[发明专利]一种R-T-B磁体及其制备方法在审
申请号: | 202110287768.1 | 申请日: | 2021-03-17 |
公开(公告)号: | CN112992463A | 公开(公告)日: | 2021-06-18 |
发明(设计)人: | 陈大崑;牟维国;黄佳莹 | 申请(专利权)人: | 福建省长汀金龙稀土有限公司;厦门钨业股份有限公司 |
主分类号: | H01F1/057 | 分类号: | H01F1/057;H01F1/055;H01F41/02 |
代理公司: | 上海弼兴律师事务所 31283 | 代理人: | 王卫彬;邹玲 |
地址: | 366300 福建*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 磁体 及其 制备 方法 | ||
本发明公开了一种R‑T‑B磁体及其制备方法。该R‑T‑B磁体包括以下组分:R:≥30.5wt.%,R为稀土元素;Nb:0.2~0.6wt.%;Ti:0.05~0.5wt.%;B:≥0.955wt.%;Fe:58~69wt.%,wt.%为各组分的质量占各组分总质量的百分比;所述R‑T‑B磁体中还含有Cu;所述R‑T‑B磁体中,所述Cu的质量含量与“所述Nb和所述Ti”的总质量含量的比值为0.5~3.5。本发明中的R‑T‑B磁体的配方,在制备成钕铁硼磁体材料过程中,充分发挥了Cu降低富钕相与主相之间的界面能的作用,进而显著提升了磁性能。
技术领域
本发明涉及一种R-T-B磁体及其制备方法。
背景技术
钕铁硼永磁体材料作为一类重要的稀土功能材料,拥有优良的综合磁性能,被广泛应用于电子行业、电动汽车等诸多领域。但目前的钕铁硼磁体材料的综合磁性能较差,难以制备得到性能更优异的产品,无法满足社会需求。
中国专利文献CN110993234A公开了一种钕铁硼磁体材料,其提到Cu元素可以有效提高钕铁硼磁体的矫顽力,但Cu添加了超过0.35wt.%以上后,由于Cu在晶界的富集会导致磁体烧结后形成微裂纹从而降低磁体的致密性及强度,该专利中公开了含Al、Nb等元素的配方,在制备成磁体材料后,晶界相中出现Cu和Nb的富集,有助于阻碍晶粒在烧结过程中异常长大的缺陷。但是该专利文献中磁体材料的配方中仍然不能有效利用Cu提高矫顽力的能力,且在添加少量的重稀土元素时,无法使得剩磁、矫顽力和方形度等磁性能均发挥到较高的水平。而且该专利文献在得到矫顽力较高的磁体材料的过程中,高含量的Al也起到了显著的贡献。
为此,提高一种钕铁硼磁体的配方,使之更充分的发挥Cu对增强钕铁硼磁体材料磁性能的作用,是目前需要解决的技术问题。
发明内容
本发明为了解决现有技术中存在的钕铁硼磁体的配方不能有效利用Cu提高磁性能的缺陷,而提供了一种R-T-B磁体及其制备方法。本发明中的R-T-B磁体的配方,在制备成钕铁硼磁体材料过程中,充分发挥了Cu降低富钕相与主相之间的界面能的作用,进而显著提升了磁性能。
本发明主要是通过以下技术方案解决以上技术问题的。
本发明提供了一种R-T-B磁体,其包括以下组分:R:≥30.5wt.%,R为稀土元素;
Nb:0.2~0.6wt.%;
Ti:0.05~0.5wt.%;
B:≥0.955wt.%;
Fe:58~69wt.%,wt.%为各组分的质量占各组分总质量的百分比;
所述R-T-B磁体中还含有Cu;所述R-T-B磁体中,所述Cu的质量含量与“所述Nb和所述Ti”的总质量含量的比值为0.5~3.5。
本发明中,本领域技术人员根据所述的R-T-B磁体可知,上述各组分总质量包含所述Cu的质量。
本发明中,所述R的含量较佳地为30~32wt.%,例如30.5wt.%、30.6wt.%、30.7wt.%或30.8wt.%。
本发明中,所述R的种类可为本领域常规,一般还包括Nd。
其中,所述Nd的含量较佳地为29~30wt.%,例如29.1wt.%、29.5wt.%、29.6wt.%、29.7wt.%或30wt.%,wt.%为占各组分总质量的百分比。
本发明中,所述R的种类一般还可包括Pr和/或RH,所述RH为重稀土元素。
其中,所述Pr的含量较佳地在0.3wt.%以下,例如0.2wt.%,wt.%为占各组分总质量的百分比。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建省长汀金龙稀土有限公司;厦门钨业股份有限公司,未经福建省长汀金龙稀土有限公司;厦门钨业股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110287768.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种R-T-B磁体及其制备方法
- 下一篇:一种基于深度学习的图像反向恢复方法