摘要:奥氏体347H不锈钢提供了极端操作条件(例如高温)所需的出色的机械性能和耐腐蚀性。由于组成和过程变化而导致的微观结构的变化有望影响其特性。识别微观结构特征(例如晶界)因此成为过程微观结构 - 循环中的重要任务。应用基于卷积神经网络(CNN)的深度学习模型是一种强大的技术,可以自动以自动化方式从材料显微照片中检测特征。与微观结构分类相反,分割任务的监督CNN模型需要像素的注释标签。但是,分割任务的图像的手动标记为在合理的时间范围内以可靠且可重复的方式生成培训数据和标签的主要瓶颈。尤其是,要通过更换合金组成来更快的材料发现,需要加快微观结构表征。在这项研究中,我们试图通过利用多模式显微镜直接生成标签而不是手动标记来克服此类局限性。我们将347H不锈钢的扫描电子显微镜(SEM)作为训练数据和电子反向散射衍射(EBSD)显微照片作为晶粒边界检测作为语义分割任务的像素标签。通过考虑一组深CNN体系结构来评估我们方法的生存能力。此外,我们发现幼稚的像素分割会导致较小的间隙和预测的晶界图中缺少边界。我们证明,尽管在两种模式之间的数据收集过程中产生了仪器漂移,但该方法在使用手动标记的类似分割任务中执行了相当的性能。通过在模型训练期间合并拓扑信息,晶粒边界网络和分割性能的连通性得到改善。最后,通过对下游任务的准确计算来预测潜在的谷物形态分布,这是微观结构表征的最终感兴趣。
[1] 免责声明:本数据表中发布的所有数据仅供参考,不足以设计或认证零件。不对这些结果提供任何保证或担保。[2] 界限基于每个方向和机器的每个总体的十个样本的一个标准偏差。测试样本是从试样 (75x75x13mm) 加工而成的直径为 6.35 毫米的圆棒。方向 XY 数据是 X 和 Y 水平构建方向的平均值。[3] 使用其他粉末切割 (316L-D) 和/或 AM 工艺 (DED 和 PBF-EB) 生产的 AM 构建的工艺参数和热处理可根据特定应用要求进行优化。
金属合金的添加剂制造(AM)显着提高了科学/工程的不同领域,并具有繁荣的未来趋势。尽管该技术对智能材料的开发也非常有吸引力,但创建预编程的“第四维”属性以响应外部刺激是一个重要的挑战。在这里,我们报告了对不锈钢基磁合金的3D打印,并详细介绍了优化用于致动和传感的磁化和磁截图的方法。通过控制打印参数和烧结过程,我们能够调整17/4 pH不锈钢的磁性和磁弹性特性,以具有成本有效优势的材料制造多功能。比较了未经不锈钢17/4 pH样品(AP)和烧结钢(SS)阶段。在发达的SS样品中,饱和磁化量显着增加了18%,但可实现12.6%的胁迫。此外,与AP样品相比,SS样品开发了54%的磁性磁通作用。加,SS样品的各向异性能量K 1的差异也较低。在打印过程的每个阶段都报告了结构和磁性控制,这表明了3D可打印的金属传感器和执行器的开发和优化前景。
columbus.co.za › 下载 › Pro... PDF 2023 年 4 月 21 日 — 2023 年 4 月 21 日 主要用作铁路车厢、飞机部件等结构应用中的调质轧制强度。 1 人力资源管理局 1 号。
这一规定不仅在英国得到实施,在其他地区也已获得批准:例如在美国,不锈钢是唯一获准无限制用于公共供水的材料 7,而且不锈钢还获准用于住宅 8 和机构 9 建筑。欧洲目前正在制定与饮用水接触的建筑产品验收计划 (EAS) 10,预计不锈钢将能够满足其要求。还需要考虑渗入水中的金属的命运,因为它们可能会进入废水流。经过处理后,它们将集中在污水污泥中。在欧洲某些地区,污水污泥中的金属含量可能限制其用作农业肥料。在这种情况下,饮用水分配系统中使用不锈钢所导致的低渗入水平可以带来环境效益。
矿石的制备和运输以及随后的铁合金的生产和运输,包括这些过程所需的能量。特别注释;目前尚无对不锈钢生产商提供的数据,用于与提取镍矿石的提取以及随后生产镍生铁(NPI)相关的排放。这种情况是由于当前特定于国家特定的合法披露限制所致。但是,其中一些数据可从行业研究小组获得,因此,该数据已在本报告的后面提供了一些“指示性指南号”。
主要因为其优异的耐腐蚀性能而广泛应用于工业领域[1–5]。304 不锈钢是一种奥氏体钢,广泛用于化工厂管道和许多其他可能承受循环载荷的应用。疲劳寿命和裂纹起始位置的预测是工厂结构设计的重要方面。疲劳失效通常是由小于晶粒尺寸的微裂纹的产生引起的,然后微缺陷生长并融合为主要裂纹,接着是主要宏观裂纹的稳定扩展,最后是结构不稳定或完全断裂[6]。奥氏体不锈钢因其优异的力学性能而被广泛用作反应堆冷却剂管道、阀体和容器内部构件的核结构材料[7]。