刘玉栋
,
周勇
,
马晓琳
表面技术
doi:10.16490/j.cnki.issn.1001-3660.2016.09.011
目的 研究喷涂涂层的组织与耐蚀性.方法 利用超音速电弧喷涂技术在20#钢表面分别制备了Zn-Al-Mg、Zn-Al和Zn涂层.采用扫描电镜观察Zn-Al-Mg涂层的组织形貌,用X射线衍射仪分析涂层的相结构.通过电化学试验,分析比较三种涂层在3.5％NaCl溶液中的腐蚀行为.利用灰度法分析金相照片的灰度值,捕捉孔隙的位置和大小,并确定涂层孔隙率.采用万能拉伸试验机进行拉伸试验,测定涂层的结合强度.结果 Zn-Al-Mg伪合金涂层的组织致密,与基体结合良好,孔隙率为3.8％,结合强度为3.7 MPa,厚度约为300 μm.由于存在耐蚀性极强的尖晶石氧化物,涂层的耐蚀性有所提高.Zn-Al-Mg涂层的腐蚀电流密度为1.249 μA/cm2,低于Zn-Al涂层和纯Zn涂层;电化学反应电阻率Rt达到1356Ω·cm2,约为纯Zn涂层的2倍.结论 Zn-Al-Mg涂层组织致密,与基体结合良好,耐蚀性能优于Zn-Al涂层和纯Zn涂层.该涂层中存在耐蚀性极强的尖晶石结构氧化物,在腐蚀过程中,孔隙被腐蚀产物堵塞,有效阻止了腐蚀反应的进一步进行,自封闭特性起到了积极作用.
关键词:
耐蚀性
,
Zn-Al-Mg涂层
,
电化学
,
腐蚀
,
超音速电弧喷涂
,
伪合金
田慧欣
,
刘玉栋
,
孟博
钢铁研究学报
doi:10.13228/j.boyuan.issn1001-0963.20160105
LF炉钢水温度的精准控制有利于缩短钢的冶炼时间，从而节约其生产成本.而获得准确的 LF 炉钢水温度预报是钢水温度控制的先决条件.通过分析 LF炉冶炼过程对钢水温度的影响因素，提出一种适用于 LF炉钢水温度预报同时具有增量学习功能的 AdaBoost．RS集成建模算法.该算法引入松弛变量和遗忘因子2个参数，在提高预测精度的同时，可以克服大噪声数据带来的干扰，同时增量学习可以降低早期生产数据对模型的影响.以福建三钢有限责任公司100 t LF炉为研究对象，采用5个测试函数验证算法的抗噪性能，分别用静态数据和动态数据对钢水出站的终点温度进行预报.实验结果表明，预测的绝对误差小于10℃的样本数量超过了样本总数的90％，算法精度较高，有利于实际生产应用.
关键词:
软测量
,
AdaBoost
,
增量学习
,
BP神经网络
,
钢包精炼
