Al-Mg-Si系挤压合金的自然时效和人工时效特性

较系统地研究了ＡｌＭｇＳｉ系（即６ｘｘｘ系）合金（主要以６０６３,６０６１,６００５和６３５１等挤压合金为代表）的自然时效和人工时效的硬化特性,为优化工艺制度提供了理论依据。     

INTERACTION OF PRECIPITATION AND RECRYSTALLIZATION IN RAPIDLY SOLIDIFIED Cu-Cr-Zr-Mg ALLOY

1.IntroductionCu--Cr-Zr-Mgalloysarewidelyusedinvariousaspects,suchasinelectricresistanceweldingelectrode,motor--commutatorandintegratedcircuitleadframe,duetotheirgoodthermalandelectricalconductivitiesandrelativelyhigherstrength.However,itisdifficulttofurtherimprovetheirelectricalandmechanicalpropertiesunderconventionalsohltionheat--treatment(CSHT)sincethedegreeofprecipitationhardeninguponagingisrestrictedbythelimitedsolubilityofchromiumandzirconiumincopper[1--31.Thecompositionsandthepropert…     

基于人工神经网络的Nd-Fe-Co-Zr-B系永磁合金磁性的预测模型

为了优化合金成分以提高纳米复相Nd-Fe-Co-Zr-B系永磁合金磁性,采用均匀设计方法设计了Nd,Co,Zr和B的4因素6水平U18(6^4)实验方案,建立了合金成分与磁性之间的人工神经网络(ANN)预测模型．利用该预测模型对Nd-Fe-B合金的成分进行了优化．同时,利用所建立的人工神经网络预测模型研究了单个元素对Nd-Fe-B合金磁性的影响规律,以及多元素间的交互作用与合金磁性间的关系．结果表明：预测结果与实测结果吻合良好,预测结果的相对误差很小,Br的相对误差在1．66％以内,(BH)m的相对误差在1．94％以内,Hcj的相对误差在7．7％以内。     

ARTIFICIAL NEURAL NETWORK MODEL OF CONSTTTUTIVE RELATIONSHIP FOR 2A70 ALUMINUM ALLOY

The hot deformation behavior of 2A70 aluminum alloy was investigated by means of isothermal compression tests performed on a Gleeble-1500 thermal simulator over a wide range of temperatures 360-480℃ with strain rates of 0.01-1s-1 and the largest deformation of 60%, and the true stress of the material was obtained under the above-mentioned conditions. The experimental results shows that 2A70 aluminum alloy is a kind of aluminum alloy with the property of dynamic recovery; its flow stress declines with the increase of temperature, while its flow stress increases with the increase of strain rates. On the basis of experiments, the constitutive relationship of the 2A70 aluminum alloy was constructed using a BP artificial neural network. Comparison of the predicted values with the experimental data shows that the relative error of the trained model is less than ±3% for the sampled data while it is less than ±6% for the non- sampled data. It is evident that the model constructed by BP ANN can accurately predict the flow stress of the 2A70 alloy.     

ARTIFICIAL NEURAL NETWORK MODEL OF CONSTITUTIVE RELATIONSHIP FOR 2A70 ALUMINUM ALLOY

1. Introduction Lately, with the rapid development of the computation technique, the finite element method is more and more applied to the numerical simulation of the metal forming process. The constitutive relation- ship, namely, the relationship between…     

AGING PRECIPITATION OF Cu-Zr AND Cu-Zr-Si ALLOYS AND AFFECTED BY COLD WORKING

The hardness and electrical conductivity of Cu-Zr and Cu-Zr-Si alloys varying with differ-ent aging regimes were measured and the factors influencing the electrical conductivity wereanalysed.It is believed that a little Si can refine the precipitates and improve the resistance tosoftening.The improvement of materials properties by aging and the effect of cold work werealso discussed.     

基于人工神经网络模型的铝合金大气腐蚀的预测

用BP神经网络预测了铝合金大气腐蚀,研究了网络的训练精度和预测精度的关系,建立7-5-1的模型结构,模型相关系数为0.8821,预测结果比较理想.利用单一因素敏感性分析,计算了合金元素和环境因素对于铝合金大气腐蚀速率的影响.     

Cu-Zr和Cu-Zr-Si的时效析出特性及冷变形对时效析出的影响

测定了Cu-Zr和Cu-Zr-Si时效后硬度、电导率的变化。分析了影响电导率的因素。认为Si可以细化析出物、提高材料的抗软化能力。对形变后时效时材料性能的改善及变形度的影响进行了讨论。     

用神经网络算法预测氢蚀孕育期

利用神经网络的分析方法，对高温氢腐蚀进行分析建模，综合考虑温度、氢分压和氢腐蚀孕育期之间的关系，为准确的数学建模、预测设备的使用寿命和相应专家系统的研制开拓了新的思路。     

熔敷金属力学性能人工神经网络预测法的应用

在实测样本的基础上,用人工神经网络建立了熔敷金属力学性能的预测模型。该模型预测的结果同实验值之间有很好的对应关系。利用该模型研究了杂质元素S,P,O,N和合金元素C,Mn,Ti对熔敷金属低温韧性的影响,并采用正交实验的方法得出了较佳的熔敷金属化学成分。本文的研究为熔敷金属力学性能的设计和控制提供了有效的途径。     

