项目名称: Fe基块体非晶形成范围的预测及磁学性能研究

项目编号: No.51301125

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 一般工业技术

项目作者: 朱满

作者单位: 西安工业大学

项目金额: 25万元

中文摘要: Fe基块体非晶合金因具有高的饱和磁场强度和低磁损等优点,在工业领域得以广泛应用。然而,现有理论尚无法准确预测块体非晶合金形成的成分范围,这严重制约了具有优异性能的多组元Fe基块体非晶合金的开发。本项申请的前期工作表明,添加微量的过渡族元素Mo和Y显著提高了Fe-Nb-B系合金的非晶形成能力,这也说明了引入过渡族元素对Fe基非晶形成能力和性能的提高起到至关重要的作用。本项申请拟将非晶合金的生成焓和各组元的物理化学参数(如电负性、摩尔体积、电化学势等)与合金成分联系起来,揭示多组元体系非晶合金生成焓和合金成分的之间的内在关系,构建多组元体系非晶合金生成焓的热力学模型。通过本项目的研究,为定性预测多组元体系形成非晶的成分范围提供重要的理论依据,揭示过渡族元素在提高非晶形成能力和磁学性能的作用机理,为开发出具有优异性能的Fe基块体非晶合金提供可靠的理论依据和技术基础。

中文关键词: Fe基非晶合金;非晶形成能力;软磁性能;生成焓;过渡族元素

英文摘要: Fe-based bulk metallic glasses (BMGs) were widely used in the industrial field due to its high saturation magnetization and low core loss. However, the glass forming range of BMGs can not be predicted accurately, which seriously limits the development of new multicomponent Fe-based BMGs with excellent glass forming ability (GFA). Previous experimental results showed that the addition of minor amount of transition elements Mo and Y significantly improve the GFA of Fe-Nb-B system, thus suggesting that the addition of trace transtion elements plays a decisive role on enhancing the GFA and magnetic properties.In present proposal, it is our aim to explore the relationship between the forming enthalpy of amorphous and alloy composition, and thus to establish the thermodynamical model to predict the forming enthalpy of amorphous for the multicomponent Fe-based BMGs by linking the forming enthalphy, physical and chemical parameters (such as electronegativity, molar volume, electrochemical potential), and alloy composition. On the basis of the present proposal,the glass forming range for the multicomponent Fe-based BMGs can be predicted by theoretical model, and the mechanisms of the influence of transition elements on GFA and magnetic properties were also explored. Thus, based on theoretical model and supporting techniq

英文关键词: Fe-based metallic glass;Glass forming ability;Soft magnetic property;Forming enthalpy;Transition elements

成为VIP会员查看完整内容
0

相关内容

专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
109+阅读 · 2021年4月7日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
56+阅读 · 2021年5月3日
AliCoCo: Alibaba E-commerce Cognitive Concept Net
Arxiv
13+阅读 · 2020年3月30日
小贴士
相关主题
相关VIP内容
专知会员服务
42+阅读 · 2021年9月7日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
109+阅读 · 2021年4月7日
基于改进卷积神经网络的短文本分类模型
专知会员服务
25+阅读 · 2020年7月22日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员