Cr对低碳Si-Mn系TRIP钢组织与力学性能的影响

主要研究了Cr对低碳Si-Mn系TRIP钢组织与力学性能的影响。首先利用Formastor-F型膨胀仪测定了含Cr和不含Cr两种低碳钢的连续冷却转变(CCT)曲线,分析指出了Cr对连续退火工艺的潜在影响;然后采用Gleeble-3800热/力模拟试验机对两种钢的薄板试样进行了连续退火模拟实验,并通过拉伸试验测定了力学性能;最后采用金相、扫描电镜、X-射线衍射分析等技术考察分析了两种钢的显微组织。结果表明:含Cr的TRIP钢的组织比较细小,铁素体晶粒近似等轴分布;两种TRIP钢的残余奥氏体含量相近,但含Cr钢的残余奥氏体中的含碳量较高。分析认为这是由于含Cr钢在热轧阶段较易生成细小的组织,而在热处理阶段则抑制贝氏体的生成,最终获得稳定的残余奥氏体。     

SIMA制备半固态LYll合金的工艺研究

研究了应变诱发熔化激活法(SIMA)制备半固态LYll合金过程中的变形温度、变形速度、等温温度和保温时间等工艺参数对LYll合金组织演变的影响。研究结果表明，要获得均匀、细小的非枝晶组织，必须合理地匹配SIMA工艺参数。     

SSM过程模拟仿真技术

介绍了模拟仿真技术在半固态金属成形 (SSM )中的研究现状 ,展望SSM过程模拟仿真技术的发展趋势。     

基于P2P机制的网格资源发现的研究

资源发现在网格的资源管理中占有重要的地位。本文首先简明描述了当前网格资源发现中存在的问题并指出了几种P2P模型中资源查找方式的优缺点。将P2P非结构化模型的思想引入到网格资源发现,提出Grid—P2P模型,给出了Super—peer层资源发现的算法描述。     

Al-4Cu-Mg合金半固态压缩时微观组织的计算模型

研究了Al-4Cu-Mg合金半固态压缩变形过程中微观组织参数的变化.结合模糊数学和人工神经网络理论,以Al-4Cu-Mg合金半固态压缩变形时的变形温度、变形程度和应变速率为输入参数,以变形后的晶粒等效直径或分形维数为输出参数,建立了Al-4Cu-Mg合金半固态压缩时的微观组织计算模型.研究结果表明,计算结果与实验结果吻合较好.因此,应用本模型可对Al-4Cu-Mg合金半固态成形过程中的微观组织演变进行预测,为优化变形工艺参数提供了简便、适用的方法.     

锰元素对TWIP钢层错能和变形机制的影响

根据层错能的热力学模型,计算了Fe-XMn-3Si-3Al 系高强度高塑性TWIP钢的层错能.计算结果表明,随锰含量增加Fe-XMn-3Si-3Al系 TWIP钢层错能增加,在此基础上讨论了锰含量对Fe-XMn-3Si-3Al 系TWIP钢变形机制、力学性能和微观组织的影响.在合金中Mn含量的提高使层错能增加,而层错能的增加使Fe-XMn-3Si-3Al系钢表现出不同的变形机制,即逐渐由TRIP效应变为TWIP效应;同时随着Mn含量的提高,合金的抗拉强度降低,而塑性提高.     

工艺参数对半固态Al-4Cu-Mg 合金力学行为的影响

在热模拟实验的基础上,研究了各工艺参数对半固态和供应态Al-4Cu-Mg合金变形力学行为的影响.研究结果表明:在液-固温度区间变形时,变形温度、应变速率对半固态和供应态Al-4Cu-Mg合金的流变应力峰值影响显著,对稳态流变应力影响较小.当变形温度超过某一临界值后,流变应力随变形温度的变化趋于稳定.在固相温度区间变形时,半固态与供应态材料流变应力的变化趋势基本一致,变形均为固相间的塑性变形.但供应态Al-4Cu-Mg合金的原始变形组织和半固态Al-4Cu-Mg合金的球状组织对变形的影响有所不同.     

中波广播电视发射塔电磁辐射场强理论计算分析

该文介绍了中波台台站发射塔类型、中波发射特点、发射天线类型、发射天线特性参数以及电磁辐射评价标准,并根据相关导则推荐的电磁辐射理论预测模型公式预测中波台运行时产生的电场强度对周围环境的影响,按国家标准规定的控制限值划定电磁辐射防护区域,区域内禁止无关人员进入,从而降低对周围居民健康的影响,并为中波台的后期运行管理提供依据。     

热轧带钢表面麻点缺陷研究及对酸洗影响分析

针对热轧带钢表面存在的麻点缺陷,利用扫描电镜（SEM）和能谱仪（EDS）分析了麻点缺陷的形貌与元素构成,并在实验室进行了模拟酸洗试验。结果表明：麻点缺陷表现为氧化铁皮脱落和压入,一方面因Mn含量控制不当导致氧化铁皮脱落,另一方面粗轧过程中除鳞不彻底导致精轧过程中氧化铁皮压入,两者综合导致了麻点缺陷的产生。麻点缺陷在酸洗后会在带钢表面留下凹坑,且凹坑可能会保留到冷轧板上,在冷轧时造成轧辊氧化膜脱落,形成新的氧化铁皮压入缺陷,影响钢卷表面质量。     

基于人工神经网络与遗传算法的Al-Mg-Si系合金抗拉强度预测模型

为了研究Al-Mg-Si系合金热处理制度和合金成分对力学性能的影响规律,采用人工神经网络（artificial neural network, ANN）和遗传算法（genetic algorithm, GA）相结合的方法,构建了Al-Mg-Si系合金强度预测模型（ANN-GA模型）。通过单因素和双因素分析,研究了合金元素含量和热处理工艺参数对铝合金抗拉强度的影响规律。结果表明,随着Si含量的增加,铝合金的抗拉强度呈现先降低后升高的趋势;随着Mg含量的增加、Cu含量的增加或者Fe含量的减少,铝合金的抗拉强度整体上呈现升高的趋势。双因素分析更能反映输入参数对铝合金抗拉强度的影响。Mg/Si比、Mg+Si总量和时效时间对Al-Mg-Si系合金力学性能的影响显著。铝合金的硬度随时间的变化趋势与ANN-GA模型的计算结果一致,峰值时效时间为29 h,相对误差为11.86%。