A tűzálló volfrám fém reprezentatív termékeként a nagy fajsúlyú volfrámötvözet kiváló árnyékolási teljesítményt nyújt a nem radioaktivitás, a nagy sűrűség, a nagy szilárdság, a nagy keménység és a jó kémiai stabilitás jellemzői mellett, és széles körben használják kollimátorokban, fecskendőkben. , árnyékoló pajzsok, árnyékoló tölcsérek, árnyékoló kannák, árnyékoló takarók, hiba detektorok, többszárnyú rácsok és egyéb árnyékoló termékek.
A volfrámötvözet árnyékoló tulajdonsága azt jelenti, hogy az anyag megakadályozza az olyan sugárzásokat, mint a γ-röntgen-, röntgen- és β-sugárzás. A sugárzás behatolási képessége szorosan összefügg a kémiai összetétellel, a szervezeti felépítéssel, az anyagvastagsággal, a munkakörnyezettel és egyéb tényezőkkel. anyag.
Általában a wolfram rézötvözet és a wolfram-nikkel ötvözet árnyékolási képessége kissé eltér ugyanazon nyersanyagarány, mikrostruktúra és egyéb tényezők mellett. Ha a kémiai összetétel azonos, a volfrámtartalom növekedésével vagy a kötött fémek (például nikkel, vas, réz stb.) tartalom csökkenésével, az ötvözet árnyékolási teljesítménye jobb; Éppen ellenkezőleg, az ötvözet árnyékolási teljesítménye rosszabb. Ugyanezen egyéb feltételek mellett minél nagyobb az ötvözet vastagsága, annál jobb az árnyékolási teljesítmény. Ezenkívül a deformáció, repedések, szendvicsek és egyéb hibák súlyosan befolyásolják a volfrámötvözetek árnyékolási teljesítményét.
A volfrámötvözet árnyékolási teljesítményét Monte Carlo módszerrel mérik az ötvözet röntgen-árnyékolási teljesítményének kiszámításához, vagy kísérleti módszerrel az ötvözet anyagának árnyékoló hatásának mérésére.
A Monte Carlo-módszer, más néven statisztikai szimulációs módszer és statisztikai tesztmódszer, egy numerikus szimulációs módszer, amely a valószínűségi jelenséget veszi kutatási tárgyként. Ez egy számítási módszer, amely mintavételes felmérési módszert használ az ismeretlen jellemző mennyiség becsléséhez statisztikai érték megszerzésére. A módszer alapvető lépései a következők: szimulációs modell felépítése a harci folyamat jellemzői szerint; A szükséges alapadatok meghatározása; Olyan módszerek alkalmazása, amelyek javíthatják a szimuláció pontosságát és a konvergencia sebességét; Becsülje meg a szimulációk számát; Fordítsa le a programot, és futtassa a számítógépen; Statisztikailag dolgozza fel az adatokat, és adja meg a probléma szimulációs eredményeit és pontossági becslését.
Feladás időpontja: 2023. január 29