排序方式: 共有59条查询结果,搜索用时 0 毫秒
51.
为了提升灭茬刀具的表面硬度及耐腐蚀性能,进而延长其使用寿命,文中采用超声辅助喷射电沉积法在灭茬刀具常用45钢表面制得Ni-Co-TiN复合镀层。通过正交试验方法,确定镀层制备的最优工艺参数。利用透射电镜(TEM)、扫描电镜(SEM)、X射线衍射仪(XRD)和能谱仪(EDS)测试镀层的微观结构、表面形貌、相结构及元素组成,并采用显微硬度计和电化学工作站对镀层显微硬度和耐腐性能进行测试。正交试验结果表明,Ni-Co-TiN复合镀层制备的最优工艺参数为:镀液喷射速度4 m/s,超声波功率120 W,TiN纳米粒子含量10 g/L,极间距8 mm。采用最优工艺参数制备的Ni-Co-TiN复合镀层,其镍晶粒尺寸得到明显细化,TiN粒子弥散分布于镀层中。该镀层的显微硬度高达489.82 HV,其自腐蚀电位为-0.342 V和自腐蚀电流密度为2.15×10-6 A/cm2。 相似文献
52.
53.
针对往复压缩机气阀故障振动信号在进行多重分形分析时易受时间序列非平稳趋势影响,无法准确揭示其多重分形特征的难题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和多重分形去趋势分解(Multifractal Detrended Fluctuation Analysis,MF-DFA)的往复压缩机气阀故障特征提取方法。首先,利用VMD方法对往复压缩机气阀信号进行分解,根据互相关系数法选取模态分量进行信号重构,可有效消除噪声干扰;然后采取MF-DFA方法对重构后信号进行分析,以反映结构特征和局部振动信号尺度行为的特征向量参数Δα、α(fmax)、fmax、Δf和B为模式识别向量,极限学习机(Extreme Learning Machine,ELM)为故障分类器对往复压缩机气阀的4种状态进行分类识别。研究结果表明:该方法能够揭示往复压缩机气阀振动信号的多重分形特性,具有较强的辨识能力。 相似文献
54.
采用脉冲电沉积制得Ni-Ti N微铸件,利用扫描电镜(SEM)、能谱仪(EDS)、纳米压痕仪(NI)对其进行弹性模量和表面形貌分析,研究脉冲电参数对Ni-Ti N微铸件弹性模量和表面形貌的影响规律。结果表明:当脉冲电流占空比为30%,电流密度为5.5 A/dm2、Ni-Ti N微铸件的弹性模量达最大值,分别为228.5 GPa和231.8 GPa;Ni-Ti N微铸件弹性模量随镀液温度的升高先增大后略微降低;Ni-Ti N微铸件的表面平整度较好,表面镍元素和Ti N粒子的质量分数分别为53.31%和17.62%,其厚约为88.49μm。 相似文献
55.
制备工艺对Ni-TiN纳米镀层晶体结构及耐腐蚀性能的影响 总被引:1,自引:1,他引:0
分别采用电沉积法、超声波-电沉积法及电磁场-超声波场-电沉积方法制得Ni-TiN纳米镀层,利用原子力显微镜(AFM)、高分辨率透射电镜(HRTEM)及电化学综合测试仪对纳米镀层的晶体结构和耐腐蚀性能进行研究。结果表明,采用ED,USED和MUSED制备Ni-TiN纳米镀层的均方根表面粗糙度为181.74,114.65,58.18 nm;MUSED制备的镀层中,镍晶粒和TiN粒子的平均粒径为45.9,28.3 nm。 相似文献
56.
超声-电沉积Ni-纳米Al2O3复合镀层耐蚀性能研究 总被引:3,自引:0,他引:3
采用超声-电沉积法,在20#钢上制备Ni-纳米Al2O3复合镀层.通过将试验样片恒温25℃静态全浸泡在pH=3.5、NaCl的质量分数为5%的溶液中浸泡210h的方法,研究脉冲电流密度、脉冲占空比、超声波功率、纳米Al2O3颗粒浓度等工艺参数对纳米复合镀层耐蚀性能的影响.利用扫描电镜(SEM)观察复合镀层表面形貌及测量复合镀层的断面厚度;利用理学D/ max 2400 型X 射线衍射仪(XRD)确定镀层中含有第二相纳米Al2O3粒子. 相似文献
57.
超声-电沉积Ni-TiN复合镀层组织和性能研究 总被引:4,自引:2,他引:2
为了探讨复合镀层的组织和性能,采用超声-电沉积制备了Ni-TiN复合镀层.对镀层的表面形貌、显微硬度和磨损性能进行了研究,分析了Ni-TiN复合镀层的耐磨机理.结果表明:由于超声波的辅助作用和TiN纳米粒子的加入,镀层表面比较平整,光滑;在超声波和高频脉冲电流复合作用下,纳米TiN粒子含量为12%的Ni-TiN复合镀层具有较高的显微硬度和耐磨性能,平均表面硬度达到HV927.2,磨损量仅为14.1mg;纳米TiN粒子的弥散错位强化作用、细晶强化效应及一定承载和润滑作用是提高Ni-TiN复合镀层耐磨性的根本原因. 相似文献
58.
59.
采用脉冲电沉积在A3钢表面制备Cu-SiC镀层。采用BP网络模型对脉冲电沉积Cu-SiC镀层的镀速进行预测研究。结果表明:本BP模型为3×9×1型神经网络模型,预测值与试验值曲线吻合较好;其相对误差较小,最大误差为2.7%,其相关系数为0.999,能较好地预测脉冲电沉积Cu-SiC镀层的镀速。 相似文献