简介:采用表面机械研磨的方法制备出具有双面梯度显微结构的超细晶304材料(DGD-304)。使用Zwick微拉伸实验机测试粗晶和细晶不锈钢样品在室温下的力学性能,对比退火工艺对具有梯度晶粒尺寸分布的304不锈钢样品力学性能的影响。使用透射电镜分析其塑性变形表层的组织结构和细化机制。另外,通过扫描电镜观察其断裂特征,讨论其变形机制。结果表明,高频双面表面机械研磨(SMAT)处理后的304不锈钢表现出很高的强度和较好的塑性;500°C温度下短时间热处理可以显著改善其力学性能,具体表现为保持高强度的同时增加了断裂延伸率。可见,DGD-304材料可以通过热处理有效改善其塑性变形能力。
简介:为满足风机运营商对设备故障实时监控和预测的需求,探讨了基于自回归积分滑动平均模型(ARIMA)和非线性自回归神经网络模型(NARNN)的组合模型NARIMA。实现方法为:建立ARIMA模型用于预测数据的线性成分,用NARNN模型预测由ARIMA模型预测产生的残差部分,对风机叶片结冰故障的时间序列进行拟合,得到的NARIMA模型可实现对风机叶片结冰故障准确预测。仿真结果表明:NARIMA模型能较好地拟合所给时间序列,预测值符合实际情况和趋势,证明了NARIMA模型的有效性。