和Cr3C2相交替组成。Ni Cr-Cr3C2涂层的结合强度达到68MPa,与超音速火焰(HVOF)喷涂制备的Ni Cr-Cr3C2涂层结合强度相近。超音速等离子喷涂Ni Cr-Cr3C2涂层的沉积效率测定结果约为63.8%。     

压入法测涂层结合强度的研究进展

涂层结合强度是评价涂层质量的重要指标,基于涂层的多样性及复杂性,涂层结合强度的检测方法种类较多.压入法是一种通过施加压入载荷诱导涂层失效以表征涂层结合强度的检测方法,此方法按压入位置的不同可分为侧面压入法、界面压入法及表面压入法;就此3种压入方法进行了综述,介绍了它们的适用范围、检测特点及研究进展,讨论了它们的优势与不足,分析了表面压入法目前存在的研究难点,并提出了相应的解决思路.     

液压支架零部件防腐及再制造工艺研究进展

液压支架零部件在恶劣的矿井环境中容易腐蚀失效,严重威胁煤矿生产安全。就电镀、化学镀、激光熔覆及堆焊等液压支架零部件的防腐及再制造方法进行了综述,介绍了它们的适用范围、工艺特点及研究进展,讨论了它们的优势与不足,并指出了液压支架零部件防腐及再制造的发展趋势。     

基于响应曲面法的Ar-N2 等离子射流特性研究

目的研究等离子射流特性,提高射流品质,为工程实践提供支撑。方法通过响应曲面法,以粒子速度和温度为指标反映射流特性的变化,采用Box-Behnken-Design(BBD)设计分析电流(I)、主气流量(Q)以及次级气比例(C)对于射流特性的影响规律及其相互作用关系。结果对粒子速度的影响因素排序为Q_(Ar)IC,对粒子温度的影响因素排序为IQ_(Ar)C。该喷嘴下实现最佳加热效应的参数为:主气流量80 L/min、电流450 A、次级气比例22.5%。实现射流最佳加速效应的离子气及电参数为:主气流量140 L/min、次级气比例15%、电流400 A。在射流最佳加速效应对应参数下制备的AT40涂层均匀致密、孔隙少。结论运用响应曲面法分析和解决等离子射流特性影响问题具有科学性和可操作性,能够有效指导涂层制备。     

大南湖二矿天然剥离物纳米改性及防渗性能研究

垃圾填埋是处理固体废物的一个主要方式,垃圾填埋场比较容易受外界影响而产生渗滤液造成二次污染.为防止渗滤液的污染,通常会在垃圾填埋场底部铺设一层防渗衬垫,而用纳米材料对防渗衬垫进行改性的研究较少.针对该问题,对大南湖二矿排弃物物料性质进行分析,寻找具有防渗性能的天然物料,并用纳米材料对渗透性较低的天然物料进行改性,测试其改性后的渗透性能.结果表明:天然物料中,黏土渗透系数最低,粉煤灰次之,脱硫土渗透系数最高;在粉煤灰中加入纳米材料后,渗透系数明显减小,表明纳米材料对粉煤灰的渗透性改善较为明显;但纳米材料对黏土材料的改性较差,可能是由比例不是最优或者纳米材料团聚而没有发挥其填充性能导致的.     

基于 BP 神经网络的 Fe 基合金粉末喷涂工艺参数优化

目的基于BP神经网络具有自学习、自训练和输出预测的功能,将其应用于热喷涂过程中的参数优化问题。方法依托高效能超音速等离子喷涂系统实验平台,以Fe基合金粉末为喷涂材料,将等离子喷涂中的主气流量、电功率和喷涂距离作为模型输入,涂层沉积速率和硬度作为模型输出,不断调整隐含层节点个数,最终建立3-7-2网络结构的BP神经网络以优化工艺参数。利用优化出的工艺参数制备Fe基合金涂层,测试其性能,并计算误差。结果神经网络优化出的最优喷涂工艺参数为:主气流量96L/min,电功率56 k W,喷涂距离95 mm。采用该工艺参数制备涂层,涂层增厚实测平均值为360μm,硬度为672HV0.3,而模型的预测值分别为332μm和611HV0.3,与预测值的相对误差分别为7.8%和9.1%。结论 BP神经网络对等离子喷涂参数优化问题的拟合精度比较高,误差在可以接受的范围之内。将BP神经网络运用于热喷涂工艺参数的优化具有科学性和可操作性。