特种铸造及有色合金

快捷入口

作者投稿
专家审稿
编辑办公

期刊简介

ISSN：1001-2249

CN：42-1148/TG

出版周期：月刊

电话：

财务部：027-85486024

编辑部：027-85358127

新媒体/市场部：

027-85358206

邮箱：
tzzz@special-cast.com

地址：湖北省武汉市江岸区建设大道融玺1001大厦10楼

最新文章
过刊浏览
优先出版

2025年45卷第8期

专题·材料基因工程
Al-Ce二元合金相的材料基因数据的第一性原理预测和应用 AI导读

“在材料科学领域，研究者通过第一性原理计算方法，预测了Ce添加到铝合金形成的富铝二元化合物相的材料基因数据，为铝合金异质形核研究提供理论依据。”

陈泽炜, 陈星宇, 卢照, 吴波

DOI：10.15980/j.tzzz.Z20250001

摘要：基于密度函数理论的第一性原理计算方法，对Ce添加到铝合金形成的富铝二元化合物相在基态和有限温度下的结构参数、热力学性质和力学性质等材料基因数据进行了理论预测。Al₄Ce、Al₁₁Ce₃和Al₂Ce的生成焓均为负值，分别为-27.698、-37.586和-43.981 kJ/（mol·atom）。基于准谐近似（QHA）方法，获得不同温度下的元素和化合物的吉布斯自由能、热容、体积和体积弹性模量等重要热力学和热物性基因数据。基于计算获得了有限温度下的体积变化曲线，获得Al单质和二元化合物的晶格常数以及晶格匹配性，探究了Al₄Ce、Al₁₁Ce₃和Al₂Ce析出相促进铝合金异质形核的可能性。结果表明，900 K下，Al基体与四方型的Al₄Ce的晶格匹配最好，失配度为-3.52%，有利于异质形核，与正交型的Al₁₁Ce₃具有较好的匹配度，晶格参数a和c与Al的晶格参数失配度分别为-7.70%和-5.50%，而与立方型的Al₂Ce不具有匹配性，不利于异质形核。
关键词：稀土金属间化合物;材料基因工程;晶格失配度;第一性原理计算

505

|

18

|

0

<HTML>
<网络PDF><Meta-XML>

<引用本文> <批量引用> 122952486 false

更新时间：2025-08-15
高通量电弧熔炼制备的Mo-Re合金的组织和性能研究 AI导读

“在材料科学领域，研究人员采用高通量电弧熔炼技术制备了Mo-xRe合金，系统研究了铼含量对合金微观结构和硬度的影响。研究发现，随着铼含量的增加，合金硬度显著提高，晶粒尺寸减小，为高性能合金材料的开发提供了新思路。”

刘轶, 乔乐琳, 李学文, 刘艳洁

DOI：10.15980/j.tzzz.Z20240037

摘要：利用高通量电弧熔炼方法制备了32种成分的Mo-xRe合金（x=1%～50%，质量分数），系统研究了Re含量对合金的微观组织和硬度的影响。X射线衍射表明，制备的合金为BCC固溶体。当x≤10%时，合金硬度（HV）约为164，平均晶粒尺寸约为230 μm。当x> 10%时，合金硬度（HV）随Re含量增加可升高至300，晶粒尺寸则降低至40 μm。考虑固溶强化和细晶强化机制的共同作用，合金的硬度可拟合成：H=39.2+5.117x+8.803/ $d^{\frac{1}{2}}$ （x>10%）。低Re合金中细晶强化机制起主要作用，高Re合金中固溶强化为主导。
关键词：Mo-Re合金;铼效应;固溶强化;细晶强化;高通量电弧熔炼

399

|

20

|

0

<HTML>
<网络PDF><Meta-XML>

<引用本文> <批量引用> 122952566 false

更新时间：2025-08-15
基于机器学习的6061铝合金成分-硬度关系预测与设计 AI导读

“在高强铝合金成分设计领域，研究者基于154组样本数据，构建了预测铝合金硬度的机器学习模型，揭示了合金元素间复杂的协同作用，为铝合金力学性能初筛预测提供新方法。”

