低温聚合物基复合材料研究进展

对耐低温树脂基复合材料的研究背景及国内外研究现状进行了概述，并对聚合物基纳米复合材料，特别是插层复合材料的性能作了介绍。提出了解决液氢贮箱耐低温、防渗漏关键技术的研究设想。     

Si/C/N纳米微粉的气相合成与结构研究进展

综述了Si/C/N纳米微粉的制备方法，比较了相互之间的优缺点；分析了Si/C/N纳米粉体的结构以及在热处理条件下微结构的变化，指出了尚待解决的问题与今后的应用前景。     

全息测量理论分析中颗粒模型的建立

 在激光全息测量中常出现液体颗粒,液体颗粒可近似看作半透明球体。这种球体对入射光存在折射、衍射、反射、吸收和杂质对入射光波的衰减作用等影响。首先将颗粒作为高象差的球形透镜求出其焦距,再由等焦距和等光程条件找出与球形透镜等价的薄透镜。以薄透镜考虑颗粒的折射及衍射作用,可导出透明颗粒复振幅透过率函数。对于半透明颗粒存在的反射、吸收及衰减作用则在复振幅透过率函数中用综合透光率加以修正。     

硅酸钙复合纳米孔超级绝热板材的研制

以正硅酸乙酯为硅源,利用溶胶-凝胶法制备SiO2气凝胶先驱体,而后采用真空浸渍工艺将SiO2气凝胶先驱体与硬硅钙石复合,最后经超临界干燥技术制备出了硅酸钙复合纳米孔超级绝热板材。研究了硬硅钙石密度、浸渍真空度、气凝胶原料配比对硅酸钙板材增重率的影响。结果表明,增重率随硬硅钙石密度的减小而增大,但随浸渍真空度和气凝胶原料配比中正硅酸乙酯的增加而增大。对制得的超级绝热板材进行了X射线衍射、扫描电镜、孔径分布等测试;结果表明,这种材料具有纳米孔结构特征(平均孔径为9.1 nm,孔径小于50 nm的孔超过80%,其他都在80 nm以内),常温常压下热导率为25 mW/(m.K),匀温灼烧试验(1 273 K)的线性收缩率仅为1%,并且无贯穿裂纹。因此有望用作航天飞机的隔热瓦,具有潜在的航天应用前景。     

纳米结构铜铬氧化物的制备及在推进剂中的催化作用

为探索纳米催化剂的分散技术，设计并制备了由惰性组分和纳米颗粒铜铬氧化物（CC）组成的一种纳米结构催化剂（ns-CC）。研究了铜铬氧化物前驱体铬酸铜铵（CAC）的热解条件对纳米结构催化剂中CC晶粒尺寸的影响。XRD分析结合TEM观察表明升温速率增大，粒径变小，但保温时间在一定范围内对晶粒的影响不明显。ns-CC对AP催化热分解结果显示加入少量的ns—CC使AP的高温分解峰温提前95℃，且大幅增加AP的表观放热量。在RDX／AP／Al／HTPB推进剂中，添加0．5％的ns—CC和普通CC时，6MPa下燃速由基础配方的6．31mm/s分别提高到8．82和8．69mm／s，4～10MPa范围内压力指数由基础配方的0．35分别升高到0．38和0．49。初步研究表明，ns-CC是一种具有较大潜力的值得深入研究的推进剂燃烧催化剂。     

轻金属颗凿燃烧理论研究进展

介绍了铝，镁和铍一类轻金属颗粒在氧化氯围中燃烧有有关实验现象，并在此基础上对蒸气相扩散机理，多相机理及复合机理进行了述评。     

实用化图像式油液污染实时检测系统研究

针对油液实时分析的应用需求,分析了基于显微图像的全采样式油液分析系统的各种特征参数,提出了系统改进的若干关键措施,建立了基于分流采样原理的实用化油液污染分析系统。同时根据实用化系统的特点,提出了结合图像运动特征和自动阈值选取的颗粒识别方法,分析了流场速度分布,解决了污染度计算的问题,并进行了与传统仪器的对比实验,获得较好的效果。     

旋转雾场粒子分布的全息测量

介绍了用高斯光束照射光栅而形成的衍射光场照明粒子场的同轴全息方法可以有效地测量旋转流雾化场横截面上的ＳＭＤ分布。文中描述了照明光场的特点；简要地讨论了低噪声，无孪生象的原因；介绍了全息图的显示和判读系统。完成了对１９个喷嘴、７６个截面、１６００多个采样点的测量。为密度较高的粒子场提供了有实用价值的测量结果。最后给出了Ｎｏ．１号喷嘴四个截面上ＳＭＤ分布曲线     

氮化硅/碳化硅(n)纳米复相陶瓷的烧结工艺探索

在微米Si3N4 基体中加入SiC纳米颗粒 ,用真空热压烧结法制备出了Si3N4 SiC(n)纳米复相陶瓷。分别测试了不同配方Si3N4 SiC(n)纳米复相陶瓷的室温力学性能 ,研究了纳米SiC的添加对氮化硅结构陶瓷力学性能及显微组织的影响。结果表明 :与纯氮化硅相比 ,纳米SiC颗粒的加入 ,使得Si3N4 SiC(n)纳米复相陶瓷的机械性能有所提高 ,显微组织细化     

High Temperature Flow Stress Prediction of Nano-Al2O3/Cu Composite Using an Artificial Neural Network

Alumina dispersion strengthened copper composite （nano-Al2O3/Cu composite） was recently emerged as a kind of potentially viable and attractive engineering material for applications requiring high strength, high thermal and electrical conductivities and resistance to softening at elevated temperatures. The nano-Al2O3/Cu composite was produced by internal oxidation. The microstructures of the composite were analyzed by the TEM and its hot deformation behavior was investigated by means of continuous compression tests performed on a Gleeble 1500 thermo-simulator. Making use of the modified algorithm-Levenberg-Marquardt （L-M） algorithm BP neural network, a model for predicting the flow stresses during hot deformation was set up on the base of the experimental data. Results show that the microstructures of the composite are characterized by uniform distribution of nano-Al2O3 particles in Cu-matrix. The sliding of dislocations is the main deformation mechanism. The dynamic recovery is the main softening mode with the flow stress decreasing gently from 500℃ to 850 ~C. The recrystallization of Cu-matrix can be retarded late into as high as 850 ℃, when it happens only partially. The well-trained BP neural network model can accurately describe the influence of the temperature, strain rate, and true strain on the flow stresses, therefore, it can precisely predict the flow stresses of the composite under given deforming conditions and provide a new way to optimize hot deforming process parameters.