排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
利用SEM、XRD、EPMA等试验方法,对不同退火、固溶以及时效工艺下Fe-Mn-Al-C钢的组织演变规律和力学性能进行研究。结果表明,900~1050℃退火温度对试验钢的组织与性能影响较大,随着退火温度的升高晶粒尺寸增大、碳化物逐渐回溶,强度降低、塑韧性提高,在1050℃保温2 h空冷时抗拉强度为1036 MPa,断后伸长率为39%,冲击功41 J,强塑积40 GPa·%;经1050℃保温2 h水冷固溶后时效处理,试验钢组织为奥氏体+铁素体+κ碳化物,随着时效温度的增高,κ碳化物逐渐析出,使试验钢的强度增加、塑韧性降低。600℃时效时,抗拉强度1145 MPa、断后伸长率22%、冲击功28 J,综合力学性能全部满足设计要求。 相似文献
5.
灰霾的成因、污染特征及健康危害 总被引:1,自引:0,他引:1
随着城市化进程的迅速发展,城市大气污染加剧,灰霾天气也随之增多。文章综述了灰霾天气的成因及其健康危害,分析了灰霾和能见度的相关性,并从大气颗粒物的时空分布和污染水平两方面分析了灰霾期间的污染特征,介绍了国内外对灰霾天气大气污染的研究进展。 相似文献
7.
为提高变形抗力预测精度,以兴澄特钢中厚板轧机实际生产数据为基础,针对性提出2种利用机器学习对变形抗力进行预测的方法:一种是极限学习机(ELM)与传统数学模型结合的多钢种变形抗力模型及建模方法,另一种是基于TensorFlow深度学习框架的变形抗力模型及建模方法。方法一参考周纪华-管克智变形抗力模型,改进原变形抗力模型结构形式,计算出低合金钢、合金钢及高合金钢代表钢种的基准变形抗力;通过非线性回归计算出与钢种无关的变形参数影响系数,引进ELM神经网络算法,采用灰色关联分析及交叉验证优选神经网络参数,通过线性插值对预测结果进行平滑处理,减小ELM预测残差,最后与传统数学模型相结合得到变形抗力。方法二基于深度学习技术,结合机理,构建2种不同结构的深度神经网络,采用小批量(minibatch)和均方根传播(RMSprop)优化算法寻优,结合批标准化(BN)和早停(early stopping)正则化策略提高模型泛化能力与稳定性,最后综合工艺特性,分别对粗轧机(RM)、精轧机(FM)建立变形抗力预测模型,提高模型精度。研究结果表明,利用深度学习预测变形抗力具有较高的预测精度,经离线分析,平均绝对... 相似文献
1