-
公开(公告)号：CN118816095A
公开(公告)日：2024-10-22
申请号：CN202311709123.8
申请日：2023-12-13
申请人： 青海盐湖工业股份有限公司 , 青海盐湖特立镁有限公司 , 西北工业大学 , 青海大学
摘要： 本发明涉及储氢装置，包括储氢罐体(1)、粉末托盘(2)和储氢粉末，储氢罐体呈圆筒形，水平设置，前端收缩形成氢气口(11)，后端开口形成操作口(15)，内部形成有氢气腔(12)。操作口(15)通过端盖(16)密封，储氢罐体和端盖的内壁上均设置有防护层。粉末托盘(2)包括粉末托板(21)和栅格(22)，粉末托板(21)水平设置于氢气腔内。栅格固定设置于粉末托板的顶面上，储氢粉末均匀平铺于粉末托板的顶面上。本发明可以防止储氢材料堆积，提高储氢材料储氢和释放氢的效率，防止储氢罐体损坏。
-
公开(公告)号：CN118406934A
公开(公告)日：2024-07-30
申请号：CN202410615063.1
申请日：2024-05-17
申请人： 西北工业大学
摘要： 本发明公开了一种真空快速烧结及热处理获得的TiOFe‑Cu合金，属于粉末冶金技术领域。本发明的TiOFe‑Cu合金，以质量百分比计，包括以下组分：Fe：3.5～6.0％，O：0.3～0.6％，Cu：1.0～5.0％，余量为Ti和不可避免的杂质。本发明通过调整原料粉末的制备过程、真空快速烧结以及热处理的工艺参数等，获得了准静态拉伸屈服强度达到630.27～743.58MPa，抗拉强度达到864.31～975.01MPa，断裂伸长率达到8.42～10.72％的TiOFe‑Cu合金。
-
公开(公告)号：CN115171817A
公开(公告)日：2022-10-11
申请号：CN202210678009.2
申请日：2022-06-15
申请人： 西北工业大学
IPC分类号： G16C60/00 , G06F30/20 , G06F119/02 , G06F119/14
摘要： 本发明公开了一种冲击疲劳过程中的损伤累积评估方法，包括步骤S1.测试结构/材料的初始力学性能，即进行准静态拉伸试验，获得目标结构/材料的初始屈服强度σs；S2.对目标结构/材料进行冲击疲劳加载，并对加载完后的目标结构/材料进行回收；S3.对步骤S2中进行完特定测试项目之后的结构/材料进行准静态拉伸测试，获得加载后的剩余屈服强度S4.结合步骤S1和步骤S3获得的初始屈服强度σs和剩余屈服强度根据下面的损伤程度计算公式，计算结构/材料的损伤程度，给出损伤程度；本方法通过试验方法，能够有效的进行结构/材料损伤程度的评估，具有评估结果准确和效率高的特点。
-
公开(公告)号：CN118345273A
公开(公告)日：2024-07-16
申请号：CN202410400389.2
申请日：2024-04-03
申请人： 西北工业大学
摘要： 本发明公开了一种具有稳定细晶组织的TiOFe系合金及其制备方法和应用，涉及钛合金技术领域。所述合金原料包括以下质量百分比的组分：2~6.0%的Fe，0.01~0.5%的TiO2、余量为Ti。本发明的细晶TiOFe系合金中通过调整纯铁和TiO2粉末的质量比例巧妙地利用了Fe和O元素在TiOFe合金中各自的优势进而得到最优配比，使得细晶组织的保持效果非常显著。
-
公开(公告)号：CN118237427A
公开(公告)日：2024-06-25
申请号：CN202410428292.2
申请日：2024-04-10
申请人： 西北工业大学
摘要： 本发明公开了一种高强韧Ti‑O‑Fe合金的大批量制备方法，属于金属材料技术领域，本发明采用锻造和拉拔的方式制备高强韧Ti‑O‑Fe合金，本发明通过调整Ti‑O‑Fe合金的加工工艺参数，获得了屈服强度达到827.94～933.20MPa、抗拉强度达到995.42～1140.23MPa、断裂应变达到6.31～24.45％的高强韧试件。本发明高强韧Ti‑O‑Fe合金的几大优点包括：强‑塑性匹配好、加工精度较高、光洁度较好和易加工大尺寸试件等，其中，长度方面可达米数量级，直径方面可达毫米级，强度可达1100级。在此基础上，可根据具体需求大批量稳定生产，并配套后续板材、带材和丝材等型材的定制化工艺参数。
-
公开(公告)号：CN117034699A
公开(公告)日：2023-11-10
申请号：CN202311015102.6
申请日：2023-08-14
申请人： 西北工业大学
IPC分类号： G06F30/23 , G06F30/27 , G06N3/084 , G06N3/048 , G16C60/00 , G16C20/30 , G16C20/70 , G06F119/02 , G06F119/14
摘要： 本发明公开一种基于拉伸试验的金属疲劳S‑N曲线预测方法，包括：获取特征数据，其中所述特征参数包括几何参数数据，裂纹形态和位置及外加载荷；通过有限元分析对特征数据进行计算，生成应力强度因子；基于特征数据及应力强度因子，构建样本数据集；构建人工神经网络模型，对所述人工神经网络模型进行参数优化，并通过样本数据集对优化后的人工神经网络模型进行调整，生成预测模型；对所述样本数据集进行划分，生成若干组训练测试集；分别通过若干组训练测试集对预测模型进行独立训练测试，基于独立训练测试结果，生成优化预测模型；获取金属材料数据，通过优化预测模型对所述金属材料数据进行预测，生成金属疲劳S‑N曲线。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.086 秒)
