CN102122324A - 热轧棒线材力学性能预报方法 - Google Patents
热轧棒线材力学性能预报方法 Download PDFInfo
- Publication number
- CN102122324A CN102122324A CN201110051161XA CN201110051161A CN102122324A CN 102122324 A CN102122324 A CN 102122324A CN 201110051161X A CN201110051161X A CN 201110051161XA CN 201110051161 A CN201110051161 A CN 201110051161A CN 102122324 A CN102122324 A CN 102122324A
- Authority
- CN
- China
- Prior art keywords
- hot
- steel
- hot rolling
- model
- bar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Heat Treatment Of Steel (AREA)
Abstract
本发明涉及一种热轧棒线材力学性能预报方法,属于冶金行业产品性能预报数学模型技术领域。技术方案是:①建立综合反映强化机制对强度贡献增量的强度本构方程;②建立热轧钢筋和线材的显微组织演变模型;③建立计算机模型,对热轧钢筋和线材强度性能预报。本发明的有益效果:建立热轧棒线材力学性能预报数学模型,通过炼钢化学成分的优化设计及炼、轧钢生产工艺的优化控制,在降低铁合金加入量的条件下,缩小钢材性能波动,稳定钢材质量,提高热轧棒线材生产的经济效益。屈服强度的预报命中率达到82%-94%,抗拉强度的预报命中率达到82-97%,延伸率的预报命中率达到78-95%。
Description
技术领域
本发明涉及一种热轧棒线材力学性能预报方法,属于冶金行业产品性能预报数学模型技术领域。
背景技术
热轧钢材作为最广泛应用的工程结构材料,其屈服强度是计算结构强度和许用应力最重要的依据之一,也是热轧材满足各种专用钢技术标准的最主要判据之一。过去三十多年来,世界各国投入大量技术力量和资金,研究开发热轧板带的组织性能预报模型,在基础物理冶金实验与模型、热轧工艺技术、计算机软件与模型几方面做了大量工作并取得了重要进展。目前已经有一些较成功的基础物理冶金模型、实验室组织性能预报模型和离线预报模型,但是至今还没有成功的在线组织性能预报与控制SPPC(On-Line Structure & Property Prediction & Control)模型投入商业应用。在热轧棒线材方面,目前还没有在线性能预报模型的商业应用先例。不仅如此,热轧棒线材在奥氏体热变形与相变AHDT基础物理冶金试验研究、热轧形变热处理TMCP工艺技术开发与应用、离线组织性能预报与控制SPPC模型的开发等方面,均显著落后于热轧板带在这些方面的研究开发进展。欧洲、美国、日本和中国在过去30多年里在热轧板带方面进行了大量研究开发工作,并为在线组织性能预报模型的建立提供了充分的基础,但是在热轧棒线材方面所进行的工作却十分薄弱。尤其是国内,虽然建筑用钢筋和钢材在生产量方面占了全国钢材总产量的1/3,但是在奥氏体热变形与相变AHDT基础研究、热轧形变热处理工艺TMCP开发和组织性能预报SPPC方面的研究开发工作与其产量规模不相称。
热轧钢材强度模型的技术难点在于:(1)建立综合反映各主要强化机制对强度贡献增量的本构方程,需要以系统的强化理论为基础,以全面的物理冶金试验结果为依据,并通过大量实际生产数据的验证。(2)晶界强化项中的晶粒尺寸是强度本构方程中影响因素最复杂并最难于准确确定的输入变量,需要对热轧过程中奥氏体形变再结晶规律和冷却过程中奥氏体相变规律进行系统的实验研究和现场取样观察,并建立起有效的物理冶金模型。(3)热轧初始条件-连铸坯铸态组织和晶粒尺寸的严重不均匀性,导致模型输入的初始晶粒尺寸条件复杂化并引入初始和“遗传”误差。
据了解,至今没有任何一家钢厂建立起热轧钢筋和线材的强度模型,并预报不同级别和不同规格热轧材的强度。因此,解决这一技术难题既具有基础理论和工程应用方面的重要性,又具有相当的研究开发难度;既需要大量的国内外基础研究资料和自身的试验研究数据以及实际应用经验,又必须结合生产线设备条件、工艺参数、产品实物进行大量数据分析和试验研究,并在此基础上建立起热轧棒线材强度计算的本构方程和计算机模型。
