期刊文章详细信息
基于机器学习的间歇式电沉积制备W@Cu核-壳粉体模型的构建与应用
Construction and application of model of W@Cu core-shell powder prepared by intermittent electrodeposition technology based on machine learning
文献类型:期刊文章
DENG Nan;LIANG Shuhua;LI Jianqiang(Shaanxi Province Key Laboratory of Electrical Materials and Infiltration Technology,School of Materials Science and Engineering,Xi’an University of Technology,Xi’an 710048,China;School of Materials Science and Engineering,Beijing University of Science and Technology,Beijing 100083,China;Ministry of Education Engineering Research Center of Conducting Materials and Composite Technology,Xi’an University of Technology,Xi’an 710048,China)
机构地区:[1]西安理工大学材料科学与工程学院,陕西省电工材料与熔(浸)渗技术重点实验室,西安710048 [2]北京科技大学材料科学与工程学院,北京100083 [3]西安理工大学导电材料与复合技术教育部工程研究中心,西安710048
基 金:国家自然科学基金资助项目(52204374,51972304,51971208);陕西省重点研发项目(2019ZDLGY05-07);陕西省教育厅科研项目(20JS094)。
年 份:2023
卷 号:28
期 号:1
起止页码:20-27
语 种:中文
收录情况:IC、SCOPUS、普通刊
摘 要:W和Cu两相的均匀分布对获得高性能W-Cu复合材料至关重要。本文主要研究基于机器学习的间歇式电沉积制备W、Cu均匀分布的W@Cu粉体模型的构建与应用。首先,建立间歇式电沉积制备W@Cu核-壳粉体的机器学习模型,确定核-壳粉体理论镀层厚度与电流、电沉积时间、待镀粉体粒径和承载量之间的关联,然后在承载量为1000 g的装置中进行实验验证。将W@Cu核-壳粉体在1375℃下进行无压烧结,研究成形压力对W-Cu复合材料致密度、烧结收缩率和电导率的影响。结果表明,在电流密度为7 A/dm^(2)、电沉积时间为6 h时,实际镀层厚度为3.93μm,与理论镀层厚度3.15μm相符。提高成形压力有利于获得高致密度、低烧结收缩率的W-Cu复合材料。同时,核-壳粉体在显微组织中形成Cu的导电通道,有利于复合材料电导率的提升。
关 键 词:W-CU复合材料 电沉积 核-壳粉体 机器学习 微观结构
分 类 号:TB331[材料类]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...