-
公开(公告)号:CN118854134A
公开(公告)日:2024-10-29
申请号:CN202410890981.5
申请日:2024-07-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请涉及镁合金技术领域,具体涉及一种具有高强度和塑性的共晶类型的铸态Al2X增强的镁合金及其制备方法。所述镁合金包含镁基体和Al2X,还包含锆;其中X为Ca,Ce,Dy,Er,Eu,Gd,Ho,La,Lu,Nd,Pr,Sm,Tb,Tm,Y和Yb中的一种。本发明还提供了该镁合金的制备方法,包含真空熔炼和二次熔炼,其中在二次熔炼时加入纯铝。根据本发明的方法制备的镁合金性能优异,其中共晶VA102合金的屈服强度(YS)约为137MPa,抗拉强度(UTS)约为231MPa,断裂延伸率约为17.5%。
-
公开(公告)号:CN119753463A
公开(公告)日:2025-04-04
申请号:CN202411782038.9
申请日:2024-12-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种新型镁基合金及其制备方法,新型镁基合金的组成为Mg‑xCu‑xRe,其中,Re为稀土元素,所述新型镁基合金的柱面析出强化相为(Mg2Cu)Re。本发明的新型镁基合金,通过在Mg‑Re体系中引入Cu元素能够带来多方面的优势,尤其是在微观结构和力学性能方面。同时,为了在Mg‑Cu‑Re体系中得到(Mg2Cu)Re相,本发明对该体系进行了Mg‑xCu‑xCe的成分设计,保持Cu和Re的元素含量相同。Cu的引入可以与稀土元素结合形成稳定的析出强化相(Mg2Cu)Ce,这是一种FCC结构的A3B形式的析出相,(Mg2Cu)Ce相将形成均匀的柱面析出,有效提升合金强度和疲劳性能等力学性能。结合测试例,本发明的新型镁基合金的屈服强度和抗压强度较高并维持一定的塑性,极大地提升镁基合金的力学性能。
-
公开(公告)号:CN118918976A
公开(公告)日:2024-11-08
申请号:CN202410837227.5
申请日:2024-06-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请涉及镁合金技术领域,具体涉及一种预测镁合金析出强化中惯习面和位向关系的方法,所述方法包括:S1:获得目标晶体结构信息,匹配对应的原子行,确定匹配方向;S2:针对步骤S1中的所述经匹配的原子行,根据匹配方向确定候选惯习面;S3:界面计算,确定优选惯习面和位向关系。本发明提供的预测方法模型弥补了现有技术中没有直接针对惯习面的匹配这一不足,以Al2X/Mg体系为例进行预测,并通过实验验证了方法的准确性,为开发新型镁合金提供了理论指导。
-
公开(公告)号:CN119304204A
公开(公告)日:2025-01-14
申请号:CN202411477795.5
申请日:2024-10-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种金属增材制造试样设计方法,属于金属增材技术领域,包括以下步骤:S1、根据增材制造的目标零件形状和尺寸,确定自由设计区域的形状和尺寸,记为形状Q;S2、根据形状Q与过渡区域连接处的截面形状,确定过渡区域上表面的形状、尺寸和下表面的形状;S3、确定下表面的面积和过渡区域的锥度θ,从而进行金属增材制造试样设计。本发明采用上述的一种金属增材制造试样设计方法,不仅可以显著降低熔覆沉积过程中构件内的残余应力水平,并且可以基本消除基板移除对构件内部残余应力状态的影响,使得残余应力评估更便捷、准确,为增材制造新合金开发及工艺参数优化等研发和生产工作提供帮助。
-
公开(公告)号:CN119247142A
公开(公告)日:2025-01-03
申请号:CN202411142595.4
申请日:2024-08-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01R31/367 , G01R31/378 , G01R31/392 , G01R31/36 , G06F30/27 , G06F18/2135 , G06F18/214 , G06F18/2323 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F119/04
Abstract: 本发明适用锂电池技术领域,提供了一种基于深度学习的锂电池性能预测方法,该方法包括:利用目标电池的早期循环数据对训练好的锂电池性能预测模型进行微调训练,使用微调训练完成的锂电池性能预测模型对目标电池的性能进行在线预测,得到目标电池的剩余使用寿命和健康状态,其中,在对锂电池性能预测模型进行微调训练之前,采用样本筛选策略对预设的电池样本数据集进行筛选,得到训练样本集,利用训练样本集对预先构建的锂电池性能预测模型进行离线训练,以得到训练好的锂电池性能预测模型,从而提高了对锂电池性能预测的预测精度和预测效果,并实现了对锂电池容量退化轨迹的准确预测。
-
-
-
-