38MnVS非调质钢活塞锻后控制冷却工艺

来源 :锻压技术 | 被引量 : 0次 | 上传用户:aiwo2516
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38MnVS非调质钢活塞进行锻后冷却处理并探讨了不同冷却工艺对非调质钢活塞的影响规律.首先,分析了不同冷却速率对非调质钢活塞的组织性能和力学性能的影响,可知,在冷却速率为50~90℃·min-1下,非调质钢析出珠光体及铁素体时各方面的性能最优.然后,利用分选装置对非调质钢活塞锻件进行预选,挑选出达到合格锻造温度的活塞,并在4种不同的冷却工艺下进行冷却处理.冷却过程中,锻件首先进入冷却速率为50~90℃·min-1的第1冷却装置,冷却至740~760℃;之后通过输送单元使活塞进入冷却速率为30~50℃·min-1的第2冷却装置,冷却至290~310℃.工艺验证结果表明,这一冷却系统能够很好地满足使用方对活塞合格率的要求,得到的活塞锻件的性能稳定、品质优良.
其他文献
研究了表面机械研磨处理(SMAT)对传统轧制和连铸连轧5052铝合金显微组织、物相组成、硬度和拉伸性能的影响.结果表明:进行SMAT前,连铸连轧5052铝合金的晶粒尺寸(7μm)要小于传统轧制5052铝合金的晶粒尺寸(13μm);进行SMAT后,传统轧制和连铸连轧5052铝合金在表层均会形成细小的晶粒尺寸梯度分布,而且传统轧制和连铸连轧的5052铝合金的心部硬度和表层硬度均会有不同程度的提高,经过5.0 min的SMAT后,心部硬度分别达到89和91 HV,表面硬度基本相当(约为102 HV);相同SMA
针对锂电池健康状态(SOH)估计与剩余寿命(RUL)预测问题,设计一种基于双向长短期记忆(BiLSTM)神经网络模型的预测方法.首先,提取美国国家航空航天局(NASA)锂电池的容量数据,将容量数据转为SOH数据并作为模型输入数据.其次,建立双层BiLSTM神经网络,使用加速自适应矩估计算法(Nadam)优化函数动态调整学习率.然后,通过BiLSTM神经网络模型分析锂电池数据,建立电池容量、SOH和RUL之间的联系.最后,全连接层输出电池SOH的估计曲线,从而预测其剩余寿命.通过NASA数据进行预测实验,B