როგორც ცეცხლგამძლე ვოლფრამის ლითონის წარმომადგენლობითი პროდუქტი, მაღალი სპეციფიკური სიმძიმის ვოლფრამის შენადნობი აქვს შესანიშნავი დამცავი მოქმედება, გარდა არარადიოაქტიურობის, მაღალი სიმკვრივის, მაღალი სიმტკიცის, მაღალი სიხისტისა და კარგი ქიმიური სტაბილურობის მახასიათებლებისა და ფართოდ გამოიყენება კოლიმატორებში, შპრიცებში. , დამცავი ფარები, დამცავი ძაბრები, დამცავი ქილა, დამცავი საბნები, ხარვეზების დეტექტორები, მრავალფოთლიანი ბადეები და სხვა დამცავი პროდუქტები.
ვოლფრამის შენადნობის დამცავი თვისება ნიშნავს, რომ მასალა ხელს უშლის გამოსხივებას, როგორიცაა γ რენტგენი, რენტგენი და β. სხივების შეღწევის უნარი მჭიდროდ არის დაკავშირებული ქიმიურ შემადგენლობასთან, ორგანიზაციულ სტრუქტურასთან, მასალის სისქესთან, სამუშაო გარემოსთან და სხვა ფაქტორებთან. მასალა.
ზოგადად, ვოლფრამის სპილენძის შენადნობისა და ვოლფრამის ნიკელის შენადნობის დამცავი უნარი ოდნავ განსხვავებულია ნედლეულის იგივე თანაფარდობის, მიკროსტრუქტურისა და სხვა ფაქტორების პირობებში. როდესაც ქიმიური შემადგენლობა იგივეა, ვოლფრამის შემცველობის გაზრდით ან შეკრული ლითონის (როგორიცაა ნიკელის, რკინის, სპილენძის და ა.შ.) შემცველობის შემცირებით, შენადნობის დამცავი მოქმედება უკეთესია; პირიქით, შენადნობის დამცავი მოქმედება უარესია. იგივე სხვა პირობებში, რაც უფრო დიდია შენადნობის სისქე, მით უკეთესია დამცავი მოქმედება. გარდა ამისა, დეფორმაცია, ბზარები, სენდვიჩები და სხვა დეფექტები სერიოზულად იმოქმედებს ვოლფრამის შენადნობების დამცავ მუშაობაზე.
ვოლფრამის შენადნობის დამცავი მოქმედება იზომება მონტე კარლოს მეთოდით, რათა გამოვთვალოთ შენადნობის რენტგენის დამცავი მოქმედება, ან ექსპერიმენტული მეთოდით, რომ გავზომოთ შენადნობის მასალის დამცავი ეფექტი.
მონტე კარლოს მეთოდი, რომელიც ასევე ცნობილია როგორც სტატისტიკური სიმულაციის მეთოდი და სტატისტიკური ტესტის მეთოდი, არის რიცხვითი სიმულაციის მეთოდი, რომელიც კვლევის ობიექტად იღებს ალბათობის ფენომენს. ეს არის გაანგარიშების მეთოდი, რომელიც იყენებს შერჩევის კვლევის მეთოდს სტატისტიკური მნიშვნელობის მისაღებად უცნობი დამახასიათებელი სიდიდის შესაფასებლად. ამ მეთოდის ძირითადი საფეხურები შემდეგია: სიმულაციური მოდელის აგება საბრძოლო პროცესის მახასიათებლების მიხედვით; საჭირო ძირითადი მონაცემების განსაზღვრა; გამოიყენეთ მეთოდები, რომლებსაც შეუძლიათ გააუმჯობესონ სიმულაციის სიზუსტე და კონვერგენციის სიჩქარე; სიმულაციების რაოდენობის შეფასება; შეადგინეთ პროგრამა და გაუშვით კომპიუტერზე; სტატისტიკურად დაამუშავეთ მონაცემები და მიეცით პრობლემის სიმულაციის შედეგები და მისი სიზუსტის შეფასება.
გამოქვეყნების დრო: იან-29-2023