-
公开(公告)号：CN118629549A
公开(公告)日：2024-09-10
申请号：CN202410697379.X
申请日：2024-05-31
申请人： 鞍钢集团北京研究院有限公司 , 东北大学
IPC分类号： G16C60/00 , G16C20/70 , G06N3/042 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种基于图神经网络的钢铁材料马氏体相变起始温度预测方法，涉及温度预测技术领域，本发明首先构建包含钢铁材料的化学成分、奥氏体晶粒尺寸、磁场以及预应变四个不同影响因素的数据库，从而得到基础数据集；基于基础数据集进行热力学知识图谱的构建，构建图卷积神经网络DDM‑GNN模型；设置迭代次数、学习率、批量以及损失函数，在进行热力学知识图谱中的特征和关系信息相融合时，采用矩阵拼接的方式来获得邻接卷积矩阵；采用全连接层来连接输出，得到预测的Ms温度；通过采用自适应矩估计法Adam对DDM‑DNN模型进行训练，最终取出训练过程中损失函数最小的模型作为最终模型Best_Model，实现温度预测。
-
公开(公告)号：CN106350724B
公开(公告)日：2018-08-03
申请号：CN201610783644.1
申请日：2016-08-31
申请人： 东北大学
摘要： 种多元硼化物增强的高熵合金基复合材料及其制备方法,属于金属材料技术领域。复合材料含有成分按摩尔比:Al∶Co∶Cr∶Cu∶Fe∶Ni∶B∶Si=0.5∶1∶1∶1∶1∶1∶(0.2~0.8)∶(0.2~0.8);制备方法:1)按复合材料的成分配比,称取原料;2)将各原料和纯Ti锭分别放入真空电弧炉的水冷铜坩埚,抽真空至真空度大于5×10MPa,回充惰性气体使炉内气压0.8~0.9大气压;先熔炼纯Ti金属锭;然后熔炼复合材料的各原料若干次后,制得多元硼化物增强的高熵合金基复合材料;本发明制备方法,工艺简单,热稳定性好,应用范围宽,制备的复合材料致密度高,界面良好,力学性能优异:硬度为425~784HV,磨耗阻抗0.149~1.459km/mm。
-
公开(公告)号：CN106350724A
公开(公告)日：2017-01-25
申请号：CN201610783644.1
申请日：2016-08-31
申请人： 东北大学
摘要： 一种多元硼化物增强的高熵合金基复合材料及其制备方法，属于金属材料技术领域。复合材料含有成分按摩尔比：Al∶Co∶Cr∶Cu∶Fe∶Ni∶B∶Si＝0.5∶1∶1∶1∶1∶1∶(0.2～0.8)∶(0.2～0.8)；制备方法：1)按复合材料的成分配比，称取原料；2)将各原料和纯Ti锭分别放入真空电弧炉的水冷铜坩埚，抽真空至真空度大于5×10-3MPa，回充惰性气体使炉内气压0.8～0.9大气压；先熔炼纯Ti金属锭；然后熔炼复合材料的各原料若干次后，制得多元硼化物增强的高熵合金基复合材料；本发明制备方法，工艺简单，热稳定性好，应用范围宽，制备的复合材料致密度高，界面良好，力学性能优异：硬度为425～784HV，磨耗阻抗0.149～1.459km/mm3。
-
-
搜索结果
3 条记录 (耗时 0.06 秒)