发明内容
本发明目的是提供一种热轧棒线材力学性能预报方法,建立热轧棒线材力学性能预报数学模型,通过炼钢化学成分的优化设计及炼、轧钢生产工艺的优化控制,在降低铁合金加入量的条件下,缩小钢材性能波动,稳定钢材质量,提高热轧棒线材生产的经济效益,解决背景技术存在上述问题。
本发明的技术方案是:
一种热轧棒线材力学性能预报方法,包括如下步骤:①建立综合反映强化机制对强度贡献增量的强度本构方程;②建立热轧钢筋和线材的显微组织演变模型;③建立计算机模型,对热轧钢筋和线材强度性能预报。
根据预报结果,通过对炼钢化学成分的优化设计及炼、轧钢生产工艺的优化控制,在降低铁合金加入量的条件下,缩小钢材性能波动,稳定钢材质量。
热轧棒线材主要是热轧钢筋和线材。
所说的建立综合反映强化机制对强度贡献增量的强度本构方程,是建立抗拉强度、屈服强度、延伸率的本构方程,方程中晶界强化项内晶粒尺寸的准确计算和测定是影响预报精确度和命中率的核心变量,受热轧过程中奥氏体化、奥氏体热变形、奥氏体冷却相变等各阶段工艺条件的综合影响。
建立抗拉强度、屈服强度本构方程具体步骤是:通过对强化理论的基本公式和回归经验方程的分析,在原有大量实验研究、强度方程推导和强度模型应用的基础上,结合热轧钢筋和线材实际工艺和产品性能特征,一方面在实验室对典型的低合金钢和微合金钢进行比较全面的系统的物理冶金试验,另一方面在热轧机组对实际生产的典型产品进行大量的成分、工艺、组织、性能数据统计处理和回归分析,建立起新的热轧材强度的复合应用型屈服强度本构方程;在屈服强度本构方程的基础上,进一步建立了抗拉强度的本构方程。
建立延伸率本构方程具体步骤是:目前世界上没有任何成熟的理论方程和经验公式可以比较准确地定量描述钢铁材料的最基本塑性指标延伸率与化学成分和组织结构等因素之间的函数关系,因此,热轧钢材延伸率的本构方程是根据以下强塑化的基本原理和试验规律导出的:1、在以铁素体为基体的钢中,纯净的均匀粗化的铁素体钢具有最大的塑性和最高的延伸率;2、任何强化因素均导致基体塑性的降低,包括固溶强化元素、析出强化元素、晶粒细化和各种其他相结构(珠光体、贝茵体、马氏体、渗碳体等);3、钢中的任何杂质元素和夹杂物均会降低纯净铁素体钢的延伸率;最后,得出低碳低合金钢和微合金钢的延伸率本构方程。
所说的建立热轧钢筋和线材的显微组织演变模型,通过系统实验室试验获得以典型热轧空延时间为边界条件的奥氏体静态再结晶动力学Xa- 曲线,并据此导出奥氏体静态再结晶动力学方程Xa ( 0.5),直接描述了Xi随再结晶驱动力-应变量 和 0.5变化的动力学规律;包括热轧机组热变形参数与奥氏体再结晶评估,热轧钢筋和线材的显微组织变化以及奥氏体组织演变模型的建立。
具体步骤:通过物理冶金实验、奥氏体热变形试验,建立起奥氏体热变形过程中显微组织演变的物理冶金模型,可以根据初始条件和热轧工艺参数计算各机架道次变形后的奥氏体再结晶百分比Xi,奥氏体再结晶后的晶粒尺寸drex等奥氏体组织变化参数,从而计算热轧和冷却相变后的铁素体晶粒尺寸;由于连铸坯初始组织和晶粒的不均匀性,以及热轧过程中实际操作工艺和温度场的不均匀性,导致显微组织的不均匀性和平均晶粒尺寸计算存在一定误差,因此,在建立奥氏体再结晶模型的同时,对各规格热轧钢筋和线材取样进行实际晶粒尺寸观察测定,并以实测晶粒尺寸为主要依据,用于随后的屈服强度本构方程输入变量。
所说的建立计算机模型,对热轧钢筋和线材强度性能预报,具体步骤是:对国内外计算机模型发展现状和现有的组织与性能预报数学模型,包括物理冶金模型、统计模型、半经验模型和人工智能模型进行分析对比,选择适用的计算机程序,根据实验室物理冶金试验结果和新建的热轧强度本构方程,对生产数据进行应用计算和验证分析,建立起热轧钢筋和线材强度性能预报系统软件,完成对热轧钢筋和线材强度性能预报。
采用本发明对全年160万吨钢筋和线材批量生产数据进行计算的结果表明:
1、热轧钢筋在半连轧机组的预报精度为7.0%以内时,HRB335级SiMn钢五个不同规格(f12-25mm)产品的命中率达到85.0%以上,HRB400级SiMnNb钢五个不同规格产品(f12-25mm)的命中率均为84.0%以上;
2、热轧钢筋在全连轧机组的预报精度为6.0%以内时,HRB335级SiMn钢四个不同规格(f14-32mm)产品的命中率为82%~86%,HRB 400级SiMnNb钢四个不同规格产品(f14-32mm)的命中率为87%~89%;
