K2O-MgO-SiO2-Al2O3-B2O3-F玻璃陶瓷的烧结析晶

利用弯曲试验、X射线衍射分析和扫描电镜等手段,研究了烧结K2O-MgO-SiO2-Al2O3-B2O3-F玻璃陶瓷时烧结温度对材料密度、抗弯强度及析晶性能的影响.研究结果表明:在低温区(900℃)烧结时,玻璃陶瓷析晶少,密度和抗弯强度低;随烧结温度提高,烧结体密度、抗弯强度、析晶率不断提高,在1050℃时均达到最大值(密度约为2 39g/cm3,抗弯强度约为80MPa);温度继续升高到1100℃时,密度、抗弯强度和析晶率都有所降低.     

用土壤养料能量概念讨论石灰对白三叶钾的恢复

本试验在贵州牧草种子繁殖场酸性土壤上进行施石灰试验测定,采用土壤养业有效性能量概念,分析土壤供钾关系,石灰有利于酸性土壤上钾的固定,其影响关系是缓冲容量PBC~k,Kc变大,AG~0变小,固钾容量增加,由于石灰的影响,增加白三叶钾的恢复作用。这种影响关系依赖于磷的增加,当石灰施用量6330公斤/公顷,磷肥1530公斤/公顷,可获得和干物质有关的白三叶花的理想朵数。     

热压制备KTa1—xNbxO3铁电陶瓷及性质

本文详细地研究了通氧热压烧结参数(T,P,t)对KTN铁电陶瓷密度的影响,获得优化烧结条件;制备出密度为理论值的98.4%,电阻率为10~(12)Ω·cm的KTN陶瓷.对KTN陶瓷的介电性能和热释电系数测量表明:成份为x=0.5和0.6的样品在室温范围内,介电常数为2000,介电损耗tanδ=0.002,热释电系数λ=2×10~(-8)coul/cm~2K.该陶瓷材料可用于制作热释电探测器.     

磁场烧结硬质合金强化机理研究

将磁场烧结新工艺以及常规烧结工艺制备的两类WC-Co硬质合金样品,进行电解腐蚀后,采用X射线衍射技术,对其粘结相中的C,W含量以及马氏体相对含量进行了测定。发现:磁场烧结合金粘结相中溶入的C,W原子较少,而其粘结相内马氏体含量较高。分析认为:主要由于均匀磁场的存在,使高温顺磁Co原子间交换耦合加强,妨碍了C,W原子与Co的结合,从而,溶解度降低。其效果是,改善了粘结相的润湿性和流动性,促进合金致密化,降低WC间邻接度;另一方面,使WC颗粒保持较锐利的棱角。这是磁场烧结提高合金性能的重要原因。     

PbTiO_3薄膜的热释电特性研究

铁电PbTiO_3薄膜具有优良的热释电性质,因其有介电常数ε_r小、热释电系数γ大、居里温度高、体积热容量小、γ和ε_r的温度系数小等优点,受到人们的极大关注.国外已用溅射法制备的PbTiO_3薄膜作成了热释电红外探测器.我们用sol-gel方法在单晶Si衬底上制备了PbTiO_3薄膜,并简要报道了它的电学性质.本文着重研究 PbTiO_3薄膜的热释电特性,主要介绍极化条件、烧结温度、膜厚等工艺因素对介电、热释电性质的影响,以及热释电系数随温度的变化关系,优化了工艺过程.     

碳对B4C的烧结行为及显微结构的影响

研究碳添加量对富硼Ｂ４Ｃ粉末常结性能的影响，本文利用Ｘ射线衍射仪、光学、扫描电镜对烧结体的成分、显微结构进行分析。实验结果表明，添加碳不仅可提高烧结体的致密度，而且可细化晶粒，改善气孔的数量、形态和分布。当添加１１％碳的粉末在２１５０℃烧结时，得到密度≥９５％的理论密度（ＴＤ）的致密体。通过对烧体的化学成分及显微结构分析表明，碳与富硼Ｂ４Ｃ粉末之间的固溶反应，引起Ｂ４Ｃ粉末颗粒重排、活度提高、物质     

磁场烧结WC-Co系硬质合金的研究

匀强磁场中烧结硬质合金是粉末冶金工艺一项新技术.研究结果表明,该技术是提高硬质合金质量、改善合金组织结构有效的新方法.在磁场中烧结WC-10、6％Co合金,比之无磁场烧结,强度(σ_(vb)提高20％,孔隙度降至0.02％以下,WC结晶取向(系数)增加4倍,钴的β-Co(f.c.c)成份增加了10倍以上,宏观、微观组织结构发生明显变化.     

燃油锅炉灰垢成份分析及其烧结行为考察

对４种灰垢样品进行分析，发现因取样点的温度不同，灰垢的含铁量不同。基ｐＨ值也明显差异。对多种物质的交叉试验结果表明，添加剂Ａ抗灰垢重新烧结的效果最姨，且有使灰垢疏松，酸性降低的优点。     

Fe─Cu─C─MnS烧结钢组织形成与工艺的关系

本文通过ＳＥＭ显微组织观察及烧结过程模型研究了Ｆｅ─Ｃｕ─Ｃ─ＭｎＳ烧结钢显微组织形成与实际工艺过程的关系，认为Ｆｅ─Ｃｕ─Ｃ─ＭｎＳ烧结钢中ＭｎＳ的分布与ＭｎＳ添加方式密切相关：采用混合法添加ＭｎＳ时，ＭｎＳ通常分布在铁颗粒烧结颈附近，而采用预合金法添加ＭｎＳ时，ＭｎＳ则分布于铁颗粒内。     

神经网络应用于烧结矿质量在线推断

针对烧结过程生产实际，运用神经网络中的ＢＰ学习算法设计了分类器，用于在线推断烧结矿的质量，为了加快ＢＰ学习算法的收敛速度，采用了自适应变步长学习算法，实验结果表明，由此建立的烧结过程神经网络质量预报模型，预报正确率高，具有很好的泛化能力。