大流速渗透地层立井冻结方案优化及影响因素分析

为了解决冻结壁在大流速地下水作用下交圈时间增加甚至无法交圈的工程问题,提出"注浆+加强冻结"的优化方案。基于自主构建的水热耦合数学模型,运用COMSOL数值计算软件对不同注浆区域布置角度(20°、30°、40°、50°、60°)、不同加强冻结管布置角度(5°、10°、15°、20°)的优化效果进行预测分析。研究成果可以指导大流速渗透地层富水矿井施工。     

电流密度对Ni-Fe纳米合金微观结构及性能的影响

通过电沉积制取大块Ni-Fe纳米合金,利用XRD、TEM、SEM等研究了Ni-Fe纳米合金(平均晶粒尺寸约20 nm)的微观结构和变形机制,用单向拉伸试验机(MTS810)测试单向拉伸性能,表明这种合金的抗拉强度近2 GPa,伸长率可达10.9%.Ni-Fe纳米合金对应变速率敏感较小,塑性变形导致了合金的晶粒长大,同时变形孪生和位错运动也起到一定作用.试验结果表明,纳米合金的塑性变形受晶界活动的影响.     

热处理温度对机械合金化合成Ti3AlC2粉体纯度的影响

采用放电等离子烧结(SPS)系统对含有TiC等杂质相的机械合金化(MA)合成的Ti3AlC2粉体进行热处理,研究了热处理温度对粉体中Tti3AlC2纯度的影响.结果表明:SPS无压加热处理可以显著提高机械合金化合成粉体中Ti3AlC2的含量.经SPS热处理的粉体中Ti2AlC2的含量在600～1000℃范围内随热处理温度的提高而增加,温度不高于900℃时处理后的粉体还基本保持粉体特征.当温度为1000℃时,得到产物中Ti3AlC2纯度可达到93%.通过对点阵常数测定可知随着热处理温度的提高Ti3AlC2点阵常数逐渐接近理论值.     

机械合金化+烧结制备TiC/Ti3SiC2复合材料

以Ti、Si和C单质粉末为原料,采用机械合金化合成了TiC/Ti3SiC2混合粉体,并用放电等离子烧结球磨粉体制备了致密的TiC/Ti3SiC2陶瓷。结果表明,机械合金化可以合成由TiC和Ti3SiC2组成的混合粉体,同时还可以细化晶粒,促进烧结的致密化过程。在1200℃下,保温5min,加压30MPa,对机械合金化1h时的粉体进行放电等离子烧结可制备相对密度高达99.1%的TiC/Ti3SiC2复合陶瓷。     

高纯度Ti3SiC2粉体的制备及真空热处理

以3Ti/S i/2C/0.2A l粉体为原料通过机械合金化制备了Ti3S iC2粉体,用X射线衍射仪和扫描电镜对机械合金化粉体和热处理粉体进行相分析和颗粒形貌观察,研究了真空热处理温度对机械合金化制备Ti3S iC2粉体纯度的影响。结果表明,3Ti/S i/2C粉体球磨10 h可获得由TiC、Ti3S iC2、TiS i2组成的混合粉体,粉体中的Ti3S iC2含量最高可达到83wt%。在热处理温度为700~1000℃内Ti3S iC2粉末粉体含量随温度的提高而增加,当热处理温度为1000℃时,其含量可达到98wt%以上。     

低温合成Ti3SiC2陶瓷

采用机械合金化和放电等离子烧结技术制备了纯度较高的Ti3SiC2陶瓷,研究了微量Al对Ti3SiC2的机械合金化和放电等离子烧结过程的影响.结果表明:添加适量的Al可以显著提高机械合金化及放电等离子烧结产物中Ti3SiC2的含量,并显著降低高纯度Ti3SiC2的烧结温度.机械合金化10h,成分为3Ti/Si/2C/0.2Al(摩尔比)的混合粉体,经850℃放电等离子烧结可获得质量分数(下同)高达96%的Ti3SiC2块体,烧结温度提高到1 100℃,可获得纯度为99.3%、相对密度高达98.9%的Ti3SiC2致密块体.     

硅谐振式钻井液密度传感器调校方法

传统钻井液密度传感器其变送器大多采用压敏电容式工作原理,存在准确度低、易损坏、易漂移等缺点。该文介绍了一种新型硅谐振式变送器的钻井液密度传感器,能较好克服上述缺点;文章简述了其工作与调校原理;通过对电容式钻井液密度传感器的分析,阐明了硅谐振式钻井液密度传感器在性能上的优点;具体介绍了硅谐振式密度传感器的调校方法与步骤。     

基于RBF神经网络代理模型的装载机空调送风参数优化

装载机在夏季高温环境中作业时,为提高其空调降温效果,故以驾驶室内座椅区域的热流量和平衡温度为优化目标,对送风速度、温度、角度3个空调送风参数进行优化研究。首先,对装载机驾驶室内部流场进行分析,利用Isight优化设计平台集成Fluent;其次,选用最优拉丁超立方设计获取样本点,采用径向基函数（RBF）神经网络代理模型;最后,结合遗传算法对装载机空调送风参数进行多目标优化,通过实验对优化结果进行验证。结果表明：优化后装载机驾驶室内座椅区域的热流量增加了55.03 W,平衡温度略有降低,驾驶室内获得较好的气流组织,散热效果明显改善。     

基于GMM-ICSA的光谱重叠峰分解研究

针对X射线荧光光谱法(XRF)中Pb元素和As元素的重叠峰导致的元素浓度建模困难、乌鸦搜索算法(CSA)鲁棒性较弱等问题,将高斯混合模型(GMM)与改进型乌鸦算法(ICSA)相结合来实现重叠峰的分解。ICSA相比于CSA的改进主要有:引入了“乌鸦反哺”的特性,将GMM与ICSA更好的衔接在一起;将固定的意识概率更改为梯度型,使种群迭代更有多样性;适当调整了全局的优化策略,使算法更稳定收敛更快。将GMM模型与GMM-ICSA模型作对比实验,可得优化后的模型分解精度提升了4.93%;同时以均方误差和迭代时间为衡量搜索算法的标准,将ICSA与同类型的4种算法做了对比实验得出:CSA的均方误差和迭代时间均优于其他算法,从而表明改进后的算法能处理重叠峰问题的可行性。