改进的神经网络模型在变形镁合金发展中的应用(英文)

采用更为合理的建模参数,将预测变形镁合金力学性能的神经网络模型进行改进,并将此模型用于发展新型镁合金;对所有建模参数以全排列组合训练的方式构建模型,并通过比较这些模型的预测误差及相关系数来确定最合理的建模参数。模型的应用主要有Mg-Zn-Mn和Mg-Zn-Y-Zr两种合金。运用改进后的模型对Mg-Zn-Mn合金的力学性能进行预测,研究Mg-Zn-Y-Zr合金中Y/Zn摩尔比对强度的影响。最后,还利用此模型发展了一种高强挤压态的Mg-Zn-Y-Zr合金。结果表明:模型预测值与实验值吻合较好,改进后的模型可以用于发展新型变形镁合金。     

杂质元素对镁合金组织与性能的影响及其对应措施

镁及镁合金中杂质元素的含量及作用已受到广泛关注.介绍了镁合金中Fe、Cu、Ni、Si等杂质的存在形式,综述了杂质元素对镁合金显微组织、腐蚀性能、力学性能的影响规律及机制,并叙述了几种提高镁合金纯度常见的方法,包括选用高纯原料、优化熔炼工艺、镁合金熔体纯净化,指出有效降低杂质含量将是未来高性能镁合金材料研究的重要方向.     

Mn对Mg-4Zn变形镁合金组织与性能的影响

目的 研究Mn对Mg-4Zn合金再结晶组织演变和力学性能的影响,发展高性能Mg-Zn-Mn变形镁合金。方法 以Mg-Zn镁合金为研究对象,利用Mn元素的固溶强化增塑、刺激再结晶形核和钉扎再结晶晶界的特点,通过Mg-Zn-Mn挤压镁合金的显微组织以及室温力拉伸和压缩力学性能测试,分析挤压过程中显微组织的演变和成分对力学性能的影响。结果 Mg-4Zn-2Mn合金平均晶粒尺寸为~7 μm,其拉伸屈服强度、抗拉强度、伸长率、压缩屈服强度和拉压不对称性分别为226 MPa,316 MPa,17%,171 MPa,0.75。结论 合金化元素Mn可有效细化变形镁合金的再结晶组织,随Mn元素含量的增加,Mg-Zn合金再结晶组织不断细化,未再结晶区域增加,合金力学性能增加,拉压不对称性改善。     

钛铁矿原位反应合成Al_2O_3-TiC颗粒增强铁基复合材料

利用钛铁矿铝热碳热原位还原技术成功制备了Al2O3-TiC增强铁基复合材料。通过XRD,SEM和力学性能检测方法分析了钛铁矿原位合成和添加合成两种方式对Al2O3-TiC增强铁基复合材料的组织和力学性能的影响。结果表明:利用钛铁矿合成的铁基复合材料的增强相为Al2O3,MgAl2O4,TiC和Fe相,添加合成过程中会发生一些硬质相TiC被氧化的现象。钛铁矿原位合成Al2O3-TiC增强铁基复合材料的基体组织呈粗大的块条状分布;添加合成的复合材料的铁基体以块状均匀分布。制备的Al2O3-TiC增强铁基复合材料的性能比较优良。材料的最佳综合力学性能为抗弯强度937MPa,维氏硬度532。     

铸态、挤压态和快速凝固态ZK60镁合金微观组织及压缩性能

采用铜模喷铸的方法制备得到快速凝固态ZK60镁合金,并通过X射线衍射仪,扫描显微镜和能谱分析仪对铸态、挤压态和快速凝固态ZK60镁合金的组织结构及相的组成进行表征.结果发现:快速凝固态ZK60镁合金的组织均匀细小,并且样品中弥散分布着颗粒状的MgZn相,除此之外,该合金中还存在尺寸较大的富Zr共晶团.通过压缩实验发现,...     

