TiCp/Al预制块在Mg中熔化过程研究

将TiCp／Al预制块以不同的工艺加入到Mg液中进行熔化试验。结果表明，未搅拌时TiCp／Al预制块在800℃的Mg液中保温60min后仍不熔化，采用合适的搅拌工艺可使TiCp／Al预制块熔化，并且使TiC粒子在熔体中均匀分布。TiCp／Al预制块在Mg液中的熔化过程机理为：基体Al通过熔化和对淹扩散进入到Mg液中，TiC粒子间的结合力需通过搅拌产生的剪切力才能破坏，并随Mg液流动进入到Mg液中，机械搅拌可使TiC粒子Mg液中均匀分布。     

原位自生钢基复合材料耐磨性能的研究

用铸造的方法制备了原位自生复合碳化物[(Ti,W,Cr,V,Nb)C]增强钢基复合材料,并对该复合材料的磨粒磨损性能及磨损机理进行了研究。结果表明,采用该方法制备的钢基自生复合材料中,自生碳化物颗粒细小、圆整、且分布均匀,碳化物颗粒增强相体积分数达到42.8%;原位自生钢基复合材料的耐磨性能优良。在磨粒磨损条件下,其磨损机制主要是显微切削、颗粒脱落和脆性剥落;稀土和合金元素能够提高原位自生钢基复合材料的耐磨性能。     

石墨表面镀铜对铁基粉末复合材料摩擦性能影响的研究

石墨与铜的界面结合及石墨在基体中的分布方式,是影响铁基粉末复合材料摩擦性能的重要因素。用镀铜石墨制备铁基粉末复合材料,并测定了材料的摩擦系数、磨损性能。结果表明石墨经镀铜处理后,使复合材料的摩擦系数有所降低,磨损性能提高20%～30%。     

第62届世界铸造会议宣读论文综述(有色金属部分)

详细介绍了第 62届世界铸造会议中有关有色合金铸造的 6篇宣读论文。“铝合金压铸的压力传递与铸件质量的关系”一文提出一种新的测量铝合金压铸型腔中压力传递的方法 ,搞清了压力传递、流速与铸件质量之间的关系 ,获得了本届会议的优秀论文奖。“挤压压铸和半固态铸造生产高质量、复杂的铸件”一文展示了应用压铸高技术 ,生产出力学性能极高的汽车用复杂压铸件。“监控金属型、压铸模温度的智能系统”一文提出的智能控温系统 ,测温可靠 ,能自动控制铸型温度 ,铸型中不需开冷却水孔道。“制造金属基复合材料的复合铸造工艺 (Hybrid)”一文介绍了一种挤压铸造和熔模铸造相结合生产金属基复合材料的新工艺。“喷铸法制取铝基SiCp增强复合材料的微观组织和磨耗特性”一文指出用喷铸法制取的铝基SiCp增强复合材料 ,具有很高的耐磨性能。“不同凝固条件下 ,Na ,Ca含量对加Sb变质的 3 5 6合金力学性能的影响”一文的作者通过大量试验 ,搞清了Na ,Ca的有害作用 ,指出 3 5 6合金的σb 与δ之间存在下列关系 :σb(MPa) =2 5 .87lgδ( % ) 12 8.85。     

Al-Zr-O-B原位合成复合材料的微观组织和力学性能

采用Al-Zr(CO3)2-KBF4体系用熔体反应法成功合成了新型颗粒增强铝基复合材料.XRD和SEM分析表明, Zr(CO3)2和KBF4与铝液反应生成了ZrB2、Al2O3、Al3Zr颗粒,颗粒尺寸细小,且弥散分布于基体中,其平均尺寸约为80～90 nm;拉伸试验结果显示.Al-Zr(CO3)2-KBF4体系反应生成的复合材料的抗拉强度和屈服强度随着反应物加入量的增加均显著提高,复合材料的抗拉强度为150.3 MPa,较铝基体的78.0 MPa提高了 92.7%;屈服强度为113.7 MPa,较铝基体的42.0 MPa提高了170.7%;复合材料的伸长率先升后降;由复合材料的拉伸断口SEM可知,随着反应物质量增加,塑性变形区减小,但仍然是塑性断裂.     

原位TiC颗粒增强铸造钢基复合材料制备工艺

利用钢液自身的高温直接引燃压入其中的Ti-C-Fe预制块，原位合成TiC增强颗粒，然后，对含有TiC颗粒的钢液进行铸造形成，即可获得TiC颗粒增强钢基复合材料。着重研究了钢液温度、合成的TiC颗粒含量以及钢液保温时间对复合材料组织的影响。在此基础上，优化了复合材料的制备工艺参数，并制备出了具有较理想组织的复合材料。     

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。     

粉煤灰颗粒增强铝基复合材料的研究

采用粉末冶金法成功制备了煤粉灰颗粒增强铝基复合材料。煤粉灰颗粒大多为球形,密度为2.75g/cm3,颗粒直径主要集中在5～60μm范围内,主要成分为SiO2、Al2O3和Fe2O3,三者质量分数总和超过85%。经SEM分析表明,该复合材料中存在着颗粒团聚,并有少量气孔产生。随着煤粉灰质量分数的增加,复合材料的密度逐渐减少;当煤粉灰颗粒的质量分数在10%以下时,该复合材料的硬度是上升的,超过10%时硬度开始下降。     

基体组织对球铁抗热疲劳性能的影响

研究了不同基体组织对球墨铸铁抗热疲劳性能的影响.结果表明:铁素体基体球铁的抗热疲劳性能最好,复相基体组织不利于提高球铁的抗热疲劳性能.     

Detection of delamination in laminated composites with limited measurements combining PCA and dynamic QPSO

This paper presents an output only damage diagnostic algorithm based on frequency response functions and the principal components for health monitoring of laminated composite structures. The principal components evaluated from frequency response data, are employed as dynamical invariants to handle the effects of operational/environmental variability on the dynamic response of the structure. Finite element models of a laminated composite beam and plate are used to generate vibration data for healthy and damaged structures. Three numerical examples include a laminated composite beam, cantilever plate made of carbon–epoxy and a laminated composite simply supported plate. Varied levels of delamination of laminated composite plies and matrix cracking at varied locations in the plies are simulated at different spatial locations of the structure. Numerical investigations have been carried out to identify the spatial location of damage using the proposed principal component analysis (PCA) based algorithm. In order to limit the number of sensors on the structure, an optimal sensor placement algorithm based on PCA is employed in the present work and the effectiveness of the proposed algorithm with a limited number of sensors is also investigated. Finally, the inverse problem associated with the detection of delamination and matrix cracking is formulated as an optimization problem and is solved using the newly developed dynamic quantum particle swarm optimization (DQPSO) algorithm. Studies carried out and presented in this paper clearly indicate that the proposed SHM scheme can robustly identify the instant of damage, spatial location, the extent of delamination and matrix cracking even with limited sensor measurements and also with noisy data.