RTM快速成型环氧树脂时间-温度-转变图的构建及其碳纤维/环氧树脂复合材料评价

针对自行研制的树脂传递模塑工艺(RTM)快速成型环氧树脂,利用唯象动力学模型、DiBenedetto方程和凝胶模型研究了树脂体系的等温及非等温固化动力学,构建了时间-温度-转变(TTT)的关系图,表明树脂体系兼具较长的适用期与快速固化特性。以此设计RTM快速成型工艺,考察了树脂体系对碳纤维织物的浸润流动行为,并评价了快速成型碳纤维/环氧树脂复合材料的界面力学性能与微观形貌。结果表明,注射温度下树脂体系的浸润填充性良好,RTM快速成型碳纤维/环氧树脂复合材料的力学性能和内部成型质量较好。

Cu-Zr二元系非晶合金的玻璃形成能力预测

按照无序固溶模型和线性化合物自由能模型,对Cu-Zr二元系合金过冷熔体的结晶驱动力采用Turnbull和Thompson-Spaepen(TS)两种近似公式进行了计算.以连续形核理论为基础,利用Davies-Uhlmann公式计算了八种成分合金的两组温度-时间转变(TTT)曲线和临界冷却速度.计算结果表明,关于玻璃形成能力的两组计算值与实验值都比较吻合,利用TS公式计算得到的临界冷却速率更接近实验值,说明该方法能更好地预测Cu-Zr二元体系的玻璃形成能力.

Cu-Zr-Ti三元系非晶合金的玻璃形成能力预测

利用CALPHAD技术，分别采用Turnbull和Thompson-Spaepen（TS）两种近似公式计算了Cu-Zr-Ti三元系合金过冷熔体转变为晶体相的结晶驱动力。以连续形核理论为基础，利用Davies-Uhlmann公式计算了13种成分合金的两组温度-时间-转变曲线（rm和临界冷却速度。计算的Cu-Zr-Ti合金的两组临界冷却速度分别为1．38×10^2-7．34×10^5K/s和O．64～1．36×10^4K／s。结果表明：两组计算值与实验值都定性吻合，利用Ts公式计算得到的临界冷却速度更接近实验值。因此利用CALPHAD和动力学结合的方法能很好地预测Cu-Zr-Ti三元体系的玻璃形成能力（GFA）。

7A36铝合金挤压板材的TTT曲线与淬火析出行为

采用分级淬火实验获得7A36铝合金挤压板材的时间-温度-转变(TTT)曲线,通过计算相图结合光学显微镜、扫描电镜、透射电镜、扫描透射电镜和高分辨透射电镜等分析手段研究淬火析出行为。结果表明:抑制合金相转变0.5%的临界淬火速率约为15.7℃/s,10%TTT曲线的鼻尖温度约为338℃,鼻尖处的转变时间约为22 s。在不同等温保温样品中观察到η(MgZn_(2))相、T(Al_(2)Zn_(3)Mg_(3))相、S(Al_(2)CuMg)相和富Cu-Zn的Y相等淬火析出相,并将其析出行为描述在TTT曲线中,绘制成时间-温度-析出相图。η平衡相依次在晶界、亚晶界和弥散粒子上形核长大,等温保温的温度越高,η相的尺寸越大。电导率随保温温度的升高先增大后减小;在420℃等温保温时,电导率升高是由于η相和T相的析出引起,在330℃和240℃等温保温时,电导率升高是由于η相、T相、S相和Y相析出的共同作用。

萤石含量对连铸保护渣结晶性能的影响

通过热丝法得出保护渣连续冷却转变（CCT）和时间-温度转变（TTT）曲线,并用偏光显微分析和X-射线衍射分析方法研究了萤石含量（8%~16%）对碱度1.0的薄板坯连铸结晶器保护渣结晶性能的影响。结果表明,萤石含量每增加2%,保护渣的临界冷却速度平均增加2.5℃;同一冷却速度下,随保护渣中萤石含量的增加,结晶温度升高,结晶率增大,有利于提高界面热阻,控制渣膜传热,减少铸坯表面裂纹产生;因萤石含量超过14%时,渣膜中大量生成结晶矿物枪晶石,对连铸润滑要求较高的钢种,应控制萤石含量≤14%。

TTT分析在陶瓷烧成质量控制中的研究和应用

本文介绍了TTT(time-temperature-transformation)分析的工作原理和应用方法,主要介绍了它在陶瓷烧成工艺控制中的作用。以红砖烧成中TTT分析的结果为例用图表的形式加以说明。实践证明,这是一种有效的质量跟踪和控制手段,对指导工厂生产、稳定和提高烧成质量起到积极的作用。它和差热(DTA)、热重(TG)、热膨胀分析相比,更适合在工厂中应用,作为一种动态、在线的质量控制手段有着广泛的应用前景。

基于组合式机器学习的Cr系合金结构钢的TTT图

时间-温度-转变(TTT)图是制定钢的优化热处理工艺的重要工具,但是实验测定相当耗时且昂贵,并且计算方法也较为单一。因此,有必要开发一种快速准确预测TTT图的替代方法。本文将Artificial Neural Network(ANN)、K-Nearest Neighbor(IBK)、Bootstrap Aggregating(Bagging)、Random Committee(RC)、Gaussian Processes(GP)、Self-Organizing Maps(SOM)和Random Forest(RF)算法结合起来,形成组合式机器学习(CML)算法,用于预测Cr系合金结构钢的TTT图,其参数包括了合金化元素、奥氏体化温度和时间。使用相关系数(CC)、误差分析(RMSE、MAE)和性能拟合进行验证和筛选模型。本项工作应用CML模型来预测4种Cr系合金钢的TTT图,以评估模型的预测能力。最后,还将CML模型的预测结果与JMatPro软件的预测结果进行了比较。结果表明:与JMatPro相比,CML模型误差值小,预测结果与实际值较为接近。