退火温度对Al-Mg 合金拉伸性能和显微组织的影响

通过硬度、拉伸性能测试和金相组织观察,研究了不同退火温度对含和不合Sc的Al-Mg合金组织和性能的影响.结果表明:添加Sc明显提高了Al-Mg合金的强度,抑制了合金形变组织的再结晶,高温退火后1570合金中仍弥散分布的Al3( Sc,Zr)粒子质点造成其较高的再结晶温度及拉伸性能.     

TC6钛合金普通退火热稳定性和高温性能研究

研究了TC6钛合金经普通退火处理后的热稳定性能和高温力学性能,并与双重退火、等温退火状态进行了对比分析。结果表明,普通退火状态TC6钛合金在300℃/5000h以下具有良好的组织和性能稳定性,不同温度瞬时拉伸、蠕变、持久等高温性能与双重退火和等温退火状态相当。经普通退火处理的TC6钛合金半成品可以满足飞机结构件的使用温度(300℃以下)要求。     

一类递归序列的稳定性和振动性

研究了递归序列x_(n 1)α-β_(n-1)/1-g(x_n),n=0,1,的持久性、振动性、稳定性和全局吸引性。其中α、β为正实数,g(x)是非负连续函数。     

不同组织状态TC4合金靶材损伤行为的研究

采用直径为4mm的CoCr15钢珠作为弹丸对两种不同组织状态的TCA合金进行撞击试验，撞击速度为1．5km／s；观察撞击后不同厚度靶材的宏观损伤及微观损伤行为。结果表明：靶材的组织状态对靶材的宏观损伤行为有很大的影响；时效处理态的组织具有更高的绝热剪切敏感性，在中厚靶发生了绝热冲塞；退火态中厚靶的背面则发生了凸起。各种靶材的微观损伤形式基本相同，在弹坑附近出现了大量的绝热剪切带；微孔洞在绝热剪切带内形核、长大并连结成为裂纹。     

一种新的极值搜索算法及其在航空发动机燃烧主动控制中的应用

 针对航空发动机存在的不稳定燃烧控制问题,推导出当发动机不稳定燃烧时,燃烧室内的振荡压力与平均燃空比值之间的函数模型,此函数模型构建了压力振荡变化的幅值与平均燃空比值之间的极值关系。提出了一种新颖的退火递归神经网络极值搜索算法,可以自适应地搜寻出极值模型中最优的平均燃空比值,实现对燃烧室内压力振荡变化的最小幅值控制,并有效地抑制了燃烧室的不稳定燃烧现象。通过仿真对比,验证了方法的有效性。     

消除加工硬化的再结晶快速退火法

加工硬化在工业生产中是一种重要的强化手段,同时,也能给生产过程中的金属继续塑性变形造成困难。因此,常采用“中间退火”工序以消除其不利影响。经研究试验,用适当提高加热温度并减少零件保温时间的快速退火法,代替原来的保温时间长、随炉冷却速度慢的普通热处理方法,对于民品板金件的大批量生产是经济、有效的。处理后的零件表面仅有一层氧化色,无较厚的氧化层,此亦优于传统工艺。     

基于深度学习递归神经网络的电离层总电子含量经验预报模型

利用行星际太阳风参数与太阳活动指数、地磁活动指数、电离层总电子含量格点化地图数据,首次基于一种能处理时间序列的深度学习递归神经网络（Recurrent Neural Network,RNN）,建立提前24h的单站电离层TEC预报模型.对北京站（40°N,115°E）的预测结果显示,RNN对扰动电离层的预测误差低于反向传播神经网络（Back Propagation Neural Network,BPNN）0.49～1.46TECU,将太阳风参数加入预报因子模型后对电离层正暴预测准确率的提升可达16.8%.RNN对2001和2015年31个强电离层暴预报的均方根误差比BPNN低0.2TECU,将太阳风参数加入RNN模型可使31个事件的平均预报误差降低0.36～0.47TECU.研究结果表明深度递归神经网络比BPNN更适用于电离层TEC的短期预报,且在预报因子中加入太阳风数据对电离层正暴的预报效果有明显改善.     

航天科技在香港天坛大佛研制中的应用

大佛工程是一项极为复杂的系统工程,涉及总体设计、放样造型以及铸造、热处理、机加预装、焊接、着色以及密封防腐等一系列工艺过程。     

CG03型粉末合金刹车片退火工艺试验

粉末合金刹车片在烧结后有时会意外淬火,造成刹车片钢背脆化而报废.采用一种退火工艺,在保持刹车片其它性能的同时,使刹车片钢背恢复塑性.