摘要：以250 km/h高速列车制动过程为背景,研究制动过程热量对制动盘微观组织与力学性能的影响。基于ANSYS有限元仿真模拟和Gleeble-3500热模拟实验,再现制动盘在紧急制动与常用制动工况下的热量变化过程,并借助IE200M光学显微镜(OM)和Gemini SEM 500场发射型扫描电子显微镜(SEM)观察热处理前后的微观组织演变,通过洛氏硬度计测量制动盘硬度变化。结果表明,紧急制动导致制动盘表面温度迅速升至417.48℃,随着温度的升高试样显微组织更加细化,针状或片层组织更清晰,形成的马氏体组织提高了制动盘的硬度;常用制动温度上升至244.43℃,随着制动次数的增多,试样硬度也提高。制动过程热力耦合仿真分析和热模拟试验相结合,确认了制动盘材料在不同工况下的微观组织和力学性能变化规律,为实际制动盘设计与优化提供了参考依据。

摘要：针对农机零件主要受磨料磨损和粘着磨损失效的现实 ,介绍有关耐磨性的研究成果。全面论述在农机零件服役条件下 ,钢的硬度和其它力学性能对耐磨性的影响。特别讨论了受冲击磨料磨损零件 ,耐磨性与韧性的矛盾。结合具体零件进行硬度设计 ,找到耐磨性与韧性的优化组合。

摘要：提出了一种基于机械力学测量手段建立米饭粒硬度自动测量系统的方法,阐述了该方法的基本原理、自动测量系统的组成和操作运行。通过试验说明,该系统测量米饭粒力-变形曲线的斜率能够适应稻米品质评定中对硬度指标的量化测试要求,且与使用食味计检测得出一致的结论。

摘要：基于Trainrp算法建立锆基合金HANA-4(Zr-1.5Nb-0.4Sn-0.2Fe-0.1Cr)和HANA-6(Zr-1.1Nb-0.05Cu)退火参数与硬度的BP神经网络预测模型。模型输入单元为合金成分、退火温度和退火时间,输出单元为硬度。神经网络为3-7-1结构,动量因子和学习速率均为0.6。以实验结果验证网络的可靠性。预测结果表明,相对误差为7%,相对拟合率R值为0.98534。该模型可为锆基合金退火参数的制定提供参考。网络敏感性分析表明:退火温度和退火时间对网络的精度影响很大,而合金成分则影响很小。

摘要：硬度是硬质合金材料的一项典型代表性能,受多种因素的影响且各因素间常存在关联关系.本文旨在获得WC-Co硬质合金硬度的关键影响因素并实现硬度的高通量预测.建立了以硬质合金硬度为目标变量,以原料成分、烧结工艺和烧结体表征信息为特征的数据集;通过对特征的皮尔逊相关系数和SHAP分析,发现WC晶粒尺寸和Co含量对硬质合金硬度的影响最为显著.基于机器学习的支持向量机、多项式回归、梯度提升决策树、随机森林等算法,分别构建了硬质合金硬度预测模型.采用10折交叉验证方法对模型进行定量评估,结果表明梯度提升决策树算法模型具有最高的精度和较强的泛化能力,是最适合硬质合金硬度预测的机器学习方法.基于优选模型的高通量预测数据,采用多项式回归算法确定了硬质合金硬度与Co含量和WC晶粒尺寸之间的定量关系,预测准确率达到0.946.本研究为硬质合金性能的准确高效预测提供了数据驱动方法,可为高性能硬质合金材料的设计研发提供重要参考.

摘要：通过在堆敷合金系统中添加多种强碳化物形成元素 ,在焊接热循环作用下或随后的回火过程中以弥散碳化物形式析出。弥散碳化物的析出既可以在强化堆敷金属的同时 ,提高堆敷层抗磨损的能力 ,又可以降低基体组织中的碳含量 ,增加基体的韧性。利用上述思想 ,以C、Cr、Mo、W、V作为基础合金系统 ,采用二次旋转回归设计方法设计试验方案 ,建立了超高硬度堆敷金属的硬度、耐磨性与合金元素间的数学模型 ,并研究了药芯焊丝中合金元素对堆敷金属硬度及耐磨性的定量影响规律。

