Y2O3对烧结镁砂致密性的影响

以辽南产菱镁石为原料,先将菱镁石在煅烧炉中900℃煅烧2 h,冷却后得到轻烧氧化镁,然后将轻烧氧化镁按细磨—成型—烧结的工艺流程制备出烧结镁砂.采用差热分析、红外光谱分析、阿基米德排水法、X射线衍射仪和扫描电镜对合成试样的性能和微观结构进行了分析.考察了不同氧化钇添加量对试样性能和显微结构的影响,分析了氧化钇对氧化镁致密性的影响机理.结果表明:氧化钇添加剂使烧结镁砂的体积密度得到了显著的提高,氧化钇添加量为0.5%时,烧结镁砂的体积密度达到了最大值3.41 g/cm3,由于氧化钇的加入,致使氧化镁的烧结过程存在液相烧结,从而促进了MgO的烧结,提高烧结镁砂的体积密度.Y2O3与原料中的杂质相SiO2进行了反应,并生成了少量的Y2Si2O7相,新相的形成,提高了烧结镁砂的m(CaO)/m(SiO2)比以及烧结镁砂的高温使用性能.     

工艺因素对SCM435钢大方坯凝固组织的影响

为了模拟不同工艺条件下的连铸坯的凝固组织,采用有限元法模拟了SCM435钢的连铸凝固过程,获得了325 mm×280 mm连铸坯的温度场,在此基础上与元胞自动机(Cell automaton,CA)耦合模拟凝固组织.结果表明,随浇注温度的降低,柱状晶区逐步减少,表面细晶区及中心等轴晶扩大,晶粒密度逐步增加,最大晶粒面积及平均半径大大减少;但中心凝固所需要的时间反而有所增加,中心处的晶粒的平均半径先降低后升高;拉速对凝固位置的影响较为显著,随拉速的增加,晶粒密度逐步减少,柱状晶宽度与中心处的等轴晶半径略有增加.     

ND样本下密度核估计的相合性

设{Xn,n≥1}是同分布的ND随机变量序列,f（x）为其概率密度函数,基于x1,x2,…,Xn,对密度函数f（x）的核估计进行了讨论,根据ND序列的性质和不等式,在适当的条件下证明了其强相合和r阶矩相合.     

稀土元素Gd掺杂GaN的电子结构和磁学性质研究

采用基于密度泛函理论(DFT)结合投影缀加平面波(PAW)的方法,通过VASP软件包计算研究了稀土元素Gd掺杂GaN的晶格参数、形成能、电子态密度、能带结构和磁学性质.计算过程中将稀土元素Gd的4f电子计入价电子,采用LSDA+U方法处理4f电子的强关联效应.计算结果表明:Gd原子之间的耦合是反铁磁性的,当有足够的空穴载流子存在时能够稳定铁磁相;Ga空位虽然能够提供空穴稳定铁磁相,但是由于在p型GaN中Ga空位的形成能较高而难以形成;而间隙N缺陷和间隙O缺陷的形成能较低,能够稳定GaN∶Gd体系的铁磁相并且能够分别引入1μB和2μB的磁矩,因此认为间隙N和O可能是巨大磁矩的来源.     

X70钢在模拟酸雨溶液中及其液膜下的腐蚀行为研究

采用交流阻抗法和极化曲线法研究了X70钢在模拟酸雨溶液中及其薄层液膜下的腐蚀行为.研究结果表明:在pH值为2.40³.50的模拟酸雨溶液中,X70钢的阻抗谱表现为一个时间常数,X70钢的腐蚀受电荷传递过程控制.X70钢的腐蚀速率和腐蚀电位随着溶液pH值升高而降低.在薄层液膜下,液膜厚度的减薄抑制了腐蚀的阴、阳极过程.液膜厚度的减薄,电荷传递电阻增大,X70钢的腐蚀速率降低.     

ZnO-Sb2O3-P2O5系统玻璃的制备与性能

用熔体冷却方法制备了xSb2O3-(70-x)P2O5-30ZnO(x=0~40mol)和xSb2O3-(65-x)ZnO-35P2O5(x=0~40mol)系统无铅易熔玻璃,研究了ZnO-Sb2O3-P2O系统玻璃的形成区。采用热膨胀仪和红外光谱仪等对ZnO-Sb2O3-P2O5系统玻璃的结构及性能进行了研究和分析。结果表明,在ZnOSb2O3-P2O5系统玻璃中,Sb2O3参与网络结构。随着Sb2O3含量的增加,玻璃的软化点降低,密度和化学稳定性增加。在Sb2O3摩尔分数为35%左右时,系统玻璃的结构和性能比较优异。     

自然环境中混凝土内湿度响应规律

基于饱和水汽压方程探讨了湿度采用相对湿度和水汽密度表达形式间的关联,并通过理论推导和现场实测法研究了自然环境中空气湿度变化和混凝土内不同深度处湿度响应规律,从而建立了自然环境湿度作用谱和混凝土内湿度响应谱模型.试验结果表明:所构筑的自然环境湿度作用谱和混凝土内湿度响应谱模型可用于描述环境湿度变化与混凝土内湿度响应规律.自然环境相对湿度曲线随时间发生周期性波动,而混凝土内湿度随距表层深度的增加而增大且一定深度处相对湿度短时间内基本恒定.与采用相对湿度表达形式相比,采用水汽密度表达形式可更好地定量表征不同环境条件下的环境湿度变化规律.     

基于图像分析的粗粒煤堆密度组成估计

针对煤样密度组成人工测量的滞后性,提出了一种基于图像分析的粗粒煤堆密度组成实时估计方法.引入煤堆图像定向分割算法和全局分割算法,提取了50个煤粒表面特征参数,根据其随密度级的变化趋势筛选出了3个有效特征参数,利用改进的KNN算法预测煤粒密度级,并结合煤粒质量模型实时估计煤堆密度组成.测试结果表明,粗粒煤堆密度组成估计的绝对误差最高为7.15%,最低为1.41%.