3、热轧线材在高线机组的控制精度为±12.5Mpa(±5%)时,ф5.5mm和ф6.5mm规格产品的屈服强度预报命中率分别为88.6%和94.7%;
4、本发明强度模型在较高的精度范围内(±5%-7%),对三条工艺线上生产的三个不同成分钢种、三个强度级别、十二个不同规格160万吨热轧带肋钢筋和线材产品屈服强度的预报命中率均达到82%--94%。
同时,抗张强度和延伸率的本构方程与计算机模型,在预报精度为±7%时,热轧带肋钢筋抗拉强度的预报命中率达到82--97%;在预报精度为±4%测量值时,延伸率的预报命中率达到78--95%。
本发明的有益效果:建立热轧棒线材力学性能预报数学模型,通过炼钢化学成分的优化设计及炼、轧钢生产工艺的优化控制,在降低铁合金加入量的条件下,缩小钢材性能波动,稳定钢材质量,提高热轧棒线材生产的经济效益。
具体实施方式
以下结合实施例对本发明作进一步说明。
本发明的技术关键是强度本构方程的建立。它要求以健全的强化理论为基础,全面分析晶格基体、固溶、晶界、析出等因素对强化增量的贡献。大量试验研究结果表明,强度本构方程中晶界强化项内晶粒尺寸的准确计算和测定是影响强度模型预报精确度和命中率的核心变量。由于实际热轧工艺过程复杂,必须系统考虑热轧过程中奥氏体化、奥氏体热变形、奥氏体冷却相变等各阶段工艺条件对显微组织和晶粒尺寸演变的影响。因此,晶粒尺寸项作为强度本构方程中的一项子函数,成为实验室物理冶金试验研究的主要对象。
一种热轧棒线材力学性能预报方法,包括如下步骤:①建立综合反映强化机制对强度贡献增量的强度本构方程;②建立热轧钢筋和线材的显微组织演变模型;③建立计算机模型,对热轧钢筋和线材强度性能预报。
根据预报结果,通过对炼钢化学成分的优化设计及炼、轧钢生产工艺的优化控制,在降低铁合金加入量的条件下,缩小钢材性能波动,稳定钢材质量。
更具体的实施方式如下:
①建立起综合反映各主要强化机制对强度贡献增量的强度本构方程。
通过对强化理论的基本公式和回归经验方程的分析,在原有大量实验研究、强度方程推导和强度模型应用的基础上,结合宣钢热轧钢筋和线材实际工艺和产品性能特征,一方面在实验室对典型的低合金钢和微合金钢进行比较全面的系统的物理冶金试验,另一方面在热轧机组对实际生产的典型产品进行大量的成分-工艺-组织-性能数据统计处理和回归分析。
⑴建立起新的热轧材强度的复合应用型屈服强度本构方程。
A、K、B为系数。
新建的强度本构方程综合反映了各主要强化机制对强度的贡献增量。方程中各项变量分别反映了晶格基体、固溶、晶界、析出等各强化因素本身对屈服强度增量的贡献强弱,而各项变量的系数A、K、B分别反映了在复合强化条件下,各强化因素对屈服强度贡献的比重。
该方程中晶界强化项内的晶粒尺寸是影响强度预报精确度和命中率的核心变量,需要通过试验测定和模型计算。为准确计算和测定晶粒尺寸,对奥氏体化、奥氏体热变形、奥氏体冷却相变过程中显微组织和晶粒尺寸的演变,进行了系统的奥氏体热变形与相变的物理冶金试验研究。采用新导出的奥氏体静态再结晶动力学方程,建立起自主开发的热轧显微组织演变模型。
⑵在屈服强度本构方程的基础上,进一步建立了抗拉强度的本构方程:
A’× Ceq - 碳当量强化项,其中常数A’×显著大于屈服强度本构方程中的碳当量强化系数A;
K’× d-0.5 – 晶粒尺寸强化项,其中常数K’显著低于屈服强度本构方程中的晶粒尺寸强化系数K;
B’×MA(%) - 析出强化项,其中常数B’略高于屈服强度本构方程中的析出强化系数B。
⑶建立延伸率计算的本构方程:
目前世界上没有任何成熟的理论方程和经验公式可以比较准确地定量描述钢铁材料的最基本塑性指标延伸率与化学成分和组织结构等因素之间的函数关系。因此,热轧钢材延伸率的本构方程是根据以下强塑化的基本原理和试验规律导出的:
在以铁素体为基体的钢中,纯净的均匀粗化的铁素体钢具有最大的塑性和最高的延伸率;
任何强化因素均导致基体塑性的降低,包括固溶强化元素、析出强化元素、晶粒细化和各种其他相结构(珠光体、贝茵体、马氏体、渗碳体等);
钢中的任何杂质元素和夹杂物均会降低纯净铁素体钢的延伸率。
因此,低碳低合金钢和微合金钢的延伸率可以用以下的本构方程计算:
d = do – a Ceq - b P – c S – k d-0.5 – f Nb (3)
式中 do – 纯净铁素体钢的延伸率
Ceq=C + Mn/6 +Si/24,碳当量
P – 磷含量(w%)
S – 硫含量(w%)
d – 平均晶粒尺寸(mm)
Nb – 铌含量(w%)
a, b, c, k, f – 各延伸率增量项的系数。
