国家电力公司科技项目(SP11-2001-02-29)
- 作品数：5 被引量：24H指数：2
- 相关作者：范永哲张胜寒陈颖敏张江涛李向阳更多>>
- 相关机构：华北电力大学钢铁研究总院中国石油更多>>
- 发文基金：国家电力公司科技项目更多>>
- 相关领域：动力工程及工程热物理金属学及工艺更多>>
- P元素对30Cr2MoV转子钢机械性能的影响
- 2008年
- 研究了磷含量对汽轮机转子钢(30Cr2MoV)力学性能的影响。结果表明,磷含量在低于0.063%时,随着磷含量由0.045%(质量分数)增加到0.063%,合金的抗拉强度和屈服强度分别提高了100MPa;在高于0.063%时,随着磷含量的增加,对抗拉强度影响不明显,使屈服强度有所降低。断口形貌转变温度(FATT50)随磷含量的增加显著提高,其提高幅度随磷含量的增加而减少。这些结果可以由磷在铁素体中的固溶限理论和平衡偏聚热力学理论给予合理的解释。
- 范永哲翟宪兰马瑞娜杜安
- 关键词：磷力学性能
- Bayesian神经网络在EPR法检测汽轮机转子钢热脆化性能中的应用
- 2005年
- 为提高电化学动电位再活化法(EPR)检测汽轮机转子钢(30Cr2MoV)热脆性的检测精度,利用Bayesian神经网络建立了预测模型。根据EPR法测定的60组不同苦味酸电解液温度下,30Cr2MoV转子钢的活化峰电流密度与再活化峰电流密度比(Ia/Ir)的数据、电解液温度、转子钢化学成分J参数和晶粒度参数(N),采用Bayesian正则化训练的神经网络,建立了转子钢脆性转变温度(FATT50)与电化学特征值、电解液温度、转子钢化学成分J参数和晶粒度参数(N)之间的映射模型。利用训练好的网络预测了新的转子钢材料的脆性转变温度。结果表明:网络的训练误差和检验误差都在±20℃范围内,小于多元线性回归法得到的误差。因此,Bayesian神经网络能较准确地用来预测转子钢材料的脆性转变温度。
- 张胜寒范永哲陈颖敏
- 关键词：动力机械工程汽轮机转子热脆性
- 基于BP神经网络的汽轮机转子钢热脆化性能的预测被引量：16
- 2005年
- 根据电化学极化法测定的10种热脆化程度不同的30Cr2MoV转子合金在不同钼酸钠电解液温度下的二次峰电流密度数据和合金的化学成分J参数数据,采用BP神经网络建立了转子合金脆性转变温度与二次峰电流密度、电解液温度、J参数之间的映射模型。通过对两种新30Cr2MoV转子合金的脆性转变温度进行预测,并将测算结果与线性回归方法得到的结果进行比较,结果表明网络训练误差和检验误差在±20℃以内,所建网络预测模型能较准确的预测新转子合金的脆性转变温度,BP神经网络用于转子合金的脆性转变温度的预测是有效、可行的。
- 张胜寒范永哲陈颖敏
- 关键词：热能动力工程汽轮机转子神经网络热脆性
- 遗传规划在电化学法检测转子钢热脆性中的应用被引量：1
- 2006年
- 在汽轮机转子钢热脆性电化学法无损检测技术的开发中,将遗传规划法应用到30Cr2MoV钢脆性转变温度预测模型的建立中,以提高其检测精度。把材料的脆性转变温度作为预测模型的因变量,将动电位再活化法测得的二次活化峰电流密度、电解液温度、材料的化学成分参数(J参数)、材料中Cr含量和晶粒度作为自变量。将因变量和自变量的试验测定结果分为训练样本数据和检验样本数据。依据训练样本数据,经过遗传规划法求得最优预测模型,并用检验样本数据对所得的预测模型进行检验。结果表明,所得预测模型的预测误差为±20℃,模型精度比采用传统的多元线性回归法得到的模型高1倍多。因此,可以将遗传规划法应用到汽轮机转子钢预测模型的建立中。
- 张胜寒范永哲陈颖敏李向阳
- 关键词：汽轮机转子热脆性
- 电化学反向极化法检测汽轮机转子回火脆化的研究被引量：7
- 2005年
- 首先通过合金冶炼以及热处理得到了模拟不同脆化程度的转子钢试样,然后采用反向极化法对各材料试样进行电化学测试。测试结果表明,极化曲线上的一个特征电流峰与材料的韧脆转变温度之间有良好的相关关系。通过对特征电流参数以及其它可以通过非破坏方法取得的有关材料参数的多元回归分析,得到了该材料韧脆转变温度的预测方程式,对试验材料以及新材料的电化学测试结果进行验证,预测值和实测值之差均在在±15℃之内。进而确立了一种该材料脆化程度高精度的无损检测方法。
- 张胜寒张江涛陈颖敏范永哲
- 关键词：回火脆化汽轮机转子
