土的压缩性文库下载_中国高校课件下载中心

从加工方法、微观结构以及各类性能三方面介绍了难熔高熵合金(Refractory high-entropy alloys，RHEAs)，最后对难熔高熵合金的发展和未来进行了展望。以MoNbTaVW为代表的难熔高熵合金在高温下表现出优于传统镍基高温合金的压缩屈服强度，且屈服强度随温度的变化更加缓慢，高温力学性能优异；以MoNbTaVW、MoNbTaTiZr、HfNbTiZr等为代表的难熔高熵合金，与商用高温合金、难熔金属、难熔合金以及工具钢相比，展现出更优的耐磨性能。以W38Ta36Cr15V11合金为代表的难熔高熵合金在辐照后，除了析出小颗粒第二相外，不存在位错环缺陷结构，抗辐照性能优异。提出了难熔高熵合金未来发展的两大方向：建立高通量的实验和计算方法继续探索更多的难熔高熵合金组成和结构模型；探索多场耦合环境下难熔高熵合金的服役行为

316L不锈钢冷变形加工硬化机制及组织特征

文档格式：PDF　文档大小：1.29MB　文档页数：6

通过对316L不锈钢的不同变形量的压缩试验,对其冷变形特性进行了研究.利用修正的Ludwik模型对流变应力数据进行非线性拟合,获得了316L不锈钢的真应力应变模型和加工硬化模型.试验结果表明:修正的Luiwik模型能较好的反映316L不锈钢真应力与应变关系;根据流变应力的变化规律,316L不锈钢冷变形流变应力可分为三个阶段,分别为真应变小于0.02的强加工硬化阶段,真应变在0.02与0.29之间的稳加工硬化阶段,以及真应变大于0.29的弱加工硬化阶段.电子显微技术研究表明316L不锈钢三个不同的变形阶段,其加工硬化机制、微观组织特征有所不同

基于卷积神经网络的连续语音识别

文档格式：PDF　文档大小：270.08KB　文档页数：6

在语音识别中,卷积神经网络(convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络(deep neural network,DNNs),能在保证性能的同时,大大压缩模型的尺寸.本文深入分析了卷积神经网络中卷积层和聚合层的不同结构对识别性能的影响情况,并与目前广泛使用的深层神经网络模型进行了对比.在标准语音识别库TIMIT以及大词表非特定人电话自然口语对话数据库上的实验结果证明,相比传统深层神经网络模型,卷积神经网络明显降低模型规模的同时,识别性能更好,且泛化能力更强