在结束我的这部分报告时,我想这样说:根据我的经验,焊接结构的严重使用故障总是以某种脆性断裂告终,无论前述原因是什么 - 焊接缺陷、热变形区裂纹、疲劳裂纹等。因此,我不会低估研究焊接结构钢的脆性行为的重要性,特别是在低温和严重的焊接应力条件下,在最尖锐的缺口 (即自然裂纹) 影响下钢的强度。如今,有许多方法可以应用于此类研究,其中之一就是 NC 测试。8 此方法是在 1951 年开发的,用于确定焊接接头周围钢材的“标称解理强度”(附录 B)。Pelliru 和同事最近进行的研究似乎遵循了与钢材断裂行为与应力、尖锐缺口和不同温度的影响相关的基本思想相同的思路。
工具/设施详情见附件 1。 理由和关键评级驱动因素 重申授予 Baramati Speciality Steels Limited (BSSL) 银行设施的评级,得益于该发起集团作为著名 Kalyani 集团一部分的良好业绩记录和舒适的资本结构。此外,由于 22 财年总营业收入下降、钢铁行业固有的周期性、适中的经营规模和客户集中风险,BSSL 的评级优势受到限制。 评级敏感性:可能导致评级行动的因素 积极因素 • 公司经营规模从目前的水平大幅改善至可持续的 30 亿卢比以上 • 营业利润率持续提高至 20% 以上。 消极因素 • 任何未预料到的债务增加导致整体负债率(将优先股本视为债务)恶化至 1.50 倍或以上。 • 通过融资(赎回优先股)和作为前向整合的一部分提供业务的方式对集团支持进行任何修改。 分析方法:独立 CARE 分析了 BSSL 的信用状况,考虑到 Kalyani 集团公司以集团公司供应商的形式提供的隐性支持,延长付款期以满足 BSSL 的营运资金需求,并通过可赎回优先股的方式注入资金。展望:稳定 稳定的展望考虑到工厂的利用率令人满意、Kalyani 集团公司的收入稳步增长以及近期稳定的盈利能力。 主要优势 发起人集团的良好业绩记录 BSSL 是 Kalyani 集团的一项战略投资,成立于 2011 年 12 月,作为集团的前向整合,承担 Kalyani Steels Limited (KSL)(CARE 评级 AA,展望:稳定/CARE A1+,日期为 2022 年 12 月 6 日)和 Saarloha Advanced Material Pvt. 生产的各种产品的精加工。有限公司 (SAMPL)(前身为 Kalyani Carpenter Special Steels Private Limited)(评级为“ICRA A+”;稳定/“ICRA A1+”,日期为 2022 年 5 月 12 日)。BSSL 是印度最大的单点精加工服务提供商之一,拥有最先进的合金和特种钢精加工设施。BSSL 的所有三位董事都拥有行业经验,并且长期与 Kalyani 集团合作。作为著名的 Kalyani 集团的一部分,浦那 BSSL 是 Kalyani 集团的一部分。Kalyani 集团成立于 1960 年代中期,在工程钢、汽车、工业、可再生能源和城市基础设施等关键领域的高科技、工程和制造能力方面拥有丰富的经验。Kalyani 集团在印度、德国、瑞典和中国设有制造工厂。该集团通过与一些世界领先企业建立各种合资企业 (JV) 开展业务,例如美国的 Meritor、巴西的 Maxion Wheels、中国的一汽集团、法国的阿尔斯通和英国的 David Brown。舒适的资本结构截至 2022 年 3 月 31 日,公司的资本结构保持稳定,这反映在 2022 年 3 月 31 日的整体负债率为 0.98 倍,而 2021 年 3 月 31 日为 1.00 倍。截至 2021 年 3 月 31 日,定期债务仍为零。债务状况
1) 传统策略优化化学成分(参考钢 EUROFER97),使用计算热力学模型和改进的热机械处理 (TMT) 来生产更高性能的低活化铁素体/马氏体 (RAFM) 钢。在 Eurofusion 项目中,研究了几种添加氮的马氏体钢,旨在提高机械和蠕变抗力,以及耐腐蚀性。这些钢是在 CSM 工厂生产的,并经过了充分表征。
装甲钢的机械冶金学 执行摘要 装甲钢历来在应对各种战场威胁时都具有最佳的弹道性能,并且仍然是极具竞争力的装甲材料。然而,人们对装甲钢的弹道和结构性能最重要的因素了解甚少。本报告旨在纠正这一问题,并为装甲设计师和装甲车辆能力获取和质量保证工程师提供概述参考文件。解释了装甲钢的机械性能(特别是其机械冶金学)与弹道性能之间的关系,其中这种性能主要由材料强度、硬度和高应变率行为决定。还讨论了其他重要主题,例如韧性;绝热剪切现象;结构开裂;双硬度和电渣重熔装甲钢,以及装甲钢规格和标准。人们认为,装甲钢不仅会继续改进,而且在未来很长一段时间内仍将主导车辆装甲设计。
摘要:随着人工智能技术的快速发展和增加的材料数据,机器学习和人工智能辅助设计高性能钢材的设计正成为材料科学的主流范式。基于计算机科学,统计学和材料科学之间的跨学科学科的机器学习方法擅长发现许多数据点之间的相关性。与材料科学中传统的物理建模方法相比,机器学习的主要优点是它克服了材料本身的复杂物理机制,并为新型材料的研究和开发提供了新的视角。本综述始于数据预处理和引入不同的机器学习模型,包括算法主张和模型评估。然后,根据优化组成,结构,处理和性能的主题,对在钢铁研究领域中应用机器学习方法的一些成功案例进行了审查。还审查了机器学习方法在材料组成的面向性能的逆设计和钢缺陷检测中的应用。最后,总结了材料领域中机器学习的适用性和局限性,并讨论了未来的方向和前景。
Safurex® (1) 是一种专为尿素工艺开发的耐腐蚀性极强的材料,尤其适用于汽提塔中遇到的严苛条件。该等级即使在氧气很少或没有氧气的情况下也能很好地抵抗氨基甲酸酯溶液。该材料由 Industeel 在 Alleima 的许可下以板材形式生产。超级双相 UR™ 2507 也适用于不太严苛的尿素-氨基甲酸酯环境。
本报告为美国政府机构赞助工作的记录。美国政府及其任何机构、芝加哥大学阿贡分校有限责任公司及其任何员工或官员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证,也不承担任何法律责任或义务,也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的文档作者的观点和意见不一定代表或反映美国政府或其任何机构、阿贡国家实验室或芝加哥大学阿贡分校有限责任公司的观点和意见。
