金属学报  1997, Vol. 33 Issue (4): 437-442

论文 本期目录 | 过刊浏览 |

ZA22/Al_2O_3(F)复合材料室温拉伸强度的模拟研究

陈凯;俞蒙槐;胡上序;于思荣;何镇明

浙江大学;杭州;310027;浙江大学;杭州;310027;浙江大学;杭州;310027;吉林工业大学;长春;130025;吉林工业大学;长春;130025

SIMULATION OF ROOM-TEMPERATURE STRENGTH OF ZA22/Al_20_3(F) COMPOSITES

CHEN Kai;YU Menghuai;HU Shangxu (Zhejiang University; Hangzhou 310027)YU Sirong; HE Zhenming(Jilin University of Technology; Changchun 130025)(Manuscript received 1996-04-30; in revise form 1996-09-28)

陈凯;俞蒙槐;胡上序;于思荣;何镇明. ZA22/Al_2O_3(F)复合材料室温拉伸强度的模拟研究[J]. 金属学报, 1997, 33(4): 437-442.
, , , , . SIMULATION OF ROOM-TEMPERATURE STRENGTH OF ZA22/Al_20_3(F) COMPOSITES[J]. Acta Metall Sin, 1997, 33(4): 437-442.

摘要 参考文献 相关文章 Metrics 全文: PDF(527 KB)   摘要: 采用挤压铸造法制备ZA22／Al2O3（F）复合材料，分别采用强度混合准则（ROM）和神经网络模型研究了含Ce与不含Ce的ZA22／Al2O3（F）室温拉伸强度随短纤维体积分数Vf的变化情况，结果表明：强度混合准则能有效地预测复合材料强度的两个重要体积分数即最小体积分数Vmin和临界体积分数Vcrit；而神经网络模型不仅能较准确地预测Vmin和Vcrit，并且能够较好地描述复合材料强度随Vf的变化规律． 关键词 ： Zn－Al合金,  强度,  强度混合准则,  神经网络,  金属基复合材料     Abstract：As to the ZA22/Al2O3(F) composites made by squeeze casting, the room-temperature strengths were studied by the computer simulation with ROM rule and neural network model alternatively. The results show that ROM rule can predict two important parameters of composites strength e.g. Vmin and Vcrit effectively. Compared with ROM rule, neural network model can not only predict the Vmin and Vcrit pretty well, but also describe the strength variation with the change of Vf. Key words： ZA22 alloy    strength    ROM    neural network 收稿日期: 1997-04-18      基金资助:国家自然科学基金 服务 把本文推荐给朋友 加入引用管理器 E-mail Alert RSS 作者相关文章 陈凯 俞蒙槐 胡上序 于思荣 何镇明 44.8K 链接本文: https://www.ams.org.cn/CN/      或      https://www.ams.org.cn/CN/Y1997/V33/I4/437 1 William J B.Metall Trans,1992;23A:3045 2 Termonia Y.J Mater Sci,1990;25:4644 3 焦李成.神经网络的应用与实现.西安:西安电子科技大学出版社,1995:2 4 Friend C M.J Mater Sci,1989;22:3005 5 陈凯.吉林工业大学硕士学位论文,1994:58 6 于思荣,何镇明,孟长生,陈凯.中国稀土学报,1994:12:323 7 焦李成.神经网络系统理论.西安:西安电子科技大学出版社,1995:34} [1] 梁凯, 姚志浩, 谢锡善, 姚凯俊, 董建新. 新型耐热合金SP2215组织与性能的关联性[J]. 金属学报, 2023, 59(6): 797-811. [2] 张哲峰, 李克强, 蔡拓, 李鹏, 张振军, 刘睿, 杨金波, 张鹏. 层错能对面心立方金属形变机制与力学性能的影响[J]. 金属学报, 2023, 59(4): 467-477. [3] 冀秀梅, 侯美伶, 王龙, 刘玠, 高克伟. 基于机器学习的中厚板变形抗力模型建模与应用[J]. 金属学报, 2023, 59(3): 435-446. [4] 张开元, 董文超, 赵栋, 李世键, 陆善平. 固态相变对Fe-Co-Ni超高强度钢长臂梁构件焊接-淬火过程应力和变形的影响[J]. 金属学报, 2023, 59(12): 1633-1643. [5] 马国楠, 朱士泽, 王东, 肖伯律, 马宗义. SiC颗粒增强Al-Zn-Mg-Cu复合材料的时效行为和力学性能[J]. 金属学报, 2023, 59(12): 1655-1664. [6] 郑士建, 闫哲, 孔祥飞, 张瑞丰. 纳米金属层状材料强塑性的界面调控[J]. 金属学报, 2022, 58(6): 709-725. [7] 沈国慧, 胡斌, 杨占兵, 罗海文. 回火温度对含 δ 铁素体高铝中锰钢力学性能和显微组织的影响[J]. 金属学报, 2022, 58(2): 165-174. [8] 王韬, 龙弟均, 余黎明, 刘永长, 李会军, 王祖敏. 超高压烧结制备14Cr-ODS钢及微观组织与力学性能[J]. 金属学报, 2022, 58(2): 184-192. [9] 赵永好, 毛庆忠. 纳米金属结构材料的韧化[J]. 金属学报, 2022, 58(11): 1385-1398. [10] 侯嘉鹏, 孙朋飞, 王强, 张振军, 张哲峰. 突破强度-导电率制约关系：晶粒异构设计[J]. 金属学报, 2022, 58(11): 1467-1477. [11] 范根莲, 郭峙岐, 谭占秋, 李志强. 金属材料的构型化复合与强韧化[J]. 金属学报, 2022, 58(11): 1416-1426. [12] 王硕, 王俊升. Al-Li合金中 δ′/θ′/δ′复合沉淀相结构演化及稳定性的第一性原理探究[J]. 金属学报, 2022, 58(10): 1325-1333. [13] 张旭, 田谨, 薛敏涛, 江峰, 李苏植, 张博召, 丁俊, 李小平, 马恩, 丁向东, 孙军. 2000℃高温高承载的Ta-W难熔合金[J]. 金属学报, 2022, 58(10): 1253-1260. [14] 孙士杰, 田艳中, 张哲峰. 析出强化Fe53Mn15Ni15Cr10Al4Ti2C1 高熵合金强韧化机制[J]. 金属学报, 2022, 58(1): 54-66. [15] 李文文, 陈波, 熊华平, 尚泳来, 毛唯, 程耀永. 第二代单晶高温合金DD6高性能钎焊接头的组织及力学性能[J]. 金属学报, 2021, 57(8): 959-966. Viewed Full text Abstract Cited   Shared      Discussed