摘要：针对火电厂锅炉和主蒸汽管道用钢——P92钢在服役时的热老化程度检测,以HDSP-SUPER 28335开发板为核心研制了一套基于MBN效应的检测仪器,该仪器具有激励信号的产生,MBN信号的采集、处理、显示及存储功能,且灵敏度高、功能全面,可以用于试验研究;针对不同钢种对激励信号敏感程度不同的问题,开展了对于标准P92钢MBN信号检测适用激励信号的试验研究,根据激励信号幅值与MBN信号均方根值的变化关系确定了激励信号的幅值,根据不同激励信号频率产生的MBN信号的波形效果选择了激励信号的频率。

摘要：辐照损伤是影响RPV使用寿命的重要因素,为了提升MBN信号检测仪器对RPV钢辐照损伤程度的评估性能,设计一种小型化MBN信号检测传感器;该传感器是由H型硅钢片磁轭、激励线圈、感应线圈和工型锰锌铁氧体构成,可以使检测仪器获得更为稳定的MBN信号,从而对RPV钢的辐照损伤进行有效评估;此外,利用电磁仿真软件ANSYS Maxwell对励磁模块进行了仿真与分析,获得试件的有效磁化区域,即长度8 mm(磁轭两脚之间的距离)、宽度8 mm(磁轭的厚度)、深度约为1 mm(试件的厚度)的立方体;为了降低激励信号对MBN信号接收的影响,分析了试件上方的磁感应强度分布,获得了MBN信号接收器应该位于磁轭两脚的中间位置;最后通过对RPV试样测量数据结果分析,确定了最佳激励信号的幅值为7 V,频率为6 Hz。

摘要：燃料包壳是核反应堆安全运行的重要保障。福岛核事故后,国内外开展了大量新型事故容错燃料包壳的研发工作。由于具有抗高温氧化和高强度等优异的综合性能,FeCrAl合金已成为新一代事故容错燃料包壳的重要候选材料之一。经过多年积累,核燃料包壳FeCrAl合金的设计和制备研究已取得一定进展。利用粉末冶金方法制备性能更为优异的氧化物弥散强化FeCrAl合金前景广阔,受到国内外学者的广泛关注。本文综述了核燃料包壳FeCrAl合金的成分设计、熔炼制备和粉末冶金制备的研究现状,分析了不同方法制备合金的组织性能及存在的问题,对未来核燃料包壳FeCrAl合金的设计和制备进行了展望。

摘要：锆合金因其优良性能在核电燃料包壳领域有着广泛应用,燃料包壳服役时的关注要点为其耐腐蚀性能,因实际堆内存在辐照因素影响材料组织和性能,辐照条件下锆合金的腐蚀机理逐渐成为当前研究热点。本文综述了国内外有关辐照对锆合金微观组织结构和耐腐蚀性能影响的研究进展,在此基础上探讨了辐照导致第二相非晶化的过程及其机理,主要包括Zr-Sn系和含Nb锆合金中第二相辐照非晶化行为的差异,由此分析不同类型第二相在辐照条件下加剧腐蚀效应的机理。最后基于分析讨论,提出锆合金在辐照条件下提升耐腐蚀性方面的设计思路,为深入研究辐照对锆合金腐蚀性能的影响提供参考,并对锆合金燃料包壳领域今后的研究方向作出展望。

摘要：在反应堆压力容器(RPV)内部安装辐照监督试样并定期取出试验可预测RPV服役状态,顺利提取辐照监督管是开展后续试验与评估工作的前提。围绕辐照监督管的提取,阐述了运输容器设计、制造与验证,运输容器在进入核岛前的安装与调试,辐照监督管提取及放置,运输容器包装四个方面的技术方案,并以某CPR1000机组为案例介绍了实践过程中的注意事项,为国内其他类似核电机组的辐照监督管提取提供参考。

摘要：采用巴克豪森噪声检测法对核反应堆压力容器(RPV)的辐照脆化进行预测与评估,针对传统的巴克豪森噪声检测磁化装置不足和RPV试件尺寸问题,设计了一套专用于RPV辐照脆化检测的磁化装置。为了验证RPV辐照脆化检测系统中磁化装置的可行性,利用Ansoft软件建立磁化装置的二维仿真模型。通过仿真结果对RPV辐照脆化检测系统的磁化装置及激励信号等参数进行优化,对提高RPV辐照脆化检测的准确性有重要意义。

摘要：反应堆压力容器(Reactor Pressure Vessel,RPV)长期工作在强中子辐照环境下,材料会受到辐照损伤,从而影响其使用寿命。针对这一问题,基于磁巴克豪森噪声(Magnetic Barkhausen Noise,MBN)效应原理,建立巴克豪森传感器的三维仿真模型,仿真结果验证了传感器结构的有效性,确定了传感器的最优参数。同时以TMS320F28335开发板为核心研制了一套针对小尺寸RPV钢辐照脆化的便携式检测系统,验证了该系统的重复性与稳定性。

摘要：为了开发用于检测核反应堆压力容器(RPV)钢辐照脆化的便携式巴克豪森噪声无损检测仪,设计了MBN信号传感模块和信号调理模块,结合高性能的数字信号处理器,实现了产生激励信号、采集巴克豪森信号、处理与存储数据及实时显示信号的功能。为了验证该仪器的有效性及可靠性,制备了RPV钢试样,并对其辐照脆化倾向程度进行了检测。试验结果表明,基于DSP处理器的RPV钢辐照脆化检测仪具有较高的检测精度和较快的数据处理能力,为巴克豪森无损检测奠定了良好基础。

摘要：零件排样,是指在一定规格的原料板材上,按照一定规则排布若干个不同尺寸规格的零件,在满足订单配套和切割要求的前提下,达到一定的优化目标。本研究以定制家具的零件排样问题为对象,根据定制家具零件排样生产的实际情况,将零件排样问题与蚁群算法(ACA)结合,以最优化原材料利用率为目标构建批次订单排样的数学模型,搜索得到批次零件的排样方案,实现定制家具订单的批次排样问题优化。本研究基于定制家具零件的生产特点,给出结合矩形零件排样问题研究的蚁群算法中节点、启发式信息、信息素的定义并对路径的构建和信息素的更新规则进行说明,设计合适的蚁群算法流程,通过对蚁群算法参数的分析,确定蚁群算法参数取值,完成定制家具订单的排样方案的求解。对比了A企业排样的传统经验算法与本研究优化的排样算法对原材料利用率的影响,结果表明:在不同的订单样本量的条件下,本研究的基于蚁群算法优化的排样算法较传统经验算法原材料利用率分别提高6.1%,11.1%,10.0%。通过实例验证该算法在排样问题中求解具有有效性。

摘要：通过选点,二因裂区设计,研究了免耕抛栽稻高产群体起点及其肥料运筹。取得了理想效果。