氧化钇含量对YSZ热障涂层抗CMAS腐蚀性能的影响

系统研究大气等离子喷涂不同含量YO_1.5掺杂氧化锆涂层(8YSZ、38YSZ和55YSZ)在1300℃下的环境沉积物(CMAS熔盐)腐蚀行为和机制。结果表明：8YSZ涂层会发生严重的CMAS熔盐腐蚀，在基体与CMAS界面处，通过溶解-再析出，生成非保护性、含Ca和较低Y含量的C-ZrO₂，并有明显的晶界腐蚀现象；对于较高含量YO_1.5掺杂的38YSZ和55YSZ涂层，随着反应的进行，除球状C-ZrO₂外，还生成保护性的磷灰石(apatite)和石榴石(garnet)产物，能够有效阻止CMAS熔盐的进一步侵蚀；并且，55YSZ涂层表现出优于38YSZ的抗CMAS熔盐腐蚀能力。从光学碱度而言，YO_1.5含量越高，涂层与CMAS熔盐的反应活性越高，越容易生成在CMAS熔盐中稳定存在的产物；从反应进程来分析，高YO_1.5含量的涂层材料能够促使Y³⁺在CMAS熔盐中的饱和，进而生成更为稳定、连续的物相(如磷灰石、石榴石)，避免基体材料进一步与C...     

基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测

部分稳定氧化锆（Partially stabilized zirconia,PSZ）陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标，为了降低磨削表面粗糙度的预测误差，提出了一种基于相关性分析与卷积-双向长短期记忆神经网络（Convolution-bidirectional long short term memory neural network,CNN-BiLSTM）的PSZ陶瓷磨削表面粗糙度声发射预测模型。通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性，筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵，作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差。研究结果表明，基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92%。