②建立热轧钢筋和线材的显微组织演变模型。
热变形过程中显微组织的演变:
a. 物理冶金实验设计:
热轧过程中,钢的显微组织主要经历以下三个阶段的演变:
奥氏体化(加热):初始晶粒长大、固溶析出控制
奥氏体热变形(轧制):再结晶细化、晶界密度SV增加、形变诱导相变DIFT
奥氏体相变(冷却):铁素体(+珠光体)转变、贝茵体转变、晶粒细化
本项目围绕上述三个阶段奥氏体显微组织的演变进行了相应的各项试验研究,尤其是奥氏体热变形试验与再结晶模型的建立。
自从1979年英国谢菲尔大学的Sellars教授在他组织召开的”热加工与成型工艺”研讨会上发表著名的“热加工的物理冶金”(The Physical Metallurgy of Hot Working)以来,大量的奥氏体热变形与再结晶试验研究是围绕奥氏体再结晶(软化)百分比Xi(%)进行的:
其中, 奥氏体发生50%再结晶所需的时间t0.5是软化百分比Xi函数的关键变量。三十年来奥氏体热变形试验研究基本上以Xi( t 0.5)函数为核心,以静态再结晶的运动学Xi-t曲线为主要结果,时间t可以从1秒延长至10秒、100秒甚至1000秒。
然而,从实际热轧工艺的角度观察显微组织的变化,只有在非常有限的道次间隔时间(即空延时间)内能够发生的静态再结晶,才对热轧晶粒尺寸有直接影响。超过有限的道次间隔时间,再结晶百分比的变化和增加已经不再有实际意义,下一道次形变又随即而来并引起新的形变再结晶变化。例如,宣钢全连轧机组在轧制f25mm钢筋时,轧件在各机架变形后的道次间隔时间随着轧制速度的提高而不断缩短,从第一机架后的5.7秒、第二机架的4.3秒、第三机架的3.2秒等逐渐减少到第四机架后的2.4秒和第五机架后的1.8秒。
因此,本研究发明在热变形试验中,以典型道次间隔时间(即空延时间)为边界条件,在一般热轧温度区(TD=1100-750℃)和道次压下率(Ri=0-50%)可能达到的范围内,系统地试验测定奥氏体静态再结晶软化百分比Xi随应变量e变化的再结晶动力学Xi-e曲线,并据此导出奥氏体静态再结晶的动力学方程Xi(e0.5),为实际热轧过程显微组织的演变提供更具参考价值的基础研究数据和静态再结晶物理冶金模型的依据。
b. 奥氏体热变形试验:
奥氏体化与初始晶粒长大:包括奥氏体化温度对初始晶粒尺寸的影响,连铸坯的低倍组织与奥氏体晶粒尺寸测定以及连铸坯内的温度分布测定。
Si-Mn钢热变形与再结晶试验研究:包括奥氏体静态再结晶规律试验,奥氏体静态再结晶动力学曲线测定,以及形变再结晶对奥氏体晶粒尺寸的影响。
Si-Mn-Nb钢热变形与再结晶试验研究:包括奥氏体化温度和初始晶粒尺寸对静态再结晶的影响,Si-Mn-Nb钢奥氏体静态再结晶规律试验,奥氏体静态再结晶动力学曲线测定,以及静态和动态NbCN析出对奥氏体再结晶的影响。
奥氏体形变再结晶与相变的物理冶金模型:包括奥氏体形变再结晶模型和奥氏体相变模型( g-a )。
应变速率的影响与温度补偿计算:包括实际热轧与模拟试验的主要差别和对应变速率差别的温度补偿计算。
在完成上述各项试验过程中,获得相关奥氏体静态再结晶的动力学曲线。
根据上述热变形试验结果-奥氏体静态再结晶动力学曲线,采用S函数(Sigmoidal Logistical Function)来描述奥氏体静态再结晶数量百分比X随形变温度TD和应变e的变化,导出了适用性较强的奥氏体静态再结晶动力学方程Xa (e0.5):
对于SiMn钢
for T>1148K (7)
for T≤1148K (8)
对于SiMnNb钢
在新导出的奥氏体静态再结晶动力学方程Xa (e0.5)中, 关键变量是奥氏体发生50%静态再结晶所需的应变e0.5, 直接描述了静态再结晶百分比Xi随再结晶驱动力-应变量e和e0.5变化的动力学规律,而不再是近30年来沿用的使奥氏体发生50%静态再结晶所需的空延时间t0.5。
同时,根据试验结果导出了静态再结晶所需临界应变量ec.s和静态再结晶后奥氏体晶粒尺寸drex的模型。
(11)
(12)
这对于研究和控制实际热轧过程中奥氏体的静态再结晶和晶粒尺寸具有重要实际应用价值。
c. 实施例热轧钢筋和线材的显微组织变化:
在全连轧、半连轧和高线各热轧机组生产线,对各品种级别HRB335、HRB400和XY08Z(SiMn钢、SiMnNb钢和低碳08钢)各规格的热轧钢筋和线材进行现场取样观察分析,获得热轧钢筋和线材在实际热轧过程中显微组织变化特征的实际数据,一方面为建立强度模型提供基础参数,另一方面为产品的成分-工艺-组织-性能优化提供理论依据和技术支撑。
