-
公开(公告)号：CN110629100B
公开(公告)日：2021-05-04
申请号：CN201911039783.3
申请日：2019-10-29
Applicant: 中南大学
Abstract: 本发明提供了一种氧化物弥散强化镍基高温合金的方法，包括以下步骤：将预合金粉末与YH2粉末在氩气保护下球磨，得到机械合金化粉末；预合金粉末的组成为Cr 20～21％，Fe 0.8～0.9％，Ti 0.5～0.6％，Al 0.2～0.3％和余量镍；将机械合金化粉末采用送粉式激光沉积法，得到氧化物弥散强化镍基高温合金；激光沉积的功率为1600～2000W，扫描速度为400～600mm/min，光斑直径为200～300μm，扫描间距为
-
公开(公告)号：CN111721791A
公开(公告)日：2020-09-29
申请号：CN201910817111.4
申请日：2019-08-30
Applicant: 中南大学
IPC: G01N23/2202 , G01N23/223
Abstract: 本申请公开了一种高通量合金及其制备方法、表征方法与测试方法，其中，测试方法包括：获取测试合金，测试合金包括基础合金块体、外围元素体与多种组合合金块体，每一组合合金块体包括变量元素以及定量元素，其中变量元素由一种添加元素和一种适应元素组成，定量元素包括至少一种元素；将测试合金进行预定处理；将处理后的测试合金进行切割、制样以及分析检测，以获取多种合金的物理及化学性能。本申请通过一个测试合金设置多种组合合金块体，并且每中组合合金块体中均设置有一个变量元素，能够同时获取大量的不同的合金组分，从而通过一次实验即可分析大量的合金，缩短实验时间以及资源，进一步加快合金的设计与优化。
-
公开(公告)号：CN110964994A
公开(公告)日：2020-04-07
申请号：CN201911155487.X
申请日：2020-01-19
Applicant: 中南大学
IPC: C22F1/10
Abstract: 本发明公开了一种镍基合金热加工工艺的制定方法，将镍基合金铸锭进行开坯锻造获得细晶镍基合金；将细晶镍基合金加工成若干圆柱试样；对镍基合金试样进行热压缩正交实验，获得镍基合金高温塑性变形时的流动应力σ和应变ε数据；并构建细晶镍基合金热加工图；同时对热压缩正交实验所得变形后试样进行金相组织观察，并统计不同变形条件下变形后试样动态再结晶完成情况，同时统计发生完全动态再结晶条件下变形后试样的晶粒尺寸，在镍基合金热加工图中的安全的热加工区间，选择出发生完全动态再结晶，且所得变形后试样晶粒大小≤35μm的热加工工艺参数，即为该镍基合金的优化热加工工艺参数。
-
公开(公告)号：CN110629100A
公开(公告)日：2019-12-31
申请号：CN201911039783.3
申请日：2019-10-29
Applicant: 中南大学
Abstract: 本发明提供了一种氧化物弥散强化镍基高温合金的方法，包括以下步骤：将预合金粉末与YH2粉末在氩气保护下球磨，得到机械合金化粉末；预合金粉末的组成为Cr 20～21％，Fe 0.8～0.9％，Ti 0.5～0.6％，Al 0.2～0.3％和余量镍；将机械合金化粉末采用送粉式激光沉积法，得到氧化物弥散强化镍基高温合金；激光沉积的功率为1600～2000W，扫描速度为400～600mm/min，光斑直径为200～300μm，扫描间距为
-
公开(公告)号：CN101265530A
公开(公告)日：2008-09-17
申请号：CN200810031206.5
申请日：2008-05-06
Applicant: 中南大学
IPC: C22C1/04
Abstract: 一种纳米团簇弥散强化铁基合金的制备方法，使用粒径为20～200μm的Fe－Cr－W－Ti－Y－O预合金粉末，采用模压进行成形，然后将压坯放入真空烧结炉内进行烧结成形，烧结工艺为1250～1350℃保温2h，真空度为0.1～0.01Pa，再将烧结样品加热到900～1200℃保温0.5～1h，然后进行锻造，最后将锻造的样品在真空炉中退火。本发明工艺简单，且不需要专用设备，各组成元素混合均匀，无偏析。与常规的机械合金化方法相比，制备过程无杂质引入，制备的铁基合金材料的致密度高，热加工后平均致密度可达98％以上，且通过热处理，合金中有细小的弥散强化相析出，使材料硬度达HV0.2300以上。
-
Patent Agency Ranking
公开(公告)号：CN115528262B
公开(公告)日：2025-05-27
申请号：CN202211202308.5
申请日：2022-09-29
Applicant: 中南大学 , 贵研铂业股份有限公司
IPC: H01M4/92 , H01M8/1018
