铁电体阴极的发射性能

研究了不同铁电体阴极样品的发射行为表明在同样激励条件下，不同材料的铁电样品发射电流密度有显著差别，在集电极接地情况下，ＰＬＺＴ２／９５／５陶瓷测得的最大发射电流密度为３５Ａ／ｃｍ＿２，透明的ＬｉＮｂＯ＿３单晶为３８Ａ／ｃｍ＿２。样品的击穿阈值是极化难以达到完全翻转的主要障碍。分析了阴极表面金属栅的存在对铁电体发射的不利影响，“Ｅ⊥Ｐ”激励模式是克服这些困难的一个新途径。对两种最近试制的材料作了发射试验，观测到的最大发射电流密度超过了１００Ａ／ｃｍ￣２，估算该发射束的归一化均方根发射度为１０￣（－６）ｍ·ｒａｄ和归一化峰值亮度为１０￣（１２）Ａ／ｍ￣２·ｒａｄ￣２量级。     

基于神经网络的选区激光熔化残余应力预测

当前对选区激光熔化产生的残余应力预测方法主要为数值模拟,但由于设备、环境、粉末等因素差异性较大,且具有较大不确定性,很难建立符合实际情况的数值模拟模型。利用神经网络在预测多变量、复杂线性信息处理方面能力强的特点,建立适用于预测316L不锈钢粉末选区激光熔化残余应力的模型。使用选区激光熔化技术打印相当数量的不同工艺参数的试样,采用超声波检测其内部残余应力作为神经网络的训练样本,并使用这些样本对神经网络模型进行训练,获得具有预测功能的神经网络,将验证样本的工艺参数输入神经网络,计算出预测的残余应力值,与实际检测值进行对比。实验结果表明,预测值与实际测量值偏差较小,验证了所提方法的有效性。采用神经网络预测残余应力的方法,可以快速确定不同选区激光熔化工艺参数对应的残余应力,避免设置残余应力较高的工艺参数,有效缩短制备高质量工件试样的周期,降低成本。