一种钛合金热变形微观组织数字化处理方法

    公开(公告)号:CN116228648A

    公开(公告)日:2023-06-06

    申请号:CN202211635629.4

    申请日:2022-12-19

    Abstract: 本发明一种钛合金热变形微观组织数字化处理方法,属于钛合金锻造加工领域;方法步骤为,步骤1微观组织灰度处理,步骤2灰度图像二值化,步骤3两点统计,步骤4图像降维,步骤5图像重构,以步骤4获得的组织数据主要分量和平均坐标变化矩阵作为输入,计算组织的原始两点统计信息,通过相位恢复算法从两点统计信息进行组织图像恢复,输出与原始钛合金热变形微观组织图像具有相同特征的二值化图像。本发明开发出一种钛合金热变形微观组织数字化处理方法,该方法是对钛合金热变形微观组织形貌进行处理,捕获微观组织形貌特征,然后通过图像处理技术使得数据量大幅度减小的同时仍能保留微观组织特征,并转化为计算机可识别的数字化信息。

    一种间隙碳诱导的轻质高强FCC/B2共晶多主元合金及其制备方法

    公开(公告)号:CN120026203A

    公开(公告)日:2025-05-23

    申请号:CN202510226984.3

    申请日:2025-02-27

    Abstract: 本发明提供一种间隙碳诱导的轻质高强FCC/B2共晶多主元合金及其制备方法,涉及新型金属材料技术领域。所述间隙碳诱导的轻质高强FCC/B2共晶多主元合金由以下摩尔百分比的组分组成:Al:17‑18 at.%、Cr:10‑13 at.%、Fe:34‑37 at.%、Ni:34‑37 at.%、C:0.4‑3.8 at.%、N:0‑0.15 at.%、B:0‑0.04 at.%、Mn:0‑0.04 at.%。本发明通过在具有过共晶成分的FCC/B2多主元合金中添加少量或中量的碳元素,利用间隙碳诱导的共晶转变设计并制备出微观组织丰富的共晶多主元合金。本发明所提供的合金不含原料成本较高的Co元素,且密度 165 MPa cm‑3g‑1,延伸率最高可达21.3%,解决了共晶多主元合金的低成本、轻量化和高力学性能之间的矛盾。

    一种从两点相关函数实体化预测材料微观组织的方法和系统

    公开(公告)号:CN116012254A

    公开(公告)日:2023-04-25

    申请号:CN202310083242.0

    申请日:2023-02-08

    Abstract: 本发明公开了一种从两点相关函数实体化预测材料微观组织的方法和系统,该方法首先初始化微观组织图片,从目标两点自相关函数计算傅里叶幅值;对微观组织图片施加傅里叶约束、支撑域约束和特征微观组织约束;然后进行图像处理运算;通过阶段式相体积分数调整微观组织图像,以阶段式优化微观组织形貌;最终获得实体化预测的微观组织。本发明公开的微观组织实体化预测方法在计算精度上接近与经典的模拟退火算法,在计算效率上与传统混合输入输出算法相当,具有强的泛化能力和广阔的应用前景,能够为过程‑结构‑性能关系建模、微观组织优化、新材料设计等提供技术支撑。

    一种基于标准平面的线激光测量系统标定方法

    公开(公告)号:CN106568381A

    公开(公告)日:2017-04-19

    申请号:CN201610951984.0

    申请日:2016-10-25

    CPC classification number: G01B11/002

    Abstract: 本发明公开了一种基于标准平面的线激光测量系统标定方法,包括以下步骤:步骤一、将线激光传感器和数控移动平台进行连接,将选取好的四面体标定工件安装在测量系统内;步骤二、通过线激光传感器坐标系中的待标定坐标轴和其在世界坐标系中的非对应坐标轴建立标定坐标系;步骤三、通过线激光传感器获取标定工件在线传感器坐标系中的点云数据;步骤四、通过步骤三中的点云数据计算得出标定坐标系下的标定参数;步骤五、将步骤四中的标定参数及标定模型计算得出待标定坐标轴的方向向量;步骤六、沿线激光传感器坐标系中的另一待标定坐标轴方向移动线激光传感器,并重复执行上述步骤,得出另一待标定坐标轴的方向向量;本方法可靠性强,系统误差小。

    一种选区激光熔融增材制造零件的表面粗糙度预测方法

    公开(公告)号:CN119622957A

    公开(公告)日:2025-03-14

    申请号:CN202411830935.2

    申请日:2024-12-12

    Abstract: 本发明公开了一种选区激光熔融增材制造零件的表面粗糙度预测方法,属于增材制造技术领域,该方法首次根据打印工件的倾斜方向与刮刀刮涂方向之间的关系,构建了不同的粗糙度预测模型,提高了SLM工艺制备工件表面粗糙度的预测精度,构建出的模型为多项式模型。相较传统模型,一方面该模型分别考虑了顺刮刀和逆刮刀两种情况下表面粗糙度随倾斜方向的变化关系,提升了预测精度。另一方面,相较于传统的线性模型,该模型增强了对非线性关系的拟合;而与人工神经网络等黑盒非线性预测模型相比,该模型具有显式可解释的表达式,便于工程人员直接应用。该方法具有一定的普适性,适用于不同的SLM打印工艺参数、打印形状和打印材料。

Patent Agency Ranking