d. 实施例热轧钢筋和线材的显微组织演变模型的建立:包括热轧机组热变形参数与奥氏体再结晶评估,热轧钢筋和线材的显微组织变化以及奥氏体组织演变模型的建立。
根据上述试验研究结果,建立起奥氏体热变形过程中显微组织演变的物理冶金模型,可以根据初始条件和热轧工艺参数计算各机架道次变形后的奥氏体再结晶百分比Xi,奥氏体再结晶后的晶粒尺寸drex等奥氏体组织变化参数,从而计算热轧和冷却相变后的铁素体晶粒尺寸。由于连铸坯初始组织和晶粒的不均匀性,以及热轧过程中实际操作工艺和温度场的不均匀性,导致显微组织的不均匀性和平均晶粒尺寸计算存在一定误差。因此,在建立奥氏体再结晶模型的同时,对各规格热轧钢筋和线材取样进行实际晶粒尺寸观察测定,并以实测晶粒尺寸为主要依据, 用于随后的屈服强度本构方程输入变量。
③建立计算机模型,对热轧钢筋和线材强度性能预报。
对国内外计算机模型发展现状和现有的组织与性能预报数学模型,包括物理冶金模型、统计模型、半经验模型和人工智能模型进行分析对比,选择适用的计算机程序,根据实验室物理冶金试验结果和新建的热轧强度本构方程,对生产数据进行应用计算和验证分析,建立起实施例热轧钢筋和线材强度性能预报系统软件。
本实施例对热轧带肋钢筋力学性能模型预报命中率见下表:
④利用性能预报进行产品性能优化与成分、工艺控制。
根据对实施例热轧钢筋和线材强度和延伸率的上述计算分析,指出过去生产中存在的性能波动范围较大、工程能力指数过高、合金元素添加过量、内控成分和工艺规程范围过宽等方面存在的问题,提出了性能优化的工艺技术措施,包括对于热轧带肋钢筋:
调整HRB335和HRB400内控成分、降低Mn含量;
改进连铸工艺细化连铸坯初始晶粒尺寸;
降低钢坯加热温度和开轧温度;
采用轧后控制冷却工艺、节省微合金元素。
同时通过降低锰含量和碳含量优化热轧线材XY08Z成分,满足用户在拉丝等深加工过程中的实际使用性能要求,达到控制XY08Z抗拉强度上限和提高延伸率的目标。
由于采取了上述优化成分-工艺的措施,不仅稳定和优化了产品性能,缩小了性能波动范围,而且减少了合金加入量,降低了生产成本,提高了经济效益。例如热轧代肋钢筋HRB335和HRB400两个级别的产品,由于降低了合金加入量,2008年HRB335获得的年效益为5814.26万元,HRB400的年效益为10825.23万元,2008年度热轧代肋钢筋的效益总计为16639万元。
本发明的目的是建立热轧棒线材强度预报模型,以此为技术支撑,优化热轧棒线材生产技术工艺,生产的热轧棒线材性能能够满足技术标准要求及用户使用要求的前提下,降低生产成本,便于在热轧棒线材企业推广。
Claims (8)
1.一种热轧棒线材力学性能预报方法,其特征在于包括如下步骤:①建立综合反映强化机制对强度贡献增量的强度本构方程;②建立热轧钢筋和线材的显微组织演变模型;③建立计算机模型,对热轧钢筋和线材强度性能预报。
2.根据权利要求1所述之热轧棒线材力学性能预报方法,其特征在于所说的建立综合反映强化机制对强度贡献增量的强度本构方程,是建立抗拉强度、屈服强度、延伸率的本构方程,方程中晶界强化项内晶粒尺寸的准确计算和测定是影响预报精确度和命中率的核心变量,受热轧过程中奥氏体化、奥氏体热变形、奥氏体冷却相变等各阶段工艺条件的综合影响。
3.根据权利要求2所述之热轧棒线材力学性能预报方法,其特征在于建立抗拉强度、屈服强度本构方程具体步骤是:通过对强化理论的基本公式和回归经验方程的分析,在原有大量实验研究、强度方程推导和强度模型应用的基础上,结合热轧钢筋和线材实际工艺和产品性能特征,一方面在实验室对典型的低合金钢和微合金钢进行比较全面的系统的物理冶金试验,另一方面在热轧机组对实际生产的典型产品进行大量的成分、工艺、组织、性能数据统计处理和回归分析,建立起新的热轧材强度的复合应用型屈服强度本构方程;在屈服强度本构方程的基础上,进一步建立了抗拉强度的本构方程。
4.根据权利要求2所述之热轧棒线材力学性能预报方法,其特征在于建立延伸率本构方程具体步骤是:热轧钢材延伸率的本构方程是根据以下强塑化的基本原理和试验规律导出的:1、在以铁素体为基体的钢中,纯净的均匀粗化的铁素体钢具有最大的塑性和最高的延伸率;2、任何强化因素均导致基体塑性的降低,包括固溶强化元素、析出强化元素、晶粒细化和各种其他珠光体、贝茵体、马氏体、渗碳体相结构;3、钢中的任何杂质元素和夹杂物均会降低纯净铁素体钢的延伸率;最后,得出低碳低合金钢和微合金钢的延伸率本构方程。
