硫代硫酸钠模拟制备大型复合铸锭工艺研究

在锭模中预置轧制或锻造过的芯材,依靠低温芯材吸收金属熔体凝固过程中释放的部分热量,可以显著提高金属熔体的凝固速度和形核率,从而改善铸锭内部组织,尤其针对大型钢锭,效果更加显著。以硫代硫酸钠熔体为凝固介质,以固体硫代硫酸钠圆棒为芯材,进行了复合浇铸试验。结果表明,在熔体中加入固体芯棒显著提高熔体的凝固速率,凝固时间为30 min时,加芯棒时凝固速率为6.8 g/min,未加芯棒时凝固速率为4.6 g/min。凝固时间达到53 min时,凝固速率基本相等,加芯棒铸锭的凝固百分数达到62%,未加芯棒铸锭的凝固百分数只有37%。另外,加入芯棒后,铸锭心部平均晶粒尺寸由5.33 mm细化到2.66 mm,铸锭心部质量明显提高,铸锭缩孔体积减小5.4%。     

钢蜂窝夹芯结构的准静态压缩吸能特性

利用MTS810型材料试验机对Q215钢蜂窝夹芯结构进行了准静态压缩试验,分析了其结构参数对抗压强度和比吸能值的影响.结果表明:Q215钢蜂窝夹芯结构具有良好的吸能特性,比吸能值达到5～38 kJ·kg-1;沿x,Y方向压缩时,抗压强度和比吸能值均随面板厚度与夹芯厚度比的增加而增大;沿x方向压缩时,抗压强度和比吸能值均随胞壁厚度与胞壁边长比的增加而增大.     

钢质蜂窝夹芯复合板的开发和应用

系统介绍了蜂窝夹芯复合板的结构、性能特点及应用,综述了蜂窝夹芯复合板的生产方法,提出了钢质蜂窝夹芯复合板的概念,简要阐述了钢质蜂窝夹芯复合板的优点,并展望了其发展方向和应用前景.     

人工神经网络在热轧宽厚板组织性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型．在此基础上,利用神经网络对热轧管线钢力学性能进行了预测．并对预测结果与生产数据进行了比较．此外,还利用神经网络对生产工艺参数进行了优化,结果表明,将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义．     

X70管线钢热轧过程中奥氏体再结晶模型

给出了X70管线钢热轧过程中的再结晶模型利用热模拟实验对再结晶率表达式中的常数进行了回归,并根据模型对热轧过程中的再结晶进行了计算,计算结果与实验结果相吻合。     

普碳钢蜂窝夹芯板的面外压缩性能

利用MTS810材料试验机对真空钎焊普碳钢蜂窝夹芯板的面外压缩性能进行了实验测试.分析了面外压缩变形特性以及结构参数对蜂窝夹芯板面外压缩强度的影响.研究发现,普碳钢蜂窝夹芯板的面外压缩变形可分为弹性变形、塑性变形和压实三个阶段.蜂窝胞壁厚度与胞壁边长的比值t/a是影响塑性变形初期变形方式的主要因素.比值t/a>0.0427时,塑性变形初期以屈服方式进行;t/a<0.0427时,塑性变形初期以屈曲方式进行.在结构参数对性能的影响中,胞壁厚度对蜂窝夹芯板的初始压缩强度和峰值抗压强度影响最大,胞壁边长的影响次之,而面板及夹芯厚度的影响较小.     

人工神经网络在热轧宽厚板力学性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型，在此基础上，利用神经网络对热轧管线钢力学性能进行了预测，并将预测结果与生产数据进行了比较，同时，还利用神经网络对生产工艺参数进行了优化，计算结果表明，神经网络预测值与实测值之间接相对误差可以控制在11.6%以内，这对现场进行力学性能预测和工艺参数优化具有较强的现实意义。     

人工神经网络在热轧宽厚板性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型，在此基础上，利用神经网络对热轧管线钢力学性能进行了预测，并对预测结果与生产数据进行了比较，此外，还利用神经网络对生产工艺参数进行了优化，结果表明，将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义。     

热轧钢材显微组织-力学性能预报和控制技术

概述了热轧产品显微组织演变的计算机模型以及显微组织与力学性能之间的关系．简要阐述了组织一性能预报和控制技术的发展历程和发展趋势，讨论了组织一性能预报和控制技术在生产上的应用．     

不同润滑条件下带钢冷轧后表面形貌演变规律研究

在3种润滑条件下对酸洗后的热轧带钢试样进行了冷轧实验,采用扫描电镜跟踪观察冷轧前后试样的表面形貌,采用TR200型粗糙度测量仪测试轧制前后试样的表面粗糙度轮廓,研究了润滑条件对冷轧带钢表面形貌演变规律的影响。结果表明：轧件表面形貌主要取决于表面凹坑和辊痕的尺寸,随着轧制道次的增加,轧件与轧辊表面的实际接触面积增加,轧件表面凹坑和辊痕的尺寸均减小,轧件表面光洁度提高;轧制5道次后,干摩擦条件下轧制的试样表面显微凹坑最少,但表面存在明显的辊痕;油润滑条件下轧制的试样表面辊痕较少,但存在少量未被轧合的显微凹坑;乳化液润滑条件下轧制的试样表面残留的显微凹坑和辊痕都很少,表面质量最好。