专家系统及在铸造生产中的应用与展望

本文简要介绍了专家系统的构成及各部分的功能,专家系统的分类和开发语言的种类,同时介绍了国内外铸造专家系统的发展应用现状,并指出存在的问题和将来的发展方向.     

新型半固态铝合金AlSi6Mg2设计与实验研究

结台半固态加工基本原理利用热力学计算方法设计出了新型半固态铝合金AlSi6Mg2，并进行了半固态触变压铸成形和微合金化实验研究。结果显示：新合金在触变成形过程中表现出良好的半固态组织和工艺性能，微合金化改善了新合金组织，提高了合金的综合力学性能，特别是塑性明显提高。     

有色金属型材加工用三相工频感应加热炉

通过对比分析了三相工频感应加热炉的主要性能指标-电热效率，旨在介绍一种高效节能的电加热炉。     

Cu-Al-Mn-Ti形状记忆合金抗母相时效的研究

利用弯曲试验、X射线衍射、金相和扫描电镜及透射电镜观察等方法研究了CuAl24Mn3Ti2合金在不同母相时效处理条件下的抗母相时效能力。结果表明,对于同一种变形量,Cu-Al-Mn-Ti合金在母相时效时,形状记忆效应随不同时效保温温度呈现先下降后上升的规律性变化,其中400℃记忆效应最好,500℃最差;而形状记忆效应则随不同时效保温时间呈现不同程度的先上升后下降的规律性变化,400℃合金下降缓慢,500℃下降加快;Mn和Ti的加入细化了组织,并且形成了富Mn和富Ti相,强化了合金组织,提高了合金的记忆效应。     

液流混合处理对半固态A357浆料组织的影响

研究了用液流混合方法(CRP)制备A357半固态浆料时,液流混合、熔体温度和反应器温度等因素对浆料组织的影响。试验结果表明,熔体经过反应器的强制混合后,形成的半固态浆料内部初生相呈细小的近球状,与未经处理的浆料组织相比有显著差异。而低的熔体温度和反应器温度(熔体温度不高于640℃,反应器温度低于300℃)有利于减小初生相尺寸,促进其形成近球状。进一步的分析表明液流混合影响了金属熔体的形核与生长过程,进而改变了凝固组织。     

热处理对新型Al-Mg-Si合金微观组织及性能的影响

对4种通过热力学计算优化选出的Al-Mg-Si合金进行了电磁搅拌及热处理试验研究。通过微观组织和性能的分析比较发现，电磁搅拌能显著改善合金的显微组织结构，为后续的热处理提供有利的显微组织条件，进而增强合金的时效强化效果，改善合金的塑性。同时发现，Mg、Si含量对合金的显微组织和性能具有不同的影响。这与合金不同的平衡凝固过程有关。该试验研究为进一步优化适合半固态成形的低成本高性能铝合金提供了依据。     

半固态成形用铝合金材料

综述了国内外半固态专用铝合金材料开发的进展和应用。     

Finite Element Simulation for Laser Direct Depositing Processes of Metallic Vertical Thin Parts（1）

建立了模拟直薄壁件逐点沉积过程中温度场的有限元模型，用等价导热系数和焓值法处理了固一液耦合热传导问题和固液混合区的焓．模拟结果真实地反映了沉积316L不锈钢直薄壁件的温度场特征．通过对模拟结果的分析得出，在高温阶段（700℃以上）熔池的平均冷却速率达到10^3℃／s数量级，在240℃以下的冷却速率仅为10℃／s数量级．基板的温度变化经历温度上升、温度平稳、温度下降3个阶段；在温度下降阶段，基板中的热传导对熔池冷却速率影响很小．有限元模拟结果与已有文献的实验测量数据吻合很好．     

Sm—Fe—N永磁体的研制

用机械合金化的方法及退火和渗氮处理,用纯Fe粉和Sm粉制备出内禀矫顽力为33.1kA/cm(41.6kOe)和磁能积为98.7kJ/m~3(12.4MGOe)的Sm—Fe—N永磁材料.用X射线衍射方法对样品制备过程中的机械合金化、晶化、渗氮过程中所形成的相进行了分析,用脉冲磁强计测量磁性实验结果发现,采用高能球磨机是机械合金化的方法制备高矫顽力永磁体的较好工具晶粒尺度为几十nm是获得高矫顽力Sm—Fe—N永磁体的重要因素,样品中存在的软磁第二相是磁滞回线中出现蜂腰形状的主要原因。     

基于拓扑信息加速马尔科夫毯学习

目标变量的马尔科夫毯（MB）是用于预测其状态的最优特征子集。提出一种新的约束学习类MB推导算法FSMB,它遵循后向选择的搜索策略,并依赖条件独立（CI）测试删除任意结点对之间的伪连接。与传统约束学习类算法不同,FSMB能从已执行的CI测试推导出不同结点扮演d 分割（d separation）结点的优先等级;而后基于该信息在未来优先执行条件集中包含高优先级结点的CI测试,从而更快速地判断并删除伪连接边。该策略可帮助快速缩小搜索空间,从而大大提升学习效率。基于仿真网络的实验研究显示,FSMB在计算效率上较经典的PCMB和IPC MB有显著的提升,而学习效果相当;在面对较大网络结构时（比如100和200个结点）,甚至比公认最快速的IAMB还节省近40%的计算量,但学习效果要远优于IAMB。基于16个UCI数据集和4个经典的分类模型的实验显示,基于FSMB输出的特征集合所训练模型的分类准确率普遍接近或高于基于原有特征全集训练所得模型。因此,FSMB是快速且有效的MB推导算法。