超细纳米TiO2光催化灭菌的研究

在近紫外光的照射下,对比研究超细纳米TiO2与DegussaP25型TiO2光催化的灭菌效果.结果表明,粒径更小,比表面积更大的超细TiO2有助于提高光催化活性,能更有效地杀灭大肠杆菌.采用脉冲等强度均一电场凝胶电泳的研究表明,纳米TiO2光催化能诱导大肠杆菌染色体DNA双链发生严重断裂.     

PBO纤维表面二氧化钛涂层的构建及其抗紫外光性能研究

为提高聚对苯撑苯并二噁唑(PBO)纤维的抗紫外老化性能,以3-氨丙基三甲氧基硅烷(APTMS)为桥梁,在PBO纤维表面构建二氧化钛(TiO2)涂层,并考察了纤维改性前后的表面形貌、界面剪切强度(IFSS)、以及紫外光照射前后的力学性能等变化.研究结果表明,在PBO纤维表面构建二氧化钛涂层后,PBO纤维与树脂的界面剪切强...     

TiO2/浮珠负载型光催化剂的制备及其光催化性能

为提高光催化降解印染废水的效率,以空心结构微珠(浮珠)为载体,将TiO2溶胶-凝胶负载于表面,制备一系列不同焙烧温度、不同负载次数、具有高催化性能的负载型光催化剂.通过对甲基橙溶液光催化降解实验,研究了焙烧温度、负载次数、甲基橙溶液的初始质量浓度对光催化性能的影响.实验结果表明:500℃焙烧、负载4次时制得的负载型光催化剂催化活性最高,光照反应120 min5、mg/L的甲基橙溶液降解率为69%;降低甲基橙溶液初始质量浓度,其降解速率明显提高.     

钛合金高温变形流变应力的预测

采用MATLAB程序建立BT20钛合金高温变形时流变应力的神经网络模型,利用该模型对其他一些热力学状态下材料的流变应力进行了预测。结果表明,在目标函数为0.001、隐层节点数为12、学习率为0.5、动量因子为0.8时,预测数据与试验数据吻合良好,系统误差较小(拟合度为5%);表明已形成了一个知识基的本构关系模型。     

纳米TiO2可见光响应研究进展

纳米TiO_2因具有良好的光催化性能而受到关注,针对TiO_2实际使用过程中存在的问题——可见光利用效率低下,研究者开展了深入而广泛的研究。着重综述了近年来发展起来的主要改性方法,包括金属离子掺杂、非金属原子置换、两种(或以上)半导体复配、有机染料敏化等,以及最新研究成果。同时对TiO_2可见光研究发展方向进行了分析。     

激光熔覆沉积TC11钛合金基板应力预测和微观组织研究

对损伤的TC11钛合金零部件进行激光熔覆沉积修复,可在不影响零件使用性能的前提下,节约贵重钛合金资源,提高零件利用率。分析修复后熔覆层和基材组织性能和开裂倾向是激光熔覆沉积修复工艺的基础研究工作。采用高斯热源,建立了单道单层激光熔覆应力预测三维数值模型,研究了激光熔覆基板的应力分布规律。随后,进一步实验研究了TC11激光熔覆区的显微组织结构。结果表明,激光熔覆区可分为熔覆层、热影响区和热应力层3部分。基板热应力层的晶粒受到应力的作用变形显著。激光熔覆后基板应力仿真和实验结果分布趋势一致,且最大热应力深度随激光功率的增大而增大。     

SP700钛合金板轧制过程的组织演变和力学性能研究

研究了22 mm厚SP700钛合金板轧制过程中的组织演变和力学性能。结果表明：SP700钛合金板的显微组织由不连续的晶界α相和晶内针状组织组成;经过热轧和冷轧后,显微组织不均匀,由等轴组织和变形组织组成,等轴组织由等轴α相和等轴β相组成,变形组织由条状α相和变形β相组成;冷轧并退火后,显微组织十分均匀,由等轴组织组成。室温拉伸试验结果表明：SP700钛合金板冷轧后,抗拉强度达1 100 MPa以上,纵横向强度差为64 MPa,伸长率为5.0%～6.5%,塑性差为0.17%。退火后,强度降低,塑性显著提高;纵横向强度差为69 MPa,塑性差为6.84%。     

Mo对650℃高温钛合金组织和性能的影响

研究了Mo对650℃高温钛合金组织和性能的影响。研究表明：Mo可以细化钛合金的显微组织,且能在较小幅度降低其室温塑性的前提下,显著提高其室温强度;Mo对钛合金650℃高温强度和塑性影响不显著;合金的高温持久性能和蠕变性能具有强烈的组织和温度敏感性,初生α相含量和温度对钛合金高温持久性能和蠕变性能的影响远大于Mo;在较高温度下（初生α相体积分数约为15%）,Mo的质量分数为0.6%时,对钛合金热稳定性能有很好的改善作用。     

新型生物医用钛合金的设计及应用进展

传统医用钛合金的设计标准主要为强度与弹性模量。随着外科植入物在临床的不断应用,新型生物医用钛合金的设计要求也随之提高,不仅需要考虑合金元素的生物相容性、细胞毒性等生物安全性指标,而且针对不同的人群提出可拆卸或长期植入的理念。对比分析了国际上对医用钛合金的传统设计方法及准则,重点介绍了新一代外科植入用钛合金应该具备的最新设计要素和最新应用进展,提出了医用钛合金的未来发展方向。     

基于GA-NN的钛合金工件磨削表面烧伤裂纹图像的自动识别

为了解决钛合金等难加工材料工件磨削表面烧伤的在线监测与预报问题,提出了一种神经网络与图像处理技术相结合的钛合金工件磨削表面烧伤裂纹的自动识别算法。该方法中磨削表面图像由彩色CCD获得,首先转化为灰度图像,然后转化为二值点阵图像,再经过点阵数据编码压缩处理表征为模式特征,然后利用BP神经网络和遗传算法相结合的方法训练前向多层神经网络,最后利用训练后的神经网络对磨削表面的烧伤裂纹进行识别。实验及仿真结果表明：该模型的神经网络稳定,学习收敛速度快,具有很强的记忆能力和推广能力,对解决钛合金的磨削烧伤裂纹的实时自动识别问题具有良好的适应性,总有效率达到88％左右。