球化组织对AISI 420型钢淬回火特性及耐蚀性能的影响

对比研究了两种AISI 420型钢球化组织的平均粒径和圆整度，并对两种钢材进行了不同淬火和回火处理工艺.然后通过硬度测试、扫描电子显微镜（SEM）和X射线衍射仪（XRD）来比较球化组织对淬回火特性的影响，同时借助动电位极化曲线测试和质量分数3.5% NaCl溶液浸泡腐蚀来分析耐蚀性能的差异.结果表明:细小弥散的球化组织在淬火时可以提高AISI 420型钢的C元素的固溶量，提高了其淬硬性，但是会提高残留奥氏体的含量；尺寸更小的退火态碳化物可以使AISI 420型钢的基体在奥氏体化过程中溶解更多的Cr元素，从而使得其在淬回火后基体Cr含量更高，减小贫Cr区产生几率，最终显示出更好的点蚀抗力；更少的大尺寸的未溶碳化物在腐蚀环境中降低了点蚀形核几率，提高了AISI 420型钢的耐蚀性能.所以在250℃回火时，AISI 420型钢耐蚀性好且硬度高，在480℃回火后，耐蚀性最差.      

基于小波时频图和卷积神经网络的断路器故障诊断分析

高压断路器操动机构振动信号为非平稳性信号,蕴含着丰富的操动机构工作状态的信息,对操动机构工作状态的检验辨识具有重大意义。提出一种基于小波时频图和卷积神经网络的断路器故障诊断方法。对操动机构振动信号进行连续小波变换生成时频图(CWT),并对时频图进行统一压缩预处理;将预处理后的时频图作为特征图输入卷积神经网络AlexNet模型;通过对网络参数的调整,逐步改进网络模型,有监督地实现对操动机构故障状态的辨识诊断。结果表明,该方法能够有效地运用于断路器操动机构故障辨识诊断,与小波频带能量-RBF、小波频带能量-SVM的故障识别相比,故障识别准确率最高。     

回火温度对4Cr13塑料模具钢组织与耐蚀性能的影响

利用金相显微镜、扫描电镜、硬度测试及CS350电化学工作站等试验分析手段,研究了回火温度对4Cr13塑料模具钢的显微组织和耐腐蚀性能的影响。结果表明:随着回火温度的升高,马氏体的板条形态基本不变,碳化物先呈细小弥散颗粒状析出,后逐渐聚集长大呈片状,碳化物的聚集长大会降低4Cr13钢的耐蚀性能,其中300℃回火的4Cr13钢的耐蚀性最好。综合考虑,4Cr13钢应在200～300℃回火,且应避免在二次硬化峰附近的温度回火。     

SDPM钢高硬度均匀性热处理工艺研究

利用热膨胀仪对塑料模具钢SDPM在不同冷速下的过冷奥氏体连续冷却转变行为进行了研究,并探讨了不同淬火方式获得的两种组织经不同温度回火后的组织和硬度的变化规律。结果表明:SDPM钢过冷奥氏体连续冷却过程只包括贝氏体和马氏体转变,而无珠光体或铁素体转变;当冷速在0.02~0.5℃/s时,转变产物以贝氏体和M/A岛混合组织为主;当冷速大于0.5℃/s时,转变产物以马氏体转变为主。SDPM钢的回火温度从510℃升高到570℃,马氏体淬火组织的硬度从40.3 HRC下降到37.7 HRC,等温贝氏体淬火组织硬度从39.5 HRC下降到38.2 HRC;继续升高回火温度到610℃时,马氏体淬火组织硬度下降到32.8 HRC,等温贝氏体组织硬度下降到33.6 HRC。获得最佳硬度均匀性的回火温度为550℃。     

双胺芴的合成方法研究

本文研究了双胺芴合成方法以及不同条件对反应的影响,探讨了不同酸盐的催化效果、催化剂用量、苯胺用量、反应温度、反应时间等因素对双胺芴产率的影响。实验结果表明,当n(苯胺)：n(PhNH2?HCl):n(芴酮)=10：1.5：1时,控制反应温度在130 ℃,反应6小时,双胺芴的产率最高为88.3%。     

双酚芴的研究进展

双酚芴具有良好的耐热性,优良的折射率和透明度,故在合成环氧树脂、聚碳酸酯、聚醚及聚酯中有广泛的应用。双酚芴的合成有很多方法,而本文主要介绍了用浓硫酸催化合成双酚芴的方法。     

让你玩得最HI：前卫3D游戏手机精品推介

尽管2005年是中国的手机游戏年，但厂商们都发现，人们对移动娱乐的要求也越来越高了。事实上。在手机游戏的春天已经悄然来临的今天。3D游戏手机是吸引年青人娱乐的最大法宝，它的优势，就是便携、小巧、随时随地，是一个新的发展方向，并由此产生新的游戏手机市场巨大潜力，吸引着各大手机厂商们纷纷加入。     

MPLS在企业IP Call Center中的应用研究

本文首先对现今企业CallCenter业务的QoS需求进行了分析。然后将各种IPQoS模型进行对比,选择了基于Diff Serv／MPLS VPN的QoS策略。与此同时,在实验环境中,对数据流的QoS进行分析。由此可见,Diff Serv结合MPLS的网络,能够有效地解决IP Call Center服务质量的问题。最后得出解决企业IP Call Center服务质量的方案。     

基于SSA-BiLSTM-AM的短期风电功率预测

风电功率的准确预测可以有效地减少并网波动。现有的风电功率预测模型存在输入特征过多、超参数选择难、时序过长易丢失重要信息等问题。为此,提出了一种麻雀搜索算法(SSA)优化双向长短时记忆(BiLSTM)加注意力机制(AM)的短期风电功率融合预测模型。首先,SSA对BiLSTM神经网络的节点数、学习率和训练次数等超参数进行寻优,确认最佳参数;然后,引入AM对BiLSTM的输入特征分配不同权重,强化关键特征;最后,应用所提模型对新疆210 MW风电场的风电功率进行预测,并与其他模型的预测结果对比。结果表明,SSA-BiLSTM-AM预测模型的均方根误差(RMSE)为5.411 4、平均绝对误差(MAE)为3.674 9,显著优于其他模型的预测精度,证明了SSA优化算法和AM能够有效提高风电机组的短期功率预测精度。     

基于EEMD和卷积神经网络的高压断路器故障诊断

高压断路器分合闸线圈的电流信号蕴含着丰富的断路器操动机构状态信息,对操动机构故障诊断具有重大意义.首先,文中通过集合经验模态分解(ensemble empirical mode decomposition,EEMD)具备的检测突变点性能确定有效分合闸线圈电流信号段,并对其进行EEMD自适应降噪处理.其次,运用时域求极值...