刘轶, 余童昕, 李卓颖, 李学文, 乔乐琳, 周策, 路宝坤, 刘艳洁

DOI：10.15980/j.tzzz.Z20250006

摘要：为开发基于数据驱动的高强铝合金成分设计方法，阐明6061铝合金成分和性能间的非线性构效关系，本研究基于高通量试验制备的154组样本数据，通过层级筛选的特征工程和算法与超参数优化，构建了预测铝合金硬度的机器学习模型，实现铝合金力学性能的初筛预测。通过特征重要性和“成分-硬度”映射关系等策略探讨合金成分对硬度的影响。在原始合金成分基础上引入309个初始基础性质特征，构建成分、性质、“成分-性质”三类特征空间。分析表明，基于耦合“成分-性质”特征构建的人工智能机器学习（ML）模型表现出最高的预测精度，其中最佳的随机森林模型的<RMSE>为4~8.5 HV。特征重要性分析表明，色散系数和原子半径差对硬度影响最大而Fe含量的影响最小。Si和Cu对合金硬度影响最大，但分别成正相关和负相关的关系。ML模型可揭示多种合金元素间复杂的协同作用：Si质量分数从0.4%增至0.7%引起的硬度提升可以弥补Cu质量分数从0.15%增至0.4%导致的硬度下降；Zn对合金硬度的改善作用依赖于Cr的含量，当Cr含量高于0.04%时，Zn和Cr的耦合作用使得合金硬度显著下降。
关键词：机器学习;特征工程;成分设计;铝合金;力学性能

429

|

23

|

0

<HTML>
<网络PDF><Meta-XML>

<引用本文> <批量引用> 122953748 false

更新时间：2025-08-15
高强高导Cu-Cr-Zr合金的微观组织和性能的关系 AI导读

“在铜合金领域，研究者筛选出具有优异力学和电学性能的典型试样，揭示了微观组织与性能的关系，为铜合金开发提供新思路。”

刘轶, 韩涛, 刘艳洁, 郑晨, 李学文, 乔乐琳, 李永灿, 李吉宝, 孟祥鹏

DOI：10.15980/j.tzzz.Y20240021

摘要：本研究在涵盖多种成分和工艺的高通量试验中筛选出具有不同力学和电学性能的典型试样，系统分析其对应的多样化微观组织。首先通过高通量电弧熔炼、均质化、热轧、固溶、冷轧和时效等全流程工艺制备了不同合金成分、热处理和变形工艺的铜合金试样，并进行了高通量硬度和电导率测量。利用XRD、OM、SEM和TEM等多尺度显微组织表征手段，对析出相的成分、形貌、尺寸和分布进行了分析。结果表明，优选的铜合金硬度（HV）>170，电导率>46.40 MS/m，其微观组织含α-Cr₂Zr、Cu₅Zr纳米相和CuZr₂微米相。优选的铜合金成分含适量的析出相形成元素。优选的制备工艺为首先通过较大的室温变形，产生大量晶粒内缺陷，为合金元素偏析和析出相形成提供广域的形核位点。然后经过中等温度下短时间的时效热处理，析出均匀弥散分布的细小二次相。此外还发现，轧制变形会导致铜（220）晶面呈优先取向排布，定向排列的晶粒有利于提升电导率。
关键词：高强高导铜合金;Cu-Cr-Zr合金;力学性能;电学性能;高通量试验

463

|

7

|

0

<HTML>
<网络PDF><Meta-XML>

<引用本文> <批量引用> 122952086 false

更新时间：2025-08-15
基于机器学习的高温合金熔模铸造涡轮叶片工艺参数优化 AI导读

“在熔模铸造领域，专家采用机器学习方法优化工艺参数，显著提升铸件性能和生产效率。”

李杨, 邸钰婷, 张志坤, 程体娟, 王晓燕, 吴保平, 吴剑涛, 李俊涛

DOI：10.15980/j.tzzz.T20240375

摘要：采用机器学习方法将试验数据与仿真分析相结合，对熔模铸造过程中的温度、冷却速度、合金成分等进行系统优化。通过收集大量的铸造工艺数据，构建基于深度学习的工艺参数预测模型，对工艺参数进行优化设计，利用现场试验对建模型进行了验证。结果显示，采用机器学习方法优化铸造参数，可明显改善铸件组织及力学性能，降低缺陷率，提高生产效率和经济效益。在机器学习背景下，参数组对比中，最优参数组的铸造质量评级明显高于次优参数组，且最优参数组只有1组低于90分，而次优参数组均低于90分。
关键词：机器学习;高温合金;熔模铸造;工艺参数优化

279

|

14

|

0

<HTML>
<网络PDF><Meta-XML>

<引用本文> <批量引用> 122954615 false

更新时间：2025-08-15