TC4钛合金真空钎焊的研究

用钛基钎料钎焊的钛合金焊接接头强度较高,因而具有一定的应用前景。本课题采用Ti-Zr-Cu-Ni钎料并加入适当的合金元素,成功地应用于TC4合金的钎焊,钎缝成形良好,提高了焊接接头的性能。     

钴基合金激光快速成形过程参数和微观组织分析

应用激光直接成形工艺对Co基合金粉末进行了激光烧结试验,得到外观平整光滑的薄壁墙零件.分析了不同工艺参数对所成形金属零件成形性和整体质量的影响规律,同时使用光学显微镜、扫描电镜、X射线衍射仪和透射电镜分析了涂覆层的微观组织特征.     

镍基单晶涡轮单晶材料的细观力学研究

本文针对CMSX-4单晶材料,在细观层次上对筏化-解筏以及空穴这两种主要损伤机理进行了细观试验研究。结果表明．空穴在蠕变、疲劳和热机械疲劳损伤中起着重大的作用;蠕变过程中的筏化规律影响材料的蠕变寿命,但细观层次的筏化,影响因素较为复杂。本文的研究结果对准确评定镍基单晶涡轮叶片的剩余寿命具有参考作用。     

镍基超合金再铸层化学研磨去除的实验研究

研究了镍基超合金激光／电火花打孔再铸层的物理化学特性，并报道了DZ125、ЖKC6y、K24、DD3、DD6以及IC10等合金的化学研磨处理对基材腐蚀及其力学性能与热疲劳性能的影响等。实验研究表明：镍基超合金的激光／电火花再铸层有着不同于其本身原始铸态的化学性能，采用适当的化学研磨介质和优化的化学研磨条件可以快速有效地去除再铸层，使孔圆整光滑而不损伤合金基体、不降低基体的力学性能，并且可提高孔的热疲劳性能，由此可望实现镍基超合金涡轮叶片“三无”气膜孔的激光／电火花打孔 化学研磨复合法高效高质量制造。     

Cf/Al复合材料管件的真空液相成型工艺研究

以高模高强碳纤维M40J(6K)增强铝基复合管为研究对象，研究了真空反压液相浸渗工艺中，纤维束丝分散技术、预制件压缩强度提高技术及碳纤维涂层对管件成型及性能的影响。结果表明：SiCp可以起分散作用，有利于浸渍；加入10％的偏磷酸盐的预制件经680℃真空去胶后的压缩性能满足浸渗要求，纤维保持了较好的平直度且分布均匀。C-Al2O3涂层对复合材料的性能有较大影响，经涂层处理后的预制件所制备出的复合材料的强度比未经涂层处理的提高了13％左右。所制备的复合材料的比强度、比模量较高，密度小于2．5g／cm^3。     

热压工艺对SiO2f／SiO2复合材料结构与力学性能的影响

采用真空热压烧结工艺制备了SiO2短纤维补强增韧的SiO2玻璃陶瓷基复合材料，研究了烧结温度和保温时间对其显微结构和力学性能的影响规律，结果表明，SiO2f/SiO2复合材料的强度和韧性较石英玻璃有明显改善；延长热压保温时间、提高烧结温度、虽有利于材料致密化，但析晶量增加和纤维退化更严重，复合材料的强度和断裂韧性随之下降。     

3D-C/SiC复合材料拉-拉疲劳模量和电阻的变化

在室温最大应力为250MPa，应力比R＝0．1和频率为60Hz条件下，对3D－C／SiC复合材料进行了拉－拉疲劳试验。用共振法和电阻增量仪分别测试了杨氏模量及电阻的变化。结果表明：随循环次数增加，杨氏模量呈显著下降，缓慢下降和突然下降的变化规律。杨氏模量的下降大部分发生在疲劳循环的前600次。缓慢降低阶段约占疲劳寿命的94％以上，此阶段杨氏模量变化率与循环次数的对数近似呈线性关系，电阻变化率除首次循环降低外，随着循环次数增加一直在增加。增加规律大致可分为缓慢增加，台阶式增加和急剧增加三个阶段。材料的电阻变化率基本反映了纤维的损伤程度和破坏形式，可作为表征复合材料纤维损伤的有效参量。     

镀钴碳纳米管/环氧树脂基复合材料的制备及其微波吸收特性研究

采用化学镀法制备了表面镀钴的多壁碳纳米管，并将其均匀分散在环氧树脂基体中固化成膜，形成镀钴碳纳米管／环氧树脂基复合材料。采用透射电镜、X射线衍射及振动样品磁强计等对镀钴碳纳米管的形貌、微结构与磁性能进行了表征，还采用数字化网络分析仪对该复合材料在0．5～40GHz频段内的微波吸收特性进行了研究。结果表明：在相同的碳管质量分数(1％)和吸波介质层厚度(2．0mm)等条件下，与纯碳纳米管相比，表面镀钴碳纳米管的吸收峰往高频方向移动，吸收强度略有增加，但吸收频带并没有宽化趋势。     

小推力姿/轨控液体火箭发动机材料的研究进展

概述了国内外小推力姿／轨控液体火箭发动机新材料的研究和应用进展。姿／轨控液体火箭发动机推力室已从高性能铌／硅化物材料体系向复合材料推力室技术发展，研制出耐高温性能更好的新型材料体系和高温抗氧化涂层，以及将它们应用于发动机推力室的制造是提高姿／轨控发动机技术水平的有效途径。     

基于RBF神经网络的数字模式识别方法

在介绍径向基函数神经网络基本原理的基础上,讨论了基于 RBF 的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题。