Abstract: 本发明公开了一种微生物‑海藻酸钠基多孔复合钯炭催化剂及其制备方法，属于燃料电池技术领域。将含钙离子的溶液加入至含海藻酸钠、碳酸钙和微生物的混合溶液中进行交联反应，形成复合凝胶微球；将复合凝胶微球置于酸性溶液中浸出，得到含孔复合凝胶微球；将含孔复合凝胶微球置于水中后，加入钯源进行吸附；得到载钯复合凝胶微球；将载钯复合凝胶微球依次进行冷冻干燥、炭化和还原焙烧，即得具有多孔结构，稳定性好，且纳米钯负载量高而分布均匀，表现出高催化活性的微生物‑海藻酸钠基多孔复合钯炭催化剂，可以应用于燃料电池。
-
公开(公告)号：CN119810368A
公开(公告)日：2025-04-11
申请号：CN202411847368.1
申请日：2024-12-16
Applicant: 广东省国土资源测绘院 , 中南大学
IPC: G06T17/20 , G06T7/11 , G06T3/4038
Abstract: 本发明公开了一种基于分块策略的大面积PSInSAR处理方法、装置及设备，该方法包括根据原始数据的行列数和子块参数，利用具有重叠度的规则格网划分方法进行自动数据块划分，得到若干子块；对各子块进行分块PS点选择、分块构网和分块参数解算处理；利用子块间重叠度信息和连通关系进行子块间参数的调整，以实现结果平滑和准确拼接。本发明先进行数据块划分然后分块处理，提高了PSInSAR处理时选点、构网、参数解算等环节内存的占用和提高并行处理效率；能够在当前硬件条件和不减少计算效率的情况下，增加PS点的数量和构网冗余弧段的数量，有利于提高结果的精度、密度和覆盖面积；考虑子块重叠度的同名点的信息可以平滑准确的拼接子块，抑制全局误差的传播。
-
公开(公告)号：CN119318984A
公开(公告)日：2025-01-17
申请号：CN202411879904.6
申请日：2024-12-19
Applicant: 中南大学
IPC: B01J27/26 , B01J35/39 , B01J35/30 , C01B15/027
Abstract: 本发明属于光催化产H2O2领域，具体涉及一种Pt单原子/氰基修饰g‑C3N4材料及其制备和在光催化产H2O2中的应用，该材料制备步骤为：将包含原料A、原料B的溶液进行溶剂热处理，随后进行焙烧处理，得到氰基修饰g‑C3N4材料；再将氰基修饰g‑C3N4材料和Pt源液相陈化、冷冻后在100‑500 mW的光照强度下进行光还原，制得所述的Pt单原子/氰基修饰g‑C3N4材料；所述的原料A包含式1（#imgabs0#）、式2（#imgabs1#）中的至少一种；所述的原料B的化学式为MCl，其中，M为Na、K中的至少一种。本发明制得的材料能够意外地显著强化Pt、g‑C3N4复合效果，优化其光催化产H2O2的效果。
-
公开(公告)号：CN113870957B
公开(公告)日：2024-09-03
申请号：CN202111232545.1
申请日：2021-10-22
Applicant: 中国航发北京航空材料研究院 , 中南大学
Abstract: 本申请公开了一种基于机器学习的共晶高熵合金成分设计方法和装置，该方法包括：获取训练数据，其中，训练数据中包括输入数据和输出数据，输入数据为合金的成分，输出数据为合金的相组成；将训练数据输入到预先选定的机器学习模型中进行训练，得到训练好的模型；通过模型获取初生相摩尔分数在预定范围内的多组合金成分；对多组合金成分进行统计分析获取对共晶形成具有重要影响的关键元素和与关键元素强相关元素；调整关键元素和与关键元素强相关元素的含量，对共晶高熵合金进行预测得到共晶高熵合金的成分。通过本申请解决了现有方法预测共晶高熵合金所导致的问题，避免了现有方法预测共晶高熵合金的盲目性，从而提高了共晶高熵合金设计的效率。
-
公开(公告)号：CN115896547B
公开(公告)日：2024-07-12
申请号：CN202210997266.2
申请日：2022-08-19
Applicant: 江西咏泰粉末冶金有限公司 , 中南大学
Abstract: 本发明公开了一种耐磨、高硬、加工性好的涂层材料及其制备方法，属于金属材料技术领域。其中涂层材料，以重量分数计，其金属原料用量分布如下：Co：55份‑62份，Cr：20份‑25份，W：7份‑8份，Mo：4份‑5份，Al：1.5份‑3.5份，C：1份‑1.5份，B：0.5份‑1.5份，Si：0.1份‑1.0份，Ti：0.1份‑1.0份。所述的涂层材料的制备方法包括气雾化Co基硬面材料的制备方法与硬面涂层的制备方法。相较于Ni60体系材料，Co基合金的凝固温度区间小，B、Si含量相对较低，Co基硬面材料的激光熔覆技术成型稳定性高；Co基硬面涂层的硬度高、耐磨性好，优于现有Ni60C硬面材料。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.023 seconds)
