层状Al_(2)O_(3)/EP复合材料的可控制备及性能研究

采用冰模板法构筑具有层状结构的Al_(2)O_(3)三维网络骨架,并通过真空浸渍工艺制备出Al_(2)O_(3)/环氧树脂(EP)复合材料。研究了楔形硅橡胶角度、浆料固相含量、冷冻温度对层状Al_(2)O_(3)三维网络骨架微观结构的影响,分析了片层间距对Al_(2)O_(3)/EP复合材料导热、介电和绝缘性能的影响。结果表明:楔形硅橡胶角度为10°和15°时Al_(2)O_(3)三维网络骨架的层状有序性最佳,固相含量的增加和冷冻温度的降低均会使片层间距减小;Al_(2)O_(3)/EP复合材料的热导率和介电常数随着片层间距的减小而增大,但体积电阻率呈降低趋势;当片层间距为45μm时,热导率达到0.52 W/(m·K),体积电阻率为10^(12)Ω·cm。

Al_(2)O_(3)/C@Super P@PP改性隔膜的电化学性能

将前驱体Al-金属有机骨架(MOF)高温炭化,得到衍生的Al_(2)O_(3)/C复合材料,然后与导电剂导电碳黑Super P混合,制备Al_(2)O_(3)/C@Super P@PP改性隔膜,并用于锂硫电池。XRD和SEM分析结果表明,前驱体及衍生物具有良好的结晶性和纳米结构。通过循环伏安(CV)、电化学阻抗谱(EIS)测试等研究材料的电化学性能。通过刮涂法制备的Al_(2)O_(3)/C@Super P@PP改性隔膜样品具有良好的循环稳定性和较长的循环寿命。在1.7~2.8 V充放电,当电流为0.2 C时,第100次循环的放电比容量保持在874.7 mAh/g;当电流为1.0 C时,第250次循环的放电比容量仍能保持在446.6 mAh/g。

Al_2O_3/13TiO_2涂层材料去除方式的在线预测

运用BP神经网络对纳米结构Al_2O_3/13TiO_2(n～Al_2O_3/13TiO_2)涂层精密磨削材料去除方式进行在线预报。结果表明,利用BP网络的高度非线性映射表达能力,实现了样本特征值空间到模式空间的映射,采用弹性BP算法对不同磨削条件下的n～Al_2O_3/13TiO_2涂层精密磨削材料去除方式进行了预报,且识别正确率很高。

轴承表面 Al_(2)O_(3) 基陶瓷绝缘涂层的粗糙度预测

为了提升轴承表面Al_(2)O_(3)基陶瓷绝缘涂层的粗糙度预测精度,提出基于光谱共焦原理的砂轮表面测量及磨粒特征参数量化方法,以砂轮表面的磨粒特征参数K,砂轮线速度vs,工件进给速度f,切削深度ap及法向磨削力F为输入参数,建立能够直接反映砂轮表面时变状态的工件表面粗糙度BP神经网络预测模型,并通过已知磨削样本及砂轮磨损后的4组未知样本对网络预测模型性能进行验证。结果表明:已知样本的BP网络模型粗糙度预测结果与实际结果的规律及数值较为一致,其网络输出误差均<±0.04μm;4组未知样本的网络预测精度下降,但其相对误差最大值的绝对值不超过20.00%。建立的包含砂轮表面磨粒特征参数的神经网络预测模型,可以适应砂轮磨粒磨损时变状态下的轴承表面Al_(2)O_(3)基陶瓷绝缘涂层的粗糙度预测,且其对未知样本具有一定的泛化能力。