高性能超细晶高锡磷青铜合金组织及性能研究

锡磷青铜兼具优异的强度和弹性性能,可以作为精密仪器仪表和航空航天等技术领域连接器和接插件的关键基础材料。以高性能超细晶粒组织Cu-Sn-P合金带材为研究对象,采用大变形加工率轧制和在线连续光亮退火组合的工艺技术,研究高锡Cu-Sn-P合金冷加工过程硬化规律、再结晶过程组织演变规律与动力学方程,以及不同晶粒尺寸合金带材的折弯特性。结果表明,加工硬化对Cu-Sn-P合金力学性能影响显著,合金的强度和硬度随着加工率的增加而增大。当加工率达到65%时,合金抗拉强度可达980 MPa;同时Sn含量越高,加工硬化效果越明显。当加工率为60%时,Cu-Sn-P合金再结晶初始温度为350 ℃,再结晶温度升高和保温时间延长均会导致再结晶晶粒尺寸的长大。保温时间到达临界值后晶粒尺寸不再随着时间的延长而继续长大。结合大加工率和在线光亮退火的组合工艺,高锡Cu-Sn-P合金的晶粒尺寸可以达到4~6 μm。Cu-Sn-P 合金在450~550 ℃保温时再结晶过程的晶界迁移热激活能 Q=18.56 kJ/mol,晶粒长大的动力学方程为 D=D02+5960.4te-2232/T。当抗拉强度≥900 MPa时,超细晶粒Cu-Sn-P合金折弯性能可以达到R/t≤3,表面光滑无裂纹。     

激光功率对玻璃微珠/聚醚砜树脂激光烧结件成型性能的影响

研究了一种新型低成本、绿色环保、可用于激光烧结的材料——玻璃微珠/聚醚砜树脂复合材料(GB/PES)。以不同激光功率进行激光烧结实验,制得拉伸试样和冲击试样,进行成型性能及成型件缺陷成因分析。实验结果表明,随着激光功率的增大,GB/PES复合材料的烧结成型件X、Y、Z三个方向的测量尺寸都在增大;激光功率对烧结成型件X、Y方向尺寸精度影响较小,对烧结成型件Z方向尺寸精度影响较大;而激光功率过大会造成GB/PES烧结成型件断层及难清粉现象。     

石墨烯复合橡胶改性沥青路面性能研究

本文结合甘肃柳敦公路试验段工程实例,研究石墨烯复合橡胶改性沥青(GRA)路面性能.通过常规试验、多应力重复蠕变(MSCR)试验、动态剪切流变(DSR)试验等方法分析研究了GRA性能,并对GRA混合料的路用性能进行了研究.结果表明:GRA与苯乙烯-丁二烯-苯乙烯三嵌段共聚物(SBS)改性沥青相比,针入度降低了12.7％,...     

多维计算机取证模型研究

基于需求的计算机取证过程模型 该模型是一个基于软件工程思想和安全工程思想的模型，它把过程需求的全集根据不同的侧重点，划分成了若干个大组，每个大组成为一个场景。每个场景可以再根据不同的需求目标划分成若干组件。     

基于数据包络分析的软件任务性能基准评价

提出了一种基于数据包络分析的软件任务性能基准评价新方法——TaskBeD.介绍了TaskBeD的任务基准评价模型和核心算法(挖掘高性能的软件任务,建立参考任务集和结果的敏感度分析).实验结果显示,TaskBeD能够高效处理多变元和可变规模收益任务数据.     

电液伺服系统动力机构的参数优化

本文讨论了电液伺服系统动力机构的参数优化选择问题。提出了一种新的选择液压油源的方法,并在此基础上对文献[1]提出的4种优化指标进行了新的解释,给出了当惯性负载时以上述4种优化指标进行动力机构参数优化选择的解析方法,同时证明了此种方法比原有的优化方法优越,可使系统耗功减少7.3%。对于任意形状的负载轨迹,本文亦指出了解决方法。     

关于智能车辆转向问题的研究

本文阐述实现智能车辆转向运动的方法,并以一个机器人在走廊中的导航为例进行模拟设计,给出了模拟结果。使用这种方法,参考点的选取改在外侧前轮而非以往的车后轴上,而且要考虑车辆的几何尺寸、道路宽度、转向角极限和参考路径的形状等因素。我们着重车辆按某个角度（一般为９０°）转向,然后沿直线运动的情况,这种圆——切线的设计比其它设计容易,而且可以实现连续控制,克服车辆闯入其它车道,避免转向角超过其极限等问题。     

Fe_2O_3含量对硫铝酸盐水泥熟料烧成性能的影响

通过采用铁粉作为校正原料调整生料中的铁含量,从而达到调整熟料中铁相的比例。经熟料外观形貌观察、岩相分析及XRD分析等方法研究了熟料在不同烧成制度下矿物结晶情况。结果表明:随着Fe2O3含量的增加,熟料的烧成温度有所下降,但烧结温度范围没有明显变化;随着Fe2O3含量的增加,熟料矿物的晶体尺寸越细小,结晶程度越差,当Fe2O3含量在12%时尤为明显。     

放电等离子烧结(Er2.5Gd0.5Co)x(Er2GdCo)1-x合金的磁热效应研究

通过电弧熔炼结合放电等离子烧结技术制备了系列样品(Er_2.5Gd_0.5Co)_x(Er₂GdCo)_1-x(x=0.1、0.2、0.3)。研究发现,系列样品均发生顺磁到反铁磁、反铁磁到铁磁的连续磁相变。在0 T～5 T外加变化磁场下,合金的最大磁熵变-ΔS_M分别为10.8 Jkg^-1K^-1(x=0.1)、10.1 Jkg^-1K^-1(x=0.2)、9.3 Jkg^-1K^-1(x=0.3),对应的RC值分别为556.7 Jkg^-1、524.9 Jkg^-1、566.7 Jkg^-1。在合金(Er_2.5Gd_0.5Co)_0.3(Er₂GdCo)_0.7中观察到了从35 K到...     

基于改进自适应模糊推理系统的半导体制造系统瓶颈设备预测方法(英文)

Semiconductor manufacturing (SM) system is one of the most complicated hybrid processes involved continuously variable dynamical systems and discrete event dynamical systems. The optimization and scheduling of semiconductor fabrication has long been a hot research direction in automation. Bottleneck is the key factor to a SM system, which seriously influences the throughput rate, cycle time, time-delivery rate, etc. Efficient prediction for the bottleneck of a SM system provides the best support for the consequent scheduling. Because categorical data (product types, releasing strategies) and numerical data (work in process, processing time, utilization rate, buffer length, etc.) have significant effect on bottleneck, an improved adaptive network-based fuzzy inference system (ANFIS) was adopted in this study to predict bottleneck since conventional neural network-based methods accommodate only numerical inputs. In this improved ANFIS, the contribution of categorical inputs to firing strength is reflected through a transformation matrix. In order to tackle high-dimensional inputs, reduce the number of fuzzy rules and obtain high prediction accuracy, a fuzzy c-means method combining binary tree linear division method was applied to identify the initial structure of fuzzy inference system. According to the experimental results, the main-bottleneck and sub-bottleneck of SM system can be predicted accurately with the proposed method.