5.根据权利要求1或2所述之热轧棒线材力学性能预报方法,其特征在于所说的建立热轧钢筋和线材的显微组织演变模型,通过系统实验室试验获得以典型热轧空延时间为边界条件的奥氏体静态再结晶动力学Xa- 曲线,并据此导出奥氏体静态再结晶动力学方程Xa ( 0.5),直接描述了Xi随再结晶驱动力-应变量 和 0.5变化的动力学规律;包括热轧机组热变形参数与奥氏体再结晶评估,热轧钢筋和线材的显微组织变化以及奥氏体组织演变模型的建立。
6.根据权利要求5所述之热轧棒线材力学性能预报方法,其特征在于具体步骤:通过物理冶金实验、奥氏体热变形试验,建立起奥氏体热变形过程中显微组织演变的物理冶金模型,可以根据初始条件和热轧工艺参数计算各机架道次变形后的奥氏体再结晶百分比Xi,奥氏体再结晶后的晶粒尺寸drex等奥氏体组织变化参数,从而计算热轧和冷却相变后的铁素体晶粒尺寸;由于连铸坯初始组织和晶粒的不均匀性,以及热轧过程中实际操作工艺和温度场的不均匀性,导致显微组织的不均匀性和平均晶粒尺寸计算存在一定误差,因此,在建立奥氏体再结晶模型的同时,对各规格热轧钢筋和线材取样进行实际晶粒尺寸观察测定,并以实测晶粒尺寸为主要依据,用于随后的屈服强度本构方程输入变量。
7.根据权利要求1或2所述之热轧棒线材力学性能预报方法,其特征在于所说的建立计算机模型,对热轧钢筋和线材强度性能预报,具体步骤是:对国内外计算机模型发展现状和现有的组织与性能预报数学模型,包括物理冶金模型、统计模型、半经验模型和人工智能模型进行分析对比,选择适用的计算机程序,根据实验室物理冶金试验结果和新建的热轧强度本构方程,对生产数据进行应用计算和验证分析,建立起热轧钢筋和线材强度性能预报系统软件,完成对热轧钢筋和线材强度性能预报。
8.根据权利要求1或2所述之热轧棒线材力学性能预报方法,其特征在于根据预报结果,通过对炼钢化学成分的优化设计及炼、轧钢生产工艺的优化控制,在降低铁合金加入量的条件下,缩小钢材性能波动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110051161XA CN102122324A (zh) | 2011-03-03 | 2011-03-03 | 热轧棒线材力学性能预报方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110051161XA CN102122324A (zh) | 2011-03-03 | 2011-03-03 | 热轧棒线材力学性能预报方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102122324A true CN102122324A (zh) | 2011-07-13 |
Family
ID=44250882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110051161XA Pending CN102122324A (zh) | 2011-03-03 | 2011-03-03 | 热轧棒线材力学性能预报方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102122324A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708297A (zh) * | 2012-05-15 | 2012-10-03 | 哈尔滨工程大学 | 任意分支结构的动力学预报方法 |
CN103710529A (zh) * | 2013-12-20 | 2014-04-09 | 鞍钢股份有限公司 | 一种基于超快冷系统的q235钢组织性能预报方法 |
CN104238498A (zh) * | 2014-08-13 | 2014-12-24 | 柳州钢铁股份有限公司 | 热连轧管线钢组织及力学性能预测的方法 |
CN104679995A (zh) * | 2015-02-04 | 2015-06-03 | 大连理工大学 | 一种激光异质焊接接头力学性能预测方法 |
CN106248721A (zh) * | 2016-07-08 | 2016-12-21 | 首钢总公司 | 一种结构钢棒材带状组织级别快速预报方法 |
CN107229803A (zh) * | 2017-06-16 | 2017-10-03 | 东北大学 | 一种预测连铸生产的铸坯微观组织的方法 |
CN108763637A (zh) * | 2018-04-19 | 2018-11-06 | 张家港联峰钢铁研究所有限公司 | 一种热轧线材抗拉强度的计算与预判方法 |
