测定了3CrMnMoVS钢过冷奥氏体连续冷却转变曲线(CCT曲线),并利用CCT曲线着重分析该钢在中等冷速(200—1000℃/h)下连续冷却后的光学和薄膜金相组织。结果表明,在冷却速度大于0.72℃/S条件下连续冷却,金相组织主要是板条马氏体。空冷条件下,其金相组织主要是中温转变产物:B粒+B上+B下的精细混合组织,且基体上弥散分布细小颗粒状VC

采用拉伸试验、扫描电镜、电子背散射衍射、透射电镜、X射线衍射等手段,研究了冷轧中锰钢(0.2C-5Mn)退火后不同冷却方式下的微观组织特点和拉伸性能.实验钢冷轧退火后为铁素体加逆转变奥氏体的双相组织.退火后空冷可以获得稳定性较高的逆转变奥氏体,且其体积分数也明显高于退火后炉冷.退火后空冷实验钢中的逆转变奥氏体在变形过程中产生持续的TRIP效应,提高强度的同时获得了较高的塑性,强塑积可达到26.5 GPa·%

采用MTS809型电液伺服疲劳试验机、扫描电镜研究了不同冷却速度对A319铝合金圆形加载路径下的疲劳特性.结果表明:当冷速为10℃·s-1时,材料中二次枝晶臂间距、硅颗粒及孔洞尺寸较冷速为0.1℃·s-1时要小.二次枝晶臂间距较小时,滞后回线面积小,材料应力应变近乎同相,且附加强化效果明显.不同冷速条件下裂纹萌生位置不同,在冷速为10℃·s-1的材料中,裂纹在大硅颗粒处萌生,随着冷速降低至0.1℃·s-1时,裂纹位于孔洞处萌生.对于A319铸造铝合金来说,冷速的变化对其轴向与切向循环特性并无直接影响,轴向表现为先硬化再软化,切向表现为先硬化后稳定的趋势

利用有限元耦合场数值模拟计算方法,对大直径棒材穿水冷却过程进行了三维非稳态数值模拟,研究了冷却水流量对冷却效果的影响规律,并分析了决定冷却水流量的两个因素——冷却器入口截面积及冷却水流流速对冷却效果的影响程度.模拟结果表明:当流量相对较小时,流量的改变对冷却效果的影响较大;当流量增大到一定值后,随着流量的继续增大,对冷却效果的影响逐渐减小;冷却水流流速对冷却效果的影响程度大于冷却器入口截面积

采用矢量网络参数法在1~18 GHz频段内分别对电阻炉、空气和水浴中冷却的高碳铬铁粉的电磁性能进行研究.随着冷却速率的提高,高碳铬铁粉的相对复介电常数实部和虚部在大多数频率下均增大.空冷和水冷粉料的相对复介电常数虚部在12~18 GHz频率范围内因极化弛豫而产生较大的峰值.同一频率下相对复磁导率实部随冷却速率变化的趋势与相对复介电常数相反.水冷粉料的相对复磁导率虚部在3~5 GHz以外的频段内均大于另两组冷却粉料,且三组粉料的虚部在低频及高频条件下均具有峰值.在2.45 GHz的微波加热频率下,炉冷、空冷及水冷粉料的反射损耗分别为-2.30、-2.15和-2.07 d B.水冷粉料的介电损耗因子及磁损耗因子最大,微波场下具有最佳的升温速率与反应效果

根据鞍钢厚板厂投产的国内第一套中厚板轧后高密度管层流控冷装置的特点,结合理论分析,建立了一套适用于中厚板轧后快冷的控制用数学模型.该模型由层流冷却预设定冷却模式、各预设定冷却模式下终冷返红温度预报模型、终冷返红温度修正模型、自学习模型等组成,且该套模型已在鞍钢厚板厂投入使用

为提高热轧换规格首块钢头部卷取温度命中率，采用数据挖掘技术，从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数，并将其应用于模型预设定计算。首先，对冷却特征参数进行识别，按照相对型、绝对型、相等型和策略型四种方式进行定义，并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时，将其聚类为实际带钢的相似卷，并考虑各相似卷的时间影响，计算相似权重值；随后，基于相似带钢的头部和尾部信息，建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件，采用梯度下降法求解该二次规划问题，通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数；最后，根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明：基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力，学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升

通过探索性实验,确定了三种耐冷菌培养基,分别用于培养耐冷细菌、耐冷放线菌和耐冷霉菌.培养出的耐冷菌株在6℃条件下被分离纯化,然后通过一系列实验分别鉴定它们的生理特性并检验它们的脱氮能力,并测定pH值、温度对脱氮效果的影响规律.实验结果显示pH值为7~8时,各菌株生长得最好;生物荧光层析光谱实验发现三种菌株都在15℃左右活性最大,0℃以下仍有一定的活性,高于35℃时,基本失去正常的代谢能力.当实验菌液投加量为5.0%,实验温度为6℃,三种耐冷菌对氨氮的去除率分别为57.7%、59.0%及58.7%,相同条件下,投加混合菌种可使氨氮的去除率提高到67.2%

热轧钢材的淬火冷却是改善钢材质量和性能的重要措施,淬火过程的核心就是控制钢板的冷却速度.针对传统的淬火控冷模型的固有缺陷,为了满足扩展钢种、规格及淬火温度高精度的要求,利用神经网络技术建立了神经网络淬火控冷温度预报模型,该模型与回归数学模型相结合,完成淬火控冷现场控制.应用结果证明,该综合模型极大地提高了钢板淬火冷却的控制精度,提高了产品的成材率

计算了铸铁冷却壁与铜冷却壁在相同条件下热面热应力。通过计算得知,铜冷却壁具有更小的热应力,其值远小于它的拉伸强度,不易使冷却壁产生裂纹。因此,从热应力能引起裂纹产生角度看,铜冷却壁性能优于铸铁冷却壁