排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
2.
以实验室模拟CSP连铸连轧工艺制备的热轧硅钢为基板,通过实验室常化、冷轧和初次再结晶退火实验,采用XRD和EBSD技术对样品从热轧到初次再结晶阶段的织构演变进行了研究。结果表明:GOSS晶粒起源于热轧的次表层,沿着次表层到中心层逐渐降低,热轧板中心层主要为{001}110织构。一次冷轧后,次表层存在强的{001}110和{112}110织构;1/4层存在强的{001}110和{112}110以及较强的{111}112织构;中心层则只存在强的{001}110织构。初次再结晶后,硅钢形成了强点{111}112织构的γ织构,GOSS织构再次出现,且分布在{111}112织构周围。GOSS晶粒周围以35°~55°大角度晶界为主,同时还有很高的Σ3和Σ5重合位置点阵。 相似文献
3.
采用背散射衍射技术(EBSD)研究了3.13 mm热轧板的冷轧压下量(65%~80%)和再结晶退火温度(660~780℃)对0.64~1.10 mm Ti-IF钢冷轧板(/%:0.02C、0.01Si、0.10Mn、0.013P、0.011S、0.064 Ti、0.028Al、0.002 0N)的织构和成型性能应变硬化指数(n)、塑性应变比(r)的影响。结果表明,Ti-IF钢冷轧板在冷轧压下率为75%时{111}织构含量最大,成型性能最佳;在740℃以下再结晶退火时材料{111}<110>织构含量高,高于740℃时材料{111}<112>织构含量高;在660~780℃再结晶退火随温度增高,材料{111}织构含量增加,成型性能提高。 相似文献
4.
在电力系统中, 配电调度是一个复杂且统筹性较强的工作, 大多依赖于工作人员的经验和主观判断, 极易出现纰漏. 所以急需利用智能化手段来帮助检修计划的分析与生成. 命名实体识别是构建配电网知识图谱以及问答系统等任务的关键技术, 它能够将非结构化数据中的命名实体识别出来. 针对配电检修数据的复杂性及强关联性等特点, 本文采用BERT-IDCNN-BiLSTM-CRF深度学习模型. 该模型相较于传统的BERT-BiLSTM-CRF模型, 融入IDCNN神经网络模型, 更好地利用GPU的性能, 在保证识别准确率的前提下, 提高效率. 通过对标注好的检修计划数据进行训练, 并与其他常用模型对比, 在召回率、精确率以及F1值3个指标上, 本文提出的模型均达到最优的效果, F1值可以达到83.1%, 该模型在配电网数据识别任务上取得了很好的效果. 相似文献
5.
1