摘要：表面硬度是表征钢铁特性的重要参量之一,表面硬度的检测可以把关工业生产质量。在自行搭建的LIBS实验平台获取激光诱导击穿光谱(LIBS),控制激光能量为30 mJ,比较了基体元素FeⅠ404.58 nm和合金元素MnⅠ403.07 nm的光谱强度与6个不同D2钢硬度的样品(经过不同热处理得到不同硬度)之间的相关性,发现合金元素Mn的光谱强度与硬度的决定系数(0.934)高于基体元素Fe的决定系数(0.916)。采用LIBS中Fe的离子与原子光谱强度比及激光诱导等离子体温度表征不同热处理的D2钢硬度,选择FeⅡ275.57 nm和FeⅠ276.75 nm的两条特征谱线作为分析谱线,建立了表面硬度与光谱信号之间的关系(决定系数为0.964);激光诱导等离子体温度作为等离子体重要参数与硬度建立了很强的正相关性(决定系数为0.977)。D2钢表面硬度可以通过不同热处理改变组织进而改变硬度,同时加入合金元素(例如通过加入Mn可以细化晶粒改善钢的硬度)也可以改变硬度。实验同时建立了不同含量Mn的D2钢硬度与光谱强度(MnⅠ403.07 nm)之间的相关性, D2钢的硬度不随Mn含量的增加而单调增加,而光谱强度却随硬度有一致性变化。实验结果表明利用基体元素Fe、合金元素Mn, Fe元素离子与原子光谱强度比和等离子体温度可以与不同硬度D2钢建立正比关系,光谱强度有效地表征了不同热处理得到的D2钢硬度;不同Mn含量得到的D2钢硬度有效地验证了光谱强度表征硬度的可行性。因此, LIBS光谱技术表征钢铁材料硬度特性得到了实验验证,展现了工业现场控制中的应用前景。

摘要：晶须在强化陶瓷材料强度和韧性的同时能显著提高材料硬度,在解决陶瓷硬度不足上具有突出优势。针对目前实验法研究晶须增强陶瓷材料中存在组分设计盲目性大、试样制备耗时费力等问题,以β-Si_(3)N_(4)晶须(β-Si_(3)N_(4)w)增强Si_(3)N_(4)陶瓷为对象,提出了一种计算晶须泊松比的双向随机建模方法,并基于密度泛函理论(DFT)框架下平面超软赝势法和广义梯度近似(GGA)中的Perdew-Wang 91(PW91)函数,对β-Si_(3)N_(4)超晶胞泊松比进行了计算。以此为基础,提出了运用德劳内(Delaunay)三角剖分法和伪随机函数法建立β-Si_(3)N_(4)w增强Si_(3)N_(4)陶瓷微观结构模型的方法,对模型硬度进行了预报并对β-Si_(3)N_(4)w增硬机制进行了探讨。结果表明,βSi_(3)N_(4)w泊松比约为0.27。β-Si_(3)N_(4)w增强Si_(3)N_(4)陶瓷硬度预报值与相关实验测试值存在较好一致性,这表明了晶须泊松比计算模型和晶须强韧陶瓷微观结构建模法的有效性。在β-Si_(3)N_(4)w含量为3wt%时,硬度达到最大值22.80 GPa。应力分析表明β-Si_(3)N_(4)w各向分布性分散了应力集中作用区并依靠β-Si_(3)N_(4)w高强度特性承载了大量应力的作用,这是硬度提高的主要原因。

摘要：利用自行设计的焊接热循环测试系统,通过分别实时测试两块试板的三个不同位置点在不同焊接参数下的温度信号,研究焊接热循环峰值温度对10CrMo910耐热钢的硬度变化的影响规律.结果表明,焊接热循环峰值温度对10CrMo910耐热钢硬度值影响较大,当峰值温度小于1150℃时,随着峰值温度的增高,硬度值增大;当峰值温度大于1150℃时,随着峰值温度的增高,硬度值反而有所减小.

摘要：本文设计了基于声振法的苹果硬度检测仪,该检测设备主要由信号激励装置和信号采集系统2部分组成。在信号激励装置中,基于对击打钢板的摆角、弯曲角和可调高度的设计,使大多数苹果都可以被敲击到;通过控制电磁铁和电磁阀的工作状态以实现对苹果的自由敲击,从而满足流水线自动作业需求。在信号采集系统中,使用EAROBE SuperLav麦克风和MPU6050振动传感器收集声音和振动信号,并使用MATLAB软件对收集的数据进行分析。结果表明:使用所设计的检测设备,绝大多数苹果都可以被无损敲击,并且不同硬度苹果的声振信号图差异明显。说明利用声振法能够实现在流水线上对苹果进行无损检测并分级。