一种Zn-Ni-Al2O3电镀液、制备方法及应用

    公开(公告)号:CN108866605A

    公开(公告)日:2018-11-23

    申请号:CN201811034411.7

    申请日:2018-09-06

    Applicant: 东北大学

    Abstract: 本发明公开了一种Zn‑Ni‑Al2O3电镀液、制备方法及应用,电镀液由主配位剂、辅助配位剂、硫酸锌、硫酸镍、碳酸钾、添加剂、Al2O3纳米颗粒悬浮液和水配制而成;电镀液中各成分含量分别为:主配位剂20~400g/L、辅助配位剂5~300g/L、硫酸锌10~300g/L、硫酸镍5~200g/L、碳酸钾10~500g/L、添加剂0.1~20g/L、Al2O3纳米颗粒悬浮液1~100ml/L;其中添加剂由超纯水配制而成。本发明通过对添加剂的筛选及使用,对性能进行了优化。所得镀层外观光亮,均匀平整,镀层致密、无气孔和裂纹,耐腐蚀性和耐磨性显著提高。

    一种锆基非晶合金的遗传制备方法

    公开(公告)号:CN103924170B

    公开(公告)日:2016-03-23

    申请号:CN201410133356.2

    申请日:2014-04-03

    Abstract: 本发明公开了一种锆基非晶合金的遗传制备方法,该合金组成为ZrqCuwNirAlxREy,RE为稀土元素,其中q、w、r、x、y均为质量百分比,40≤q≤70,20≤w≤30,4≤r≤10,2≤x≤10,0.3≤y≤1.5;首先用真空感应熔炼炉制备四种准非晶母合金ZraCub、ZrcNid、ZreAlf、AlgREh,其中a、b、c、d、e、f、g、h均为质量百分比,30≤a≤70,30≤b≤70;30≤c≤70,30≤d≤70;70≤e≤90,10≤f≤30;50≤g≤80,20≤h≤50;随后将四种准非晶母合金原料按照锆基非晶目标合金的配比放入真空感应熔炼炉中进行熔炼。本发明所述的锆基非晶合金遗传制备方法可以显著提高非晶合金的形成能力和机械强度。

    一种锆基非晶合金的遗传制备方法

    公开(公告)号:CN103924170A

    公开(公告)日:2014-07-16

    申请号:CN201410133356.2

    申请日:2014-04-03

    Abstract: 本发明公开了一种锆基非晶合金的遗传制备方法,该合金组成为ZrqCuwNirAlxREy,RE为稀土元素,其中q、w、r、x、y均为质量百分比,40≤q≤70,20≤w≤30,4≤r≤10,2≤x≤10,0.3≤y≤1.5;首先用真空感应熔炼炉制备四种准非晶母合金ZraCub、ZrcNid、ZreAlf、AlgREh,其中a、b、c、d、e、f、g、h均为质量百分比,30≤a≤70,30≤b≤70;30≤c≤70,30≤d≤70;70≤e≤90,10≤f≤30;50≤g≤80,20≤h≤50;随后将四种准非晶母合金原料按照锆基非晶目标合金的配比放入真空感应熔炼炉中进行熔炼。本发明所述的锆基非晶合金遗传制备方法可以显著提高非晶合金的形成能力和机械强度。

    一种基于LSTM的热轧弯辊力预测方法

    公开(公告)号:CN112439794B

    公开(公告)日:2021-09-24

    申请号:CN202011411870.X

    申请日:2020-12-04

    Applicant: 东北大学

    Abstract: 本发明涉及一种基于LSTM的热轧弯辊力预测方法,采集不锈钢轧机热轧工艺的最终机架轧制数据并划分为训练集traindata和测试集testdata;对traindata进行归一化处理;构造矩阵P;将矩阵P的最后一行作为训练集的标签即真实值;对网络的输出值和真实值计算并更新;网络训练完成后,取出LSTM网络的最后m个输出数据作为下一时刻的输入,得到网络下一时刻的输出,即为下一时刻的弯辊力预测值;重复上述步骤直至获得足够数目的预测数据;将处理后的数据与testdata中的真实值进行比较,检验网络的有效性。本发明方法与传统LSTM网络相比,加入了更新机制后的网络模型准确度有所提升,且网络更加稳定。

    一种基于LSTM的热轧弯辊力预测方法

    公开(公告)号:CN112439794A

    公开(公告)日:2021-03-05

    申请号:CN202011411870.X

    申请日:2020-12-04

    Applicant: 东北大学

    Abstract: 本发明涉及一种基于LSTM的热轧弯辊力预测方法,采集不锈钢轧机热轧工艺的最终机架轧制数据并划分为训练集traindata和测试集testdata;对traindata进行归一化处理;构造矩阵P;将矩阵P的最后一行作为训练集的标签即真实值;对网络的输出值和真实值计算并更新;网络训练完成后,取出LSTM网络的最后m个输出数据作为下一时刻的输入,得到网络下一时刻的输出,即为下一时刻的弯辊力预测值;重复上述步骤直至获得足够数目的预测数据;将处理后的数据与testdata中的真实值进行比较,检验网络的有效性。本发明方法与传统LSTM网络相比,加入了更新机制后的网络模型准确度有所提升,且网络更加稳定。

    一种基于PSO-SCA和图论辅助的二阶段动态无功优化方法

    公开(公告)号:CN112183893B

    公开(公告)日:2024-02-02

    申请号:CN202011180132.9

    申请日:2020-10-29

    Applicant: 东北大学

    Abstract: 一种基于PSO‑SCA和图论辅助的二阶段动态无功优化方法,属于电力系统动态无功优化领域;本发明考虑到第二阶段动态无功优化和图论中有向无环图存在一定的相似性,提出基于图论辅助的第二阶段动态无功优化,并用图论中最短路径求解问题解决第二阶段动态无功优化问题,采用属于贪心算法的Dijkstra算法寻找最短路径,克服了动态规划法存在无效推进的情况,提高了寻优效率,节省了计算时间。本发明解决了实际电力系统运行当中,由于系统内负载是时时变化的,无法用静态无功优化来准确地描述;同时为了保证安全等问题,不能频繁调整有载调压变压器变比和补偿电容的容量,应尽量减少调整次数的问题。

    一种基于PSO-SCA和图论辅助的二阶段动态无功优化方法

    公开(公告)号:CN112183893A

    公开(公告)日:2021-01-05

    申请号:CN202011180132.9

    申请日:2020-10-29

    Applicant: 东北大学

    Abstract: 一种基于PSO‑SCA和图论辅助的二阶段动态无功优化方法,属于电力系统动态无功优化领域;本发明考虑到第二阶段动态无功优化和图论中有向无环图存在一定的相似性,提出基于图论辅助的第二阶段动态无功优化,并用图论中最短路径求解问题解决第二阶段动态无功优化问题,采用属于贪心算法的Dijkstra算法寻找最短路径,克服了动态规划法存在无效推进的情况,提高了寻优效率,节省了计算时间。本发明解决了实际电力系统运行当中,由于系统内负载是时时变化的,无法用静态无功优化来准确地描述;同时为了保证安全等问题,不能频繁调整有载调压变压器变比和补偿电容的容量,应尽量减少调整次数的问题。

Patent Agency Ranking