高熵合金(HEAs)因其独特的微观结构与卓越性能,在国防、航空航天及海洋装备等领域备受瞩目。但传统制备工艺在获得复杂几何形状、优异综合性能的高熵合金仍存在限制。增材制造过程具有的大温度梯度和快速凝固速率等工艺特征,为高性能微...高熵合金(HEAs)因其独特的微观结构与卓越性能,在国防、航空航天及海洋装备等领域备受瞩目。但传统制备工艺在获得复杂几何形状、优异综合性能的高熵合金仍存在限制。增材制造过程具有的大温度梯度和快速凝固速率等工艺特征,为高性能微观组织的高熵合金的制备提供了一种先进技术方法。本文总结了以CoCrFeNi为代表的系列高熵合金在增材制造过程中的微观组织与性能的特征及改善途径,为CoCrFeNi系高熵合金的应用提供参考。High-Entropy Alloys (HEAs) have attracted much attention in the fields of defense, aerospace and marine equipment due to their unique microstructure and excellent properties. However, there are still limitations in the traditional preparation process to obtain high-entropy alloys with complex geometries and excellent comprehensive properties. The process characteristics of additive manufacturing process, such as large temperature gradient and fast solidification rate, provide an advanced technical method for the preparation of high-entropy alloys with high-performance microstructures. In this paper, the characteristics and improvement methods of the microstructure and properties of a series of high-entropy alloys represented by CoCrFeNi in the additive manufacturing process are summarized, so as to provide a reference for the application of CoCrFeNi high-entropy alloys.展开更多
【背景】牛奶中钠(sodium,Na)、钾(potassium,K)和镁(magnesium,Mg)含量的准确检测有助于奶牛的健康养殖,同时也是稳定乳制品质量的前提。但目前检测牛奶中矿物质含量的常规方法昂贵且耗时,因此需要一种低成本且快速检测牛奶Na、K和Mg...【背景】牛奶中钠(sodium,Na)、钾(potassium,K)和镁(magnesium,Mg)含量的准确检测有助于奶牛的健康养殖,同时也是稳定乳制品质量的前提。但目前检测牛奶中矿物质含量的常规方法昂贵且耗时,因此需要一种低成本且快速检测牛奶Na、K和Mg含量的方法。【目的】利用中红外光谱(mid-infrared spectroscopy,MIRS)预测中国荷斯坦牛牛奶中Na、K和Mg含量的潜力,为测定牛奶中Na、K和Mg含量提供快速检测技术,为牛群饲养管理和奶牛遗传育种提供大量表型数据支撑。此外,比较不同特征波段选择算法改进预测牛奶中Na、K和Mg含量的MIRS定量预测模型的能力。【方法】以来自华北地区的255份健康中国荷斯坦牛牛奶样本为研究对象。首先,使用MilkoScanTMFT+收集牛奶样本的MIRS数据,并使用电子耦合等离子体发射光谱法测定牛奶样本中Na、K和Mg含量的真实值。随后,以MIRS数据为预测变量,Na、K和Mg含量的真实值为因变量,利用4种光谱预处理算法(一阶导数、二阶导数、SG平滑和标准正态变换)、4种特征选择算法(无信息变量消除(uninformative variable elimination,UVE)、竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)、遗传算法(Genetic Algorithm,GA)及最小角回归算法(Least Angle Regression,LAR))和9种建模算法(偏最小二乘回归、支持向量机、随机森林和弹性网络等),分别建立预测牛奶中Na、K和Mg含量的MIRS定量预测模型,并选出最优模型组合(特征选择算法+光谱预处理算法+建模算法)。【结果】CARS特征波段选择算法对Na、K和Mg含量预测模型的改进效果优于UVE、GA和LAR算法。基于CARS特征选择算法、一阶导数预处理和弹性网络建模算法开发的Na含量预测模型效果最好,该模型预测集决定系数(coefficient of determination of prediction set,R_(p)^(2))=0.72,预测集均方根误差(root mean squared error of prediction,RMSEp)=63.28 mg·kg^(-1),预测集平均绝对误差(mean absolute error of prediction set,MAEp)=49.03 mg·kg^(-1),性能偏差比(ratio of performance to deviation,RPD)=1.90;基于CARS特征选择算法、原始光谱和支持向量机建模算法开发的K含量预测模型效果最好,该模型R_(p)^(2)=0.57,RMSEp=141.49 mg·kg^(-1),MAEp=116.24 mg·kg^(-1),RPD=1.57;基于CARS特征选择算法、原始光谱和偏最小二乘回归建模算法开发的Mg含量预测模型效果最好,该模型R_(p)^(2)=0.51,RMSEp=12.08 mg·kg^(-1),MAEp=9.84 mg·kg^(-1),RPD=1.30。【结论】利用MIRS预测中国荷斯坦牛牛奶中Na和K含量的方法可行,可以较准确地预测Na含量,近似地定量预测K含量(用于区分低浓度K和高浓度K样品)。在建模之前利用CARS算法提取特征波段提高了MIRS预测模型的准确性,并大大减少了运算时间,可提高MIRS模型预测表型数据的效率。展开更多
