VoL23 No.5 刘克明等：高炉渣合成Cm-a-Sialon-SiC粉的热力学分析及工艺优化 ·407· 025到m 2 221 00 012 432 图5A,B颗粒形貌及选区衍射花样标定.()A颗粒；()B颗粒 Fig.5 Microstructure and diffraction pattern of A and B 3合成Ca-a-Sialon-SiC工艺优化 文选择了烧结温度、保温时间、配碳量和高炉渣 加人量4个影响因素，以是否合成了Ca-a-Sia- 用高炉渣碳热还原氮化制备Ca-a-Sia- lo为判据，对19组实验组成的原始样本集（表 lo加-SiC粉的影响因素很多，因此材料的研制工 4)进行了统计模式识别处理，得到目标优化区 作量很大，而采用计算机统计模式识别对材料 (见图6). 合成工艺进行优化，可以大大提高工作效率，本 由图6可以看出，好点与坏点明显分布在 表4实验样本点 两个不同的区域中.为验证本模式识别的结果， Table 4 Experimental samples 在图6的好区和坏区中取6个点A,B,M,N,P和 No.t/℃th C wa/%o Ca-a-Sialon” Q,通过模式识别逆映照得到这6个样本点的工 1130031.0 11.72 0 艺参数（见表6），对于样品A和B根据其参数制 213003 1.5 10.76 0 备合成了试样，并对试样进行X射线衍射分析 31300 3 2.0 10.02 0 物相组成，分析结果是样品A中有约50%的Ca- 41350 3 1.0 11.95 0 a-Sialon,而样品B中没有发现有Ca-a-Sialon 51350 3 1.5 11.34 0 61350 3 2.0 9.280 0 存在，实验结果与模式识别的分类相一致，证明 71500 3 1.0 12.60 0 了本模式识别的可靠性. 81500 3 1.5 10.19 0 91500 3 2.0 9.790 0 101550 4 1.5 6.300 + 111550 4 1.5 8.690 121550 4 1.5 9.500 131600 4 1.5 6.300 141600 4 1.5 8.690 151600 4 1.5 9.500 161650 4 1.5 6.300 171650 4 1.5 8.690 ●● 1816504 1.5 9.500 图6模式识别分类图 19160031.5 6.370 ■Good point●Bad point+Predicted point 率为理论配碳量的倍数 Fig.6 Classifying diagram of statistic pattern recognition 0代表无Ca-a-Sialon生成，l代表有Ca-a-Sialon生成