姚树人
,
晏欣
,
余红伟
,
周赟
高分子材料科学与工程
用自由基悬浮聚合制备了甲基丙烯酸缩水甘油醚(GMA)-三-烯丙基异尿氰酸酯(TAIC) (80/20)共聚物大孔树脂,通过环氧基与多乙烯多胺的反应得到了相应的胺化树脂.在GMA-TAIC共聚物大孔树脂上键合多乙烯多胺会导致树脂孔体积和孔隙率的下降.合成的胺化树脂对重金属Cu(Ⅱ)、Co(Ⅱ)、Ni(Ⅱ)、Zn(Ⅱ)、Cd(Ⅱ)、Mn(Ⅱ)和Pb(Ⅱ)离子有相当高的吸附容量,其中对Cu(Ⅱ)离子吸附容量最大、吸附速率最快,吸附速率次序为:Cu(Ⅱ) ＞Cd(Ⅱ) ＞Zn(Ⅱ)＞Pb(Ⅱ)＞=Co(Ⅱ) ＞Mn(Ⅱ),胺化树脂对这些重金属离子的吸附符合伪二级速率方程.
关键词:
甲基丙烯酸缩水甘油醚
,
三烯丙基异尿氰酸酯
,
多乙烯多胺
,
吸附
,
重金属离子
晏欣
,
周赟
,
江盛玲
,
周荣
高分子材料科学与工程
利用种子乳液聚合以及双丙酮丙烯酰胺(DAAM)与己二酰肼和甲基丙烯酸缩水甘油醚(GMA)与乙二胺的交联反应合成了系列聚苯乙烯/聚丙烯酸正丁酯(PS/PBA)室温界面自交联乳胶互穿聚合物网络(IPN).拉伸实验结果表明,自交联可提高LIPN的拉伸强度,减少永久形变,并且拉伸强度随DAAM和GMA用量的增加而增加.动态力学谱结果表明,自交联使LIPN的玻璃化温度升高以及阻尼性能下降,并且随DAAM用量的增加,阻尼性能降低;随GMA用量的增加,阻尼性能先增后降.GMA为5%时,LIPN具有较高的拉伸强度和阻尼性能.
关键词:
自交联
,
乳胶互穿聚合物网络
,
拉伸强度
,
阻尼性能
,
聚苯乙烯
,
聚丙烯酸丁酯
汪亮
,
宣天鹏
,
周赟
,
张万利
电镀与精饰
doi:10.3969/j.issn.1001-3849.2012.03.004
通过正交试验确定了铝合金表面硅烷膜技术的最佳工艺参数.在基础配方上制备了硅烷膜,利用硫酸铜点滴试验评价了工艺参数,结果表明,水解温度、硅烷浓度、醇水比及pH主要影响了硅烷溶液的水解与缩合反应.分析了硅烷膜的表面形貌、初步探讨了硅烷膜的耐腐蚀性能,结果表明,硅烷膜均匀、致密,具有比铬酸盐钝化更优的防护作用.
关键词:
铝合金
,
硅烷膜
,
铬转化
,
耐腐蚀
周赟
,
宣天鹏
,
张万利
,
汪亮
电镀与精饰
doi:10.3969/j.issn.1001-3849.2012.04.001
在得出铝合金硼酸-硫酸阳极氧化膜、硝酸铈-高锰酸钾封闭工艺配方的基础上,微小变动封闭液中高锰酸钾的含量,通过封闭前后试样的质量变化、点滴试验、无硝酸预浸的磷-铬酸质量损失试验评定出高锰酸钾的最佳含量.分析了氧化膜封闭前后的表面形貌、探讨了氧化膜封闭后的耐腐蚀性能.结果表明,氧化膜经过稀土封闭后表面生成一层均匀、致密的钝化膜,使试样的耐腐蚀性能得到了提高.
关键词:
铝合金
,
硼酸-硫酸阳极氧化
,
稀土封闭
,
耐腐蚀性能
关昕
,
孟延军
钢铁研究
论述了超高周疲劳研究的背景及意义,总结了近年来超高周疲劳的研究成果包括超高周疲劳的典型特征如S-N曲线、裂纹起源、起裂机理、影响超高周疲劳行为的因素等,介绍了超高周疲劳的常用实验手段,提出了今后超高周疲劳研究的课题.
关键词:
超高周疲劳
,
S-N曲线
,
疲劳裂纹萌生
,
超声疲劳实验
许超
,
张国栋
,
苏彬
材料工程
doi:10.3969/j.issn.1001-4381.2007.08.016
对高周疲劳和低周疲劳寿命预测模型进行了研究,提出了一种能够将高周疲劳和低周疲劳统一表征的能量形式参量.用统一的能量形式表征参量对高温合金GH141的760℃高周疲劳和低周疲劳数据进行处理,得到理想的能量-寿命方程.用1Cr11Ni2W2MoV钢500℃和粉末盘材料FGH95的600℃高温低周疲劳和高周疲劳数据对统一表征方法进行验证,验证结果表明,用能量形式的表征参量能够得到理想的能量-寿命方程.
关键词:
高周疲劳
,
低周疲劳
,
寿命预测
,
能量表征
,
高温合金
宋亚南
,
徐滨士
,
王海斗
,
张玉波
,
邢志国
稀有金属
分析了金属材料超高周疲劳断口形貌特征,介绍了基于Paris公式的裂纹扩展寿命预测模型和基于位错理论的疲劳裂纹萌生寿命预测模型,并结合前期有关金属材料超高周疲劳行为的试验数据,对2种预测模型的误差进行分析.结果表明,基于位错理论的寿命预测模型较为准确;而基于Paris公式的裂纹扩展寿命预测模型,其预测精度随着疲劳寿命的增加而降低,即材料组织缺陷萌生成为疲劳裂纹阶段占据疲劳寿命的绝大部分.在此基础上,提出了超高周疲劳寿命预测的研究方向:疲劳裂纹的萌生机制,特别是裂纹源表面萌生和内部萌生的竞争性机制;建立大样本数据,结合统计学方法,以工程构件的服役安全性和可靠性为基础,精确评价超高周疲劳寿命.
关键词:
超高周疲劳
,
寿命预测
,
断口形貌
,
预测误差