CN109145493A (zh) * | 2018-09-11 | 2019-01-04 | 张家港宏昌钢板有限公司 | 开发螺纹钢新品的方法 |
CN112233735A (zh) * | 2020-09-07 | 2021-01-15 | 包头钢铁(集团)有限责任公司 | 一种珠光体钢轨钢化学成分的设计方法 |
-
2011
- 2011-03-03 CN CN201110051161XA patent/CN102122324A/zh active Pending
Non-Patent Citations (1)
Title |
---|
王勇等: "棒线材力学性能数学模型的开发及应用", 《冶金标准化与质量》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708297A (zh) * | 2012-05-15 | 2012-10-03 | 哈尔滨工程大学 | 任意分支结构的动力学预报方法 |
CN102708297B (zh) * | 2012-05-15 | 2015-02-25 | 哈尔滨工程大学 | 任意分支结构的动力学预报方法 |
CN103710529A (zh) * | 2013-12-20 | 2014-04-09 | 鞍钢股份有限公司 | 一种基于超快冷系统的q235钢组织性能预报方法 |
CN104238498A (zh) * | 2014-08-13 | 2014-12-24 | 柳州钢铁股份有限公司 | 热连轧管线钢组织及力学性能预测的方法 |
CN104679995B (zh) * | 2015-02-04 | 2017-08-01 | 大连理工大学 | 一种激光异质焊接接头力学性能预测方法 |
CN104679995A (zh) * | 2015-02-04 | 2015-06-03 | 大连理工大学 | 一种激光异质焊接接头力学性能预测方法 |
CN106248721A (zh) * | 2016-07-08 | 2016-12-21 | 首钢总公司 | 一种结构钢棒材带状组织级别快速预报方法 |
CN107229803A (zh) * | 2017-06-16 | 2017-10-03 | 东北大学 | 一种预测连铸生产的铸坯微观组织的方法 |
CN108763637A (zh) * | 2018-04-19 | 2018-11-06 | 张家港联峰钢铁研究所有限公司 | 一种热轧线材抗拉强度的计算与预判方法 |
CN108763637B (zh) * | 2018-04-19 | 2022-06-03 | 张家港联峰钢铁研究所有限公司 | 一种热轧线材抗拉强度的计算与预判方法 |
CN109145493A (zh) * | 2018-09-11 | 2019-01-04 | 张家港宏昌钢板有限公司 | 开发螺纹钢新品的方法 |
CN112233735A (zh) * | 2020-09-07 | 2021-01-15 | 包头钢铁(集团)有限责任公司 | 一种珠光体钢轨钢化学成分的设计方法 |
CN112233735B (zh) * | 2020-09-07 | 2022-04-19 | 包头钢铁(集团)有限责任公司 | 一种珠光体钢轨钢化学成分的设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102122324A (zh) | 热轧棒线材力学性能预报方法 | |
CN106413931B (zh) | 优化制造金属的铁合金的方法 | |
CN110885952A (zh) | 400MPa级热轧带肋钢筋及其制备方法 | |
CN106566989B (zh) | 一种含钒工具用热轧宽带钢及其生产方法 | |
CN108374122A (zh) | 一种海上可焊接结构用s460g2+m钢板及其生产方法 | |
Bo et al. | Static recrystallization kinetics model after hot deformation of low-alloy steel Q345B | |
Jiao et al. | The modeling of the grain growth in a continuous reheating process of a low carbon Si–Mn bearing TRIP steel | |
