【摘 要】
:
轴承是衡量一个国家科技与工业水平的重要标志,被视为“高端装备的关节”。轴承在工作中会受到各种交变应力的作用,其寿命与工作温度、湿度、转速、负荷、润滑等有关,恶劣的工作环境要求轴承钢具有高接触疲劳强度、高耐磨性、高弹性极限、适宜的硬度和耐腐蚀等性能。因此,轴承钢材料性能要求苛刻,给轴承制造带来严峻挑战,轴承钢材料的高质量、高可靠性是决定因素。本文研究了自主开发的贝氏体轴承钢热变形行为及冲击性能,以期
论文部分内容阅读
轴承是衡量一个国家科技与工业水平的重要标志,被视为“高端装备的关节”。轴承在工作中会受到各种交变应力的作用,其寿命与工作温度、湿度、转速、负荷、润滑等有关,恶劣的工作环境要求轴承钢具有高接触疲劳强度、高耐磨性、高弹性极限、适宜的硬度和耐腐蚀等性能。因此,轴承钢材料性能要求苛刻,给轴承制造带来严峻挑战,轴承钢材料的高质量、高可靠性是决定因素。本文研究了自主开发的贝氏体轴承钢热变形行为及冲击性能,以期望改善传统马氏体钢轴承工作中的力学性能问题。首先,利用Gleeble-3500型热模拟实验机对贝氏体轴承钢进行24组单道次热压缩试验,探究材料在温度900~1200℃,变形速率0.01~5s-1范围内,压缩变形量为60%时的高温塑性变形行为,其流变曲线呈现出典型的动态回复型和动态再结晶型。由材料的真应力真应变曲线可以看出,温度越高、应变速率越小,材料的流变应力越低。根据试验获得的曲线,对其数据进行线性拟合建立了基于峰值应力材料的双曲正弦形式本构方程。基于材料的热变形特征参数,采用改进的Avrami方程建立了材料的动态再结晶动力学方程,并结合微观组织对其进行分析。材料的热加工图是反映材料热加工稳定性的重要方式,计算材料在不同真应变条件下的热加工图,基于功率耗散效率参数η和流变失稳参数ξ的分布区域,确定材料在热加工时最佳区域为:温度950~1080℃,应变速率为0.1~0.5s-1;温度1080~1150℃,应变速率为1.4~2s-1。使用MTS810设备对材料进行准静态压缩试验,得到材料应变速率为10-3s-1时,屈服强度为860MPa,与GCr15高碳铬轴承钢的屈服强度(518.42MPa)相比有所提高。利用分离式霍普金森压杆(SHPB)实验装置对材料进行动态冲击试验,得到在高应变速率下真应力真应变曲线分析其变形规律。将冲击后的试样沿轴线切开经抛光后使用4%的硝酸酒精进行腐蚀,使用光学显微镜及扫描电镜观察不同冲击气压下材料的微观组织,为实际应用提供理论基础。
其他文献
经编产业是纺织行业的重要支柱,其应用范围广、市场潜力大,但在其迅速发展的过程中也暴露出许多短板。其中,由于参与企业规模小而分散,市场风险大,导致经编企业缺乏流动资金,且融资困难日趋严重。经编企业依托整个供应链进行融资贷款,能充分整合供应链上的资源,获得可靠资金供给。然而,开展供应链金融意味着银行要承担供应链风险,如何有效控制供应链金融风险是银行的棘手问题,也是银行是否愿意参与供应链金融的因素之一。
目的:比较两种不同的颌位记录法下颌位置差异、修复后义齿咀嚼效率及患者的满意度。方法:采用自身对照法,对10例无牙颌患者分别采用K7神经肌肉法和哥特式弓法确定颌位关系制作两副全口义齿,比较两种不同的颌位记录法下切牙颌骨位置垂直向和矢状向的差异、修复后义齿使用1个月的咀嚼效率及患者的满意度。结果:K7神经肌肉学设备确定颌位关系与哥特式弓相比:60%的患者神经肌肉法所得垂直距离小于哥特式弓法,70%的患