基于前向神经网络的镍基合金喷焊粉的硬度预测

利用前向神经网络,对镍基合金喷焊粉的硬度进行研究。通过对实验样本的学习训练,建立镍基合金粉的硬度值与其化学成分之间的隐性函数,用此神经网络,即可预测镍基合金粉材的硬度。     

神经网络分析在高温硫腐蚀中的应用

利用神经网络的分析方法和高温硫腐蚀的数据积累,对炼油过程中的高温硫腐蚀进行分析建模,从系统的观点出发,综合考虑温度、硫或硫化氢浓度、材质和腐蚀速度之间的关系,为更准确的数学建模、预测设备的使用寿命和相应专家系统的研制开拓了新的思路。     

时效处理和La含量对AZ91合金组织和力学性能的影响

借助XRD,SEM,EDS和显微硬度仪等分析测试手段,研究了时效处理和La含量对真空精炼的AZ91合金显微组织和力学性能的影响.结果表明:时效处理可以使第二类β相大量析出,且β相呈不连续层片状沿晶界两侧分布.随La含量的增加,β相的尺寸逐渐减小,而α相的尺寸则呈现先减小后增加的趋势.铸态和时效态试样的力学性能参数均随La含量的增加呈现出先增加后减小的趋势.时效态试样的抗拉强度、屈服强度、延伸率和Vickers硬度分别比铸态试样提高12.65%,16.85%,13.71%和37.24%.当La含量达到0.1648%时,抗拉强度、屈服强度、延伸率和Vickers硬度分别达到276 MPa,208 MPa,13.85%和132HV.     

冷加工对含Mn铝合金管腐蚀行为的影响

采用SEM,TEM,动电位极化和浸泡实验研究了机械冷加工变形对汽车散热器高Mn(0.22%,质量分数,下同)和低Mn(0.08%)铝合金管在0.6 mol/L NaCl(pH=6)和SWAAT(ASTM G85,pH=3)溶液中的腐蚀行为的影响.电化学极化测试表明,无形变时高Mn铝合金直管的点蚀电位最高;但冷加工能降低高Mn铝合金弯曲表面的点蚀电位,而对低Mn铝合金的点蚀电位没有明显影响.TEM观察发现,冷加工后高Mn铝合金中有大量纳米尺度的富Mn析出相,在低Mn铝合金中却没有观察到这种析出相,阴极极化测试表明,富Mn相能显著促进阴极反应,富Mn相相对Al基体为阴极相,因而是点蚀萌生的部位.添加Mn尽管有利于提高铝合金的耐蚀性,但机械冷加工会弱化这一效应.     

CO2腐蚀的神经网络分析

利用神经网络的分析方法 ,对CO2 腐蚀进行分析建模 ,从系统的观点出发 ,建立了碳钢含碳量、CO2 分压、温度、流速与腐蚀速率之间的非线性对应关系 ,为准确的数学建模、预测设备的使用寿命和相关专家系统的研制开拓了新的思路     

模式识别─人工神经网络在改善汽车发动机缸体铸件力学性能方面的应用

利用模式识别技术对影响汽车发动机缸体铸件抗拉强度和硬度的铁水化学成分以及浇注工艺参数进行了分析,给出了影响铸件抗拉强度和硬度的主要因素的优化范围．利用经已知样本集训练的人工神经网络对铸件抗拉强度和硬度进行了预报,预报结果与实测值符合较好．     

模式识别—人工神经网络在改善汽车发动机缸体铸件力学性能方面的 …

利用模式识别技术对影响汽车发动机缸体铸件抗拉强度和硬度的铁水化学成分以及浇注工艺参数进行了分析给出了影响铸件抗拉强度和硬度的主要因素的优化范围,利用经已知样本集训练的人工神经网络对铸件抗拉强度和硬度进行了预报,预报结果与实测值符合较好。     

腐蚀领域中人工神经网络的应用进展

人工神经网络作为人工智能的重要研究领域,是模拟 人脑行为解决问题的一种方式,受到腐蚀领域科研人员的日益重视.本文介绍了人工神经网络在大气腐蚀、海水腐蚀、土壤腐蚀、应力腐蚀、腐蚀疲劳和点蚀中应用,并阐述了其应用的特点.      

应用回归和神经网络方法预测热轧带钢性能

针对Q235B热轧带钢性能预测系统，提出一种回归分析和神经网络相结合的方法来预测其力学性能。首先，测量材料最终相的组成与铁素体的晶粒度，应用多重回归分析的方法，建立成分、相体积分数、晶粒尺寸与抗拉强度、屈服强度、延伸率的对应关系，另一方面，采用BP神经网络方法，结合相变动力学模型的计算数据，通过大量数据的自学习训练，完成神经网络模型对抗拉强度、屈服强度、延伸率的预测，预测结果表明，应用神经网络和回归分析方法，具有较高的预测精度。