Ebrahimi et al. | Modeling the viscoplastic behavior and grain size in a hot worked Nb-bearing high-Mn steel | |
CN102676937A (zh) | 一种低成本高强度x80管线用钢板的生产工艺 | |
Nwachukwu et al. | Effects of rolling process parameters on the mechanical properties of hot-rolled St60Mn steel | |
Du et al. | Construction of a machine-learning-based prediction model for mechanical properties of ultra-fine-grained Fe–C alloy | |
Sun et al. | Experimental investigation and modeling of ductile fracture behavior of TRIP780 steel in hot working conditions | |
Zeng et al. | Effect of Nb content and thermal deformation on the microstructure and mechanical properties of high-strength anti-seismic rebar | |
Grajcar et al. | Influence of plastic deformation on CCT-diagrams of low-carbon and medium-carbon TRIP-steels | |
CN102345043A (zh) | 一种Q370qE厚板及其生产方法 | |
Guan et al. | Simultaneous Enhancement of Strength and Toughness in a Medium-Carbon Martensitic Steel by Ti-Mo Addition | |
Xu et al. | Modeling of microstructure evolution and mechanical properties during hot-strip rolling of Nb steels | |
Perlade et al. | Application of microstructural modelling for quality control and process improvement in hot rolled steels | |
Fadel et al. | Determination of Activation Energy For Static Re-Crystallization in Nb-Ti Low Carbon Micro Alloyed Steel | |
CN105160127A (zh) | 基于csp流程热连轧生产线q235b钢种的性能预测方法 | |
CN101255492A (zh) | 预防铌微合金化热轧带肋钢筋无明显屈服点的生产方法 | |
CN110565021A (zh) | 一种热轧带肋钢筋生产工艺的优化方法 | |
Singh et al. | Predicting microstructural evolution and yield strength of microalloyed hot rolled steel plate | |
Chen et al. | Dynamic Recrystallization and Recovery Behaviors in Austenite of a Novel Fe-1.93 Mn-0.07 Ni-1.96 Cr-0.35 Mo Ultrahigh Strength Steel | |
Ogoltcov et al. | Computer model STAN 2000 and its use in practice of steels hot rolling on mill 2000 of Severstal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110713 |