文摘高熵合金(HEAs)因其独特的微观结构与卓越性能,在国防、航空航天及海洋装备等领域备受瞩目。但传统制备工艺在获得复杂几何形状、优异综合性能的高熵合金仍存在限制。增材制造过程具有的大温度梯度和快速凝固速率等工艺特征,为高性能微观组织的高熵合金的制备提供了一种先进技术方法。本文总结了以CoCrFeNi为代表的系列高熵合金在增材制造过程中的微观组织与性能的特征及改善途径,为CoCrFeNi系高熵合金的应用提供参考。High-Entropy Alloys (HEAs) have attracted much attention in the fields of defense, aerospace and marine equipment due to their unique microstructure and excellent properties. However, there are still limitations in the traditional preparation process to obtain high-entropy alloys with complex geometries and excellent comprehensive properties. The process characteristics of additive manufacturing process, such as large temperature gradient and fast solidification rate, provide an advanced technical method for the preparation of high-entropy alloys with high-performance microstructures. In this paper, the characteristics and improvement methods of the microstructure and properties of a series of high-entropy alloys represented by CoCrFeNi in the additive manufacturing process are summarized, so as to provide a reference for the application of CoCrFeNi high-entropy alloys.
文摘【背景】牛奶中钠(sodium,Na)、钾(potassium,K)和镁(magnesium,Mg)含量的准确检测有助于奶牛的健康养殖,同时也是稳定乳制品质量的前提。但目前检测牛奶中矿物质含量的常规方法昂贵且耗时,因此需要一种低成本且快速检测牛奶Na、K和Mg含量的方法。【目的】利用中红外光谱(mid-infrared spectroscopy,MIRS)预测中国荷斯坦牛牛奶中Na、K和Mg含量的潜力,为测定牛奶中Na、K和Mg含量提供快速检测技术,为牛群饲养管理和奶牛遗传育种提供大量表型数据支撑。此外,比较不同特征波段选择算法改进预测牛奶中Na、K和Mg含量的MIRS定量预测模型的能力。【方法】以来自华北地区的255份健康中国荷斯坦牛牛奶样本为研究对象。首先,使用MilkoScanTMFT+收集牛奶样本的MIRS数据,并使用电子耦合等离子体发射光谱法测定牛奶样本中Na、K和Mg含量的真实值。随后,以MIRS数据为预测变量,Na、K和Mg含量的真实值为因变量,利用4种光谱预处理算法(一阶导数、二阶导数、SG平滑和标准正态变换)、4种特征选择算法(无信息变量消除(uninformative variable elimination,UVE)、竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)、遗传算法(Genetic Algorithm,GA)及最小角回归算法(Least Angle Regression,LAR))和9种建模算法(偏最小二乘回归、支持向量机、随机森林和弹性网络等),分别建立预测牛奶中Na、K和Mg含量的MIRS定量预测模型,并选出最优模型组合(特征选择算法+光谱预处理算法+建模算法)。【结果】CARS特征波段选择算法对Na、K和Mg含量预测模型的改进效果优于UVE、GA和LAR算法。基于CARS特征选择算法、一阶导数预处理和弹性网络建模算法开发的Na含量预测模型效果最好,该模型预测集决定系数(coefficient of determination of prediction set,R_(p)^(2))=0.72,预测集均方根误差(root mean squared error of prediction,RMSEp)=63.28 mg·kg^(-1),预测集平均绝对误差(mean absolute error of prediction set,MAEp)=49.03 mg·kg^(-1),性能偏差比(ratio of performance to deviation,RPD)=1.90;基于CARS特征选择算法、原始光谱和支持向量机建模算法开发的K含量预测模型效果最好,该模型R_(p)^(2)=0.57,RMSEp=141.49 mg·kg^(-1),MAEp=116.24 mg·kg^(-1),RPD=1.57;基于CARS特征选择算法、原始光谱和偏最小二乘回归建模算法开发的Mg含量预测模型效果最好,该模型R_(p)^(2)=0.51,RMSEp=12.08 mg·kg^(-1),MAEp=9.84 mg·kg^(-1),RPD=1.30。【结论】利用MIRS预测中国荷斯坦牛牛奶中Na和K含量的方法可行,可以较准确地预测Na含量,近似地定量预测K含量(用于区分低浓度K和高浓度K样品)。在建模之前利用CARS算法提取特征波段提高了MIRS预测模型的准确性,并大大减少了运算时间,可提高MIRS模型预测表型数据的效率。
