孔挤压强化对FGH95合金室温及高温疲劳性能的影响

孔是一种典型的应力集中结构。本文研究了芯棒直接冷挤压对FGH95合金试样中心孔的高、低温疲劳寿命的影响规律,并采用扫描电镜、粗糙度仪、X射线应力测量仪及显微硬度计等仪器分析了疲劳断口和孔壁表面完整性主要参数,探讨了FGH95合金孔挤压强化机制。结果表明:相比未挤压试样,孔挤压试样在室温、650MPa的中值疲劳寿命提高了0.9倍以上,而527℃、575MPa的中值疲劳寿命提高了10.3倍以上。分析表明,孔壁经冷挤压后,孔壁表面粗糙度大幅下降,孔壁沿径向形成了一定深度的残余压应力层和组织硬化层,对中心孔试样的室温、高温疲劳寿命的提升具有重要作用。另外,晶界的存在和相邻晶粒的晶体学取向差异会对疲劳裂纹扩展路径产生显著的影响。     

300M钢制内螺纹冷挤压研究

研究300M超高强度钢内螺纹的冷挤压成形以及工件预制底孔直径、冷却润滑液等因素对其内螺纹挤压成形的影响;对挤压螺纹轴截面上的显微硬度进行了测试,并对显微硬度的特征进行了详细分析,与45钢进行对比以此来表征挤压强化效果。     

Al2O3—Ti系梯度功能材料的优化设计

对Ａｌ３Ｏ３－Ｔｉ系梯度功能材料在制备过程中产生的残余热应力进行了弹性有限元法分析。讨论了梯度层数目,梯度层厚度和成分梯度指数对应力大小和分布的影响,优化出了各项最佳参数。非线度功能材料与优化后的梯度功能材料的残余热应力对比结果显示;梯度功能材料缓和热应力的效果十分显著。     

纳米尺度下材料显微硬度测试原理的研究

给出了一种在纳米尺度下测试材料显微硬度的原理,并对这种原理进行了理论分析和试验验证。     

刷式密封结构GH4169+Haynes214电子束焊接组织及密封性能研究

为了发展航空用先进的柔性密封技术,采用电子束焊接对GH4169+Haynes214刷丝进行了刷式密封结构的研制,研究了不同的焊接工艺对焊缝成形规律的影响,焊接接头的组织特征、显微硬度及密封性能。结果表明,采用电子束焊接技术能够获得成形良好、无裂纹和气孔的焊接接头。焊缝组织为横向短枝晶、长主轴的树枝状晶,主要是由γ相、γ’相及γ’’相（Ni3Nb）构成,在横向枝晶间形成共晶组织（γ+Laves）。熔合线区的碳化物在热循环下发生了长大,在晶界上团聚。焊接接头的显微硬度呈近似对称分布,焊缝区域的平均硬度约435HV,小于GH4169母材（约540HV）,由于焊缝区域主要为Haynes214,其Ni和Al的含量高,在焊缝凝固时Haynes214与GH4169的合金元素发生了混合,凝固后的焊缝组织差异引起显微硬度变化。刷式密封结构常温（20℃）和高温（403℃）的泄漏率均小于20 g/s。常温（20℃）下泄漏系数稳定在0.006附近,小于预期泄漏系数0.007,当加温到403℃条件时,随着压力升高泄漏系数逐渐升高,最终稳定在0.004左右,表明刷式密封结构具有优越的密封性能,可在航空航天发动机上...     

热氧化对TA18钛合金耐腐蚀磨损性能的影响

选用TA18钛合金为材料,在箱式电阻炉中对其进行不同温度热氧化处理。利用光学显微镜(OM)、XRD、维氏硬度计、36%～38%(质量分数)HCl溶液浸泡、摩擦磨损试验机等试验手段考察试样组织形貌、物相、显微硬度、耐蚀耐磨损性。研究结果表明,TA18钛合金热氧化后试样表面形成了氧化层,表层物相主要为金红石型TiO₂,随着热氧化温度升高,氧化层逐渐出现少量Al₂O₃。同时,500～850℃热氧化,随着热氧化温度升高,试样表面硬度逐渐提高,但超过800℃后随温度升高表面硬度反而降低。热氧化可提高TA18钛合金耐腐蚀性和磨损,其中800℃是提高TA18钛合金在36%～38%HCl中耐腐蚀的最佳热氧化温度;700℃是改善TA18钛合金摩擦磨损性能的最佳热氧化温度。     

基于决策树的涡轴发动机气路健康评估方法

为解决涡轴发动机退化模式多、故障样本大、分类困难的问题,将梯度提升决策树(GB?DT)算法应用于涡轴发动机气路健康评估.首先对涡轴发动机故障标签进行了拆解,针对每一类标签设计了一个分类器.通过特征重要度排序筛选了6个分类标签的输入特征,有效降低模型复杂度.通过遍历确定树的最优数量和深度,确保了分类的准确性.仿真结果表明...     

热处理温度对硬铬镀层性能的影响

研究了热处理温度对硬铬镀层性能的影响.发现经过200～300℃1*#h热处理,镀层硬度明显提高,耐磨性得到改善,但硬度和耐磨性的最优点对应不同的热处理温度.对镀层XPS分析表明,热处理过的镀层中有有机碳化物析出.对镀层的EDAX分析表明,热处理使镀层表面氧含量增高,但对镀层微裂纹数量和宽度没有明显影响.对镀层的XRD实验结果表明,热处理后镀层的晶体结构未发生改变.     

基于渐近均匀化的梯度加筋板结构优化设计

梯度加筋板结构以其优异性能广泛应用于航空航天、汽车和交通等领域。针对梯度板的渐变结构导致均匀化及两尺度优化设计计算量过大及效率过低的问题,本文采用机器学习方法搭建以微结构变形参数为输入、等效刚度系数为输出的人工神经网络,实现等效刚度的高效预测。在优化过程中,本文引入表征单胞变形的单元设计变量,实现梯度板局部变形的显式控制,并引入映射函数节点设计变量,保证优化过程中单胞的局部变形与映射函数一致,方便两尺度优化结果解耦。数值算例验证了本文方法的有效性和正确性。