Y_2O_3在反应烧结锆莫来石材料中的应用

Ｙ２Ｏ３在反应烧结锆莫来石材料中的应用阎加强伍卫琼隋智通郭振中（武汉工业大学武汉４３００７０）（东北大学沈阳１１０００６）反应烧结（ＲＳ）法制得的锆莫来石或锆刚玉莫来石材料（ＺＡＳ）具有优异的力学性能〔１～３〕，且制备工艺简单，原料廉价，故近年来国...     

人工神经网络及其在耐火材料研究中的应用

介绍了人工神经网络的发展、特点、模型及其在材料研究中的应用现状;并以反应烧结原位ZrO2-SiC（p）材料中SiC生成量的拟合预报为例,讨论了其在耐火材料研究中的应用。     

锆莫来石-碳化硅材料反应烧结过程的研究

研究了用锆英石、氧化铝和炭黑的混合物制备原位SiC颗料复合锆莫来石材料的反应烧结进程和显微结构特征。结果表明：反应烧过程中,SiC、莫来石的生成反应滞后于锆莫来石的分解反应;反应前期,SiC的生成占主导作用。反应后期,莫来石的形成及致密化进程占主导作用;材料中存在大量气孔,ZrO3以均匀分布和聚集体两种形式分布于莫来石、SiC及玻璃相构成的基质中。     

晶核剂对MgO－B_2O_3－SiO_2渣系析晶行为的影响

本文运用偏光显微镜、Ｘ射线衍射分析、差热分析和化学分析等手段，研究了用ＴｉＯ＿２和复合氧化物作晶核剂对ＭｇＯ－Ｂ＿２Ｏ＿３－ＳｉＯ＿２渣系析晶行为和硼提取率的影响。结果表明：硼提取率随硼渣结晶程度的提高而增大；ＴｉＯ＿２的加入降低了硼渣粘度，因此提高了总成核速率和晶体生长速率，加快析晶速度，使渣中含硼组分容易以结晶相析出，从而改善了硼提取率。复合氧化物改善硼提取率和提高硼渣结晶程度比ＴｉＯ＿２显著。     

神经网络-遗传算法优化反应烧结ZrO2-SiC材料制备工艺

应用人工神经网络对反应烧结ZrO2－SiC材料制备中工艺参数与原位SiC颗粒生成量的关系进行拟合和预测，并结合遗传算法优化出了最佳制备工艺．     

ZrO2-SiC材料中原位SiC生成量预报的神经网络模型

研究了基于神经网络的ZrO2-SiC材料中原位SiC生成量预报模型,运用材料制备过程中的工艺参数,实现了SiC生成量的预报.结果表明:本模型具有良好的预报效果,人工神经网络是材料性能定量预报的一种有效方法.