铝合金熔体净化工艺的研究进展

综述了铝合金熔体净化技术的最新进展,重点分析了气泡浮游法、过滤法、熔剂法等几种常见的熔体吸附净化方法的工作原理和工艺改进,介绍了新型的旋转脉冲喷吹工艺、超声波净化工艺和电磁净化工艺,并展望了熔体净化工艺研究发展的趋势.     

铝的现状与展望

铝应用范围的扩大、中国对铝需求量的增多以及产品质量的不断改善,表明铝仍然是“年轻的材料”。 1986年第一季度,原铝的市场需求量非常稳定。这一方面是由于世界上主要的消耗市场非常活跃,如美国和日本的建筑业、欧洲的汽车工业等,另一方面是估计到美国的铝工业将会变得不景气而出现的套头交易。1986年,西方国家铝的需求量比1985年高2％左右。     

镁基储氢合金循环寿命研究进展

镁基储氢舍金是一种很有发展前景的储氢合金材料,但在碱性电解液中极易腐蚀,循环性能较差,这限制了它的实际应用.因此,采用不同方法对其循环寿命进行改善成为近年来的一个研究热点.分析了镁基储氢合金循环寿命衰退的原因,针对目前改善其循环性能的主要方法如添加合金元素、控制粒径大小、进行退火处理、制成复合材料、进行表面包覆、控制电荷输入和使用缓蚀剂等进行综述和分析,并强调在研究其循环寿命的同时应将放电容量、吸放氢动力学等因素进行综合考虑,最后指出了今后研究镁基储氢合金循环寿命的重点.     

机器学习技术在材料科学领域中的应用进展

材料是国民经济的基础,新材料的发现是推动现代科学发展与技术革新的源动力之一,传统的实验"试错型"研究方法具有成本高、周期长和存在偶然性等特点,难以满足现代材料的研究需求.近些年,随着人工智能和数据驱动技术的飞速发展,机器学习作为其主要分支和重要工具,受到的关注日益增加,并在各学科领域展现出巨大的应用潜力.将机器学习技术与材料科学研究相结合,从大量实验与计算模拟产生的数据中挖掘信息,具有精度高、效率高等优势,给新材料的研发和材料基础理论的研究提供了新的契机.机器学习技术结合了计算机科学、概率论、统计学、数据库理论以及工程学等知识,计算速度快、泛化能力强,能有效地处理一些难以运用传统实验及模拟计算方法解决的体系和问题.近10年,机器学习在材料科学研究中的应用呈现出爆炸式的增长,尤其在新材料的合成设计、性能预测、材料微观结构深入表征以及改进材料计算模拟方法几个方面,均有着出色的表现.当然,作为一项数据驱动技术,如何获取大量实验数据并将其构建为行之有效的数据集仍是现阶段机器学习技术在材料科学领域应用的热点和难点.本文概述了机器学习技术的基本原理、主要工作流程和常用算法,简述了机器学习技术在材料科学领域中的研究重心及应用进展,分析了机器学习在材料学研究中尚存在的问题,并对未来此领域的发展热点进行了展望.     

AZ31镁合金表面纳米A12O3涂层的耐蚀耐磨性能研究

在AZ31表面磁控溅射单层纳米Al2O3涂层,用FESEM、TEM、XRD等分析涂层的形貌和结构,用电化学工作站和摩擦磨损实验研究了涂层的耐蚀和耐磨性能.结果表明,磁控溅射获得了界面结合良好的单层致密的纳米AlO3陶瓷涂层,在3.5％(质量分数)NaC1溶液中腐蚀电位从-1.812V提高到了-1.298V,电流密度从2.009×10-4A/cm2下降到了6.792×10-6A/cm2;摩擦系数从0.21下降到了0.15,磨痕从841窄化为400μm.综上所述,磁控溅射单层纳米Al2O3涂层显著地改善了镁合金的耐腐蚀和耐磨损性能.