Som en representativ nedströmsprodukt av eldfast volframmetall har volframlegering med hög specifik vikt utmärkt skärmningsprestanda utöver egenskaperna för icke-radioaktivitet, hög densitet, hög hållfasthet, hög hårdhet och god kemisk stabilitet, och används ofta i kollimatorer, sprutor , avskärmande sköldar, avskärmningstrattar, avskärmande burkar, skyddsfiltar, feldetektorer, flerbladig galler och andra avskärmningsprodukter.
Avskärmningsegenskapen hos volframlegering gör att materialet förhindrar strålning såsom γ-röntgen, röntgen och β. Strålpenetreringsförmågan är nära relaterad till den kemiska sammansättningen, organisationsstrukturen, materialtjockleken, arbetsmiljön och andra faktorer hos material.
I allmänhet är skärmningsförmågan hos volframkopparlegering och volframnickellegering något annorlunda under samma råmaterialförhållande, mikrostruktur och andra faktorer. När den kemiska sammansättningen är densamma, med ökningen av volframhalten eller minskningen av halten av bunden metall (såsom nickel, järn, koppar, etc.), är legeringens skärmningsprestanda bättre; Tvärtom är legeringens skärmningsprestanda sämre. Under samma andra förhållanden, ju större legeringens tjocklek, desto bättre skärmningsprestanda. Dessutom kommer deformation, sprickor, smörgåsar och andra defekter att allvarligt påverka skärmningsprestandan hos volframlegeringar.
Volframlegeringens skärmningsprestanda mäts med Monte Carlo-metoden för att beräkna legeringens röntgenavskärmningsprestanda, eller genom experimentell metod för att mäta skärmningseffekten av legeringsmaterialet.
Monte Carlo-metoden, även känd som statistisk simuleringsmetod och statistisk testmetod, är en numerisk simuleringsmetod som tar sannolikhetsfenomenet som forskningsobjekt. Det är en beräkningsmetod som använder en samplingsundersökningsmetod för att erhålla statistiskt värde för att uppskatta okänd karakteristisk kvantitet. De grundläggande stegen i denna metod är följande: konstruera en simuleringsmodell enligt stridsprocessens egenskaper; Bestäm nödvändiga grundläggande data; Använd metoder som kan förbättra simuleringsnoggrannheten och konvergenshastigheten; Uppskatta antalet simuleringar; Kompilera programmet och kör det på datorn; Bearbeta data statistiskt och ge simuleringsresultaten av problemet och dess noggrannhetsuppskattning.
Posttid: 2023-jan-29