深度学习作为人工智能领域的核心研究课题之一,近几年来取得了飞速的发展。多标签学习结合了随机过程、支持向量机、正则化和深度学习等理论基础进行多标签学习建模,属于一种深度学习方法。目前,已广泛应用于语音处理、图像处理、数据挖掘和疾病预测等领域。本文主要研究基于多标签学习的人脸属性识别算法。传统的单一标签学习不能满足我们的需求,而目前基于多标签学习的人脸属性识别算法存在以下问题:其一,基于多标签学习的人
曲线采样方法通过选取曲线上一系列的点以近似描绘曲线轮廓,是计算机辅助几何设计及其相关领域的研究重点。已有曲线采样方法主要针对解决平面曲线的采样问题,虽然少数方法也能够应用于空间曲线却没有考虑空间曲线的几何特性,因此存在一些弊端。高质量的采样方法须考虑空间曲线的内在几何量,例如弧长、曲率和挠率,以及进一步研究这三个因素对采样结果的影响。本文研究空间曲线的采样问题,通过选取曲线上具有代表性的采样点以更
曲线曲面的高质量拟合方法是计算机辅助设计(CAD)及其它相关应用领域的一个重要研究问题。对于一条参数曲线而言,采样点的选取对拟合结果起到至关重要的影响。传统的均匀采样方法虽然比较容易实现,但其采样结果往往忽略对形状有重要影响的特征点,造成后续的拟合结果不佳。因此,采样方法需要选取参数曲线上具有代表性的采样点,以更好地把握原曲线的轮廓特征。针对平面参数曲线的采样问题,本文提出基于特征识别的高质量采样
对纳米腔内水的物理化学性质的研究在纳米材料干燥、油回收、土壤修复、能量转换、储存应用和蛋白质折叠等领域具有重要意义。在过去的几十年中,科学家们不断的研究纳米腔内水的干湿转变,以及各种因素对纳米受限水的影响,如电场、亲疏水性、侧向压、界面尺寸等等。由于水分子正负电荷的中心不重合,使水分子具有极性,在电场作用下水分子的氢键网络亦会被破坏重组。故而,电场可能是一种对纳米材料进行干燥的潜在方式。本文采用基
Brunn-Minkowski理论是凸几何分析的主要组成部分,而Brunn-Minkowski不等式与等周问题又是Brunn-Minkowski理论的核心所在。本硕士论文围绕Brunn-Minkowski不等式与等周问题来开展相关研究,主要研究广义Brunn-Minkowski不等式及其内涵、Lp John椭球问题之于负指数的解的问题。作为本论文的第一个研究对象,我们首先研究了凸体极体的φ-Bru
Adaboost算法通过组合多个弱分类器获得强分类器,能够有效提高分类准确度和一定的抵抗过拟合能力。Adaboost算法简单,检测快速,在人脸检测、信号分类与检测等方面具有较广的应用。然而Adaboost算法在多个方面还存在不足,如大规模样本下训练时间很长、抵抗噪声能力较差尤其是分类标签误差会严重干扰分类器的效果等。目前已有多种思路和类型的改进Adaboost算法,如gentle-Adaboost
随着石墨烯薄膜材料制备技术的不断完善,其产量和质量得到大幅提升,石墨烯薄膜材料的应用方向“百花齐放”,新的应用领域逐渐成为研究石墨烯薄膜材料的焦点。高质量的石墨烯薄膜材料正在各个领域“大显身手”,其中微电子科技领域的应用成为当前研究的焦点,包括石墨烯基晶体管、石墨烯基光电探测器和石墨烯可穿戴传感器等,其应用潜力“不可限量”。然而,石墨烯薄膜材料针对某一项专门的应用,必须探究出与其相对应的制备方法。
异响是汽车设计中影响客户满意度的主要问题之一,原理和特征都非常复杂,具有很强的非线性。汽车仪表板作为驾驶舱内最显眼的位置,其组成部件之间有大量相互接触的表面,是汽车上出现异响问题最多的系统之一。在汽车的使用周期内,会经历低温、常温和高温等不同的温度工况,因此研究汽车仪表板在不同温度条件下的异响性能十分有必要。汽车仪表板上的零部件大多采用塑料材料,主要包括PP+EPDM_T20、PP_T20、PC/