Si-Mn系低碳钢经DP和TRIP处理后组织与性能的对比性研究

对冷轧态Si-Mn系低碳钢分别进行DP和TRIP处理,然后通过金相实验、SEM分析以及室温拉伸性能测试对其显微组织、力学性能以及成型性能进行对比研究。结果表明,当组织中铁素体含量约为60%时,经TRIP处理后试样的能量吸收强度大约是DP处理试样的1.59倍;经TRIP处理后试样的均匀变形能力较强,经DP处理的试样则具有较高的初始加工硬化能力;经TRIP处理后试样的断裂韧度是经DP处理试样的3.2倍,这应该与组织中残余奥氏体的TRIP效应有关。     

机器学习辅助金属材料力学性能预测

如今金属材料的发展进入了瓶颈期,急需一个新的发展方式来突破当前的瓶颈。上世纪50年代,人工智能逐渐兴起,经过60多年的发展,人工智能技术趋于成熟,大幅度的应用在各种领域中,材料领域也有所涉及。数据与人工智能结合的数据驱动方式成为改变金属材料发展瓶颈的新方式,有望大幅度提升金属材料的研发速度。介绍了金属材料领域的合金设计现状,在传统的“试错法”已经不能满足现有金属材料研发的基础上,综述了机器学习在金属材料力学性能预测等方面的一些应用。总结了机器学习存在的不足和需要优化的地方,展望了机器学习在金属材料领域中的发展方向。     

Fe-C-Mn-Si系合金马氏体转变开始温度的热力学计算

基于马氏体相变热力学和亚点阵模型,建立了Fe-C-Mn-Si系合金马氏体相变自由能表达式,并利用Compaq VisualFortran 6软件对其进行编程;应用Thermo-Calc软件及TQ6接口模块并结合大量实验数据,对计算参数进行优化,获得马氏体相变临界驱动力与Fe-C-Mn-Si系合金成分的关系式。采用该方法可较为准确地预测Fe-C-Mn-Si系合金的马氏体转变开始（Ms）温度,并有望推广到更多元合金体系。     

Si-Mn系低碳钢经不同热处理后动静态性能的对比研究

对Si-Mn系低碳钢冷轧板进行不同热处理后分别获得相变诱发塑性(Transformation induced plasticity,TRIP)钢和双相(Dual phase,DP)钢,而后通过电子万能试验机和旋转盘式杆杆型冲击拉伸试验装置分别对其进行应变率为0.001 s–1、630 s–1、1 490 s–1和0.001 s–1、560 s–1、1 340 s–1的静态和动态拉伸试验。通过对比研究发现:TRIP钢和DP钢的屈服强度、抗拉强度随着应变率的增加而不断增大;高速率下变形局部化导致动态下的DP钢和TRIP钢均匀伸长率都比静态下小。高速率下的绝热温升效应使得DP钢1 340 s–1的均匀伸长率和断裂伸长率都比560 s–1的要大,TRIP钢1 490 s–1也比630 s–1的要大。由于DP钢的绝热温升效应大于变形局部化效应,使得动态下DP钢的断裂伸长率比静态下要大;而TRIP钢因为有残余奥氏体转变马氏体现象,绝热温升效应远小于变形局部化效应,使得动态下TRIP钢的断裂伸长率比静态下要小。     

金枪鱼皮明胶制备技术工艺研究

目的:采用酸碱法制备一种可食用的金枪鱼皮明胶。方法:通过不同条件下所生产明胶的质量来确定明胶提取的最佳方法。结果:经过筛选,确定了先用0.2%~0.3%(w/v)NaOH溶液处理,再用0.3%~0.4%(v/v)H2SO4溶液处理后提胶的方法。结论:该方法可应用于制备食品级金枪鱼皮明胶。