高强高导电CuCrZr合金时效过程中析出相的演化规律

来源 :金属热处理 | 被引量 : 0次 | 上传用户:wqvbqjxtid1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
对固溶态CuCrZr合金经不同温度时效后的析出相进行显微观察,并对其电导率进行了测试。结果表明:450℃时效30 min的析出相为5 nm以下的单质Cr相,并且与基体呈cube-on-cube取向关系。450℃峰值时效120 min时析出相为CrCu2Zr相和Cr相,尺寸为10nm左右,且与基体共格;600℃和800℃过时效30 min后析出相主要演变为球状的Cr相和棒状的Cu4Zr相。在600℃时效处理后部分棒状析出相已显著长大至50μm左右,而800℃时效处
其他文献
摘要:为了解广东省农村小水电现状及存在问题,通过收集相关资料并采用现场调查的方法,分析了不同开发方式、不同区域、不同属性的共24座水电站现状及问题;结果发现其存在主管部门管理工作难度大、部分引水式电站下泄生态流量难度大、部分坝后式电站难以保证生态流量下泄、部分企业对下泄生态流量及创建绿色小水电积极性不高、水电站运行管理水平不足、生态流量监测设施不完善等问题;需要通过制定下泄生态流量的法律法规等强制
黑果腺肋花楸作为一种高质量的经济树种,从北美洲等地引入我国种植的历史已达30余年。其果实富含有机酸类、多酚类化合物、多糖类物质等营养成分,在抗氧化、抗炎与抗菌性、缓解人类慢性病等医用领域与制作果酒、复合果汁和果酱等食品领域均有较高的研究利用价值。文章基于国内外近几年对黑果腺肋花楸的研究现状,从黑果腺肋花楸的活性物质与营养成分、保健功能作用及产品开发进展等方面进行综述,希望对促进黑果腺肋花楸在国内的进一步研究与开发提供帮助及理论依据。
研究电子束不同辐照剂量对八角和桂皮灭菌贮藏效果的影响,采用0、1、3、5、7 kGy不同剂量的电子束辐照八角和桂皮,分析辐照与贮藏后不同剂量灭菌效果以及贮藏6个月后挥发油、氧化指标和感官性状的变化。研究结果表明:电子束辐照剂量3 kGy以上就能够很好地杀灭八角和桂皮表面的微生物;辐照处理八角的总酸和过氧化值与对照差异不显著,气味、滋味、形态没有明显变化;辐照处理桂皮,7 kGy总酸高于未辐照组,差异显著,其他剂量差异不显著,辐照后桂皮过氧化值变化不显著,气味、滋味、形态没有明显变化。电子束辐照技术可用于八
以'布兰瑞克'无花果为试材,采用1-MCP、ClO2单独及复合处理,研究其对无花果流通过程中贮藏品质的影响.结果表明,1.5 μL/L 1-MCP、80 mg/L ClO2、1.5 μL/L 1-MCP与80 mg/L C
为解决浓缩工艺过程中沙棘汁褐变、活性成分保留低的问题,以沙棘汁为原料,比较不同浓缩工艺对沙棘汁中活性成分含量的影响。分别采用悬浮式冷冻浓缩、真空加热浓缩、热风浓缩对沙棘汁进行不同固形物含量的浓缩试验,检测浓缩前后沙棘汁的褐变度、抗坏血酸、异鼠李素、槲皮素、山奈酚、β-胡萝卜素的含量。结果表明,当浓缩固形物含量为30%时,在悬浮式冷冻浓缩条件下,异鼠李素的损失率为4.09%,槲皮素的损失率为3.49%,山奈酚的损失率为3.36%,抗坏血酸损失率为7.54%,β-胡萝卜素含量几乎无变化,各活性成分保留情况比真
利用细菌脂多糖(Lipopolysaccharide,LPS)刺激RAW264.7巨噬细胞形成炎症模型,评价混合乳杆菌对RAW264.7细胞的抗炎效果.在LPS刺激的RAW264.7细胞培养基中,添加混合乳杆菌,分
为探究蛹拟青霉发酵大豆粉适当的干燥方式,采用热风干燥、微波真空干燥和冷冻真空干燥3种干燥方式对蛹拟青霉发酵豆粉进行了干燥处理,并测定了多糖、蛋白质、虫草素、多酚等主要活性成分和干燥发酵豆粉的堆积密度、复水性、感官指标和微生物数量。结果表明:不同的干燥方式对发酵豆粉的活性成分含量和堆积密度、复水性、微生物数量、感官指标等均具有显著影响(P<0.05或P<0.01)。冷冻真空干燥的发酵豆粉活性成分显著优于其他2种干燥方式,多糖、蛋白质、虫草素和多酚含量分别为224.2 mg/g、307.42 mg
复杂多样的岗位信息使得很多求职人员很难查找到适合自己的岗位信息,为了提高人力资源的推荐质量,本文基于梯度提升树和混合卷积神经网络设计一种有针对性的人才市场推荐模型。利用流式分布式方法收集求职人员信息并将其转换为可用于算法分析的独热编码,使用梯度提升树提取求职人员特征。混合卷积神经网络在经过训练之后可实现有针对性的人才推荐。本文模型与不结合梯度提升树的混合卷积神经网络、结合梯度提升树的卷积神经网络相比,在召回率和F1-Score上分别提高了9.78%和10.1%。这说明,结合梯度提升树的混合卷积神经网络算法
意图识别分类是自然语言处理领域的一个热点问题,在智能机器人、智能客服中如何根据上下文理解用户意图是一个重点问题,同时也是一个难点问题。传统的意图识别分类主要是采用基于规则、模板匹配的正则化方法或基于机器学习的方法,然而却存在计算成本高、泛化能力差的问题。针对上述问题,本文设计以Google公开的BERT预训练语言模型为基础,进行输入文本的上下文建模和句级别的语义表示,采用[cls]符号(token)对应的向量代表文本的上下文,再通过全连接神经网络(FNN)对语句进行特征提取,为了充分利用数据,本文利用拆解
为避免科技成果数据外泄,设计一种基于Portal认证技术的科技成果数据跨平台访问控制方法。采用Portal认证技术构建请求访问平台和科技成果数据服务平台的访问控制模型,当这2个平台通过访客身份认证后,对其进行信任度评估和访问请求授权;服务提供平台利用策略实施点(PEP)完成访问请求用户属性信息的收集并传送至PEP,采用推荐算子计算存在访问请求的用户信任度,并通过合一运算获取用户在科技成果数据服务平台的信任度。将获取的信任度传送至策略决策点(PDP),通过PDP对信任度进行分析,以给出是否对该访问请求进行授