CN102323981A - 一种预测热轧钢材奥氏体静态再结晶组织演变的方法 - Google Patents
一种预测热轧钢材奥氏体静态再结晶组织演变的方法 Download PDFInfo
- Publication number
- CN102323981A CN102323981A CN201110249721A CN201110249721A CN102323981A CN 102323981 A CN102323981 A CN 102323981A CN 201110249721 A CN201110249721 A CN 201110249721A CN 201110249721 A CN201110249721 A CN 201110249721A CN 102323981 A CN102323981 A CN 102323981A
- Authority
- CN
- China
- Prior art keywords
- austenite
- static
- model
- centerdot
- passage
- 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.)
- Granted
Links
Images
Landscapes
- Control Of Metal Rolling (AREA)
Abstract
Description
技术领域
本发明涉及一种预测热轧钢材奥氏体静态再结晶组织演变的方法,属于轧钢技术领域。
背景技术
奥氏体再结晶过程在热轧钢材组织性能演变过程中发挥着重要作用,弄清不同钢材的奥氏体再结晶规律对于制定合理的控制轧制工艺,提高控制轧制效果,改善钢材的强韧性能具有非常重要的意义。奥氏体再结晶过程是一个复杂的过程,包括静态再结晶、动态再结晶和亚动态再结晶。奥氏体的再结晶行为主要受到以下几方面因素的影响:初始晶粒尺寸do、形变温度TD、应变量ε、应变速率ε和道次间隔时间t(或称空延时间)。受轧机配置和轧制负荷的影响,静态再结晶过程在钢材热变形过程中往往处于主导地位,因此,开展热轧钢材奥氏体静态再结晶组织演变规律的研究显得尤为必要。
近30年来,国内外学者围绕不同钢材的奥氏体静态再结晶演变规律做了大量研究,但几乎都以1979年Sellars提出的奥氏体再结晶物理冶金模型(C.M.Sellars and J.A.Whiteman,“Recrystallizationand Grain Growth in Hot Rolling”,Metal Science,13(1979),pp.187-194.)为基础,该模型以50%奥氏体发生静态再结晶所需的时间t0.5为特征参数,描述奥氏体静态再结晶分数Xa随着道次间隔时间t的变化,如式(1)和(2)所示。
式(1)~(2)中,ε为应变量;为应变速率,S-1;D为变形前奥氏体晶粒尺寸,μm;Q为奥氏体静态再结晶激活能,J/mol;R为气体常数,8.314J/(mol·K);T为奥氏体形变温度,K;n、p、q和s为常数。
采用上述方式研究奥氏体静态再结晶随道次间隔时间t的变化,对于奥氏体热变形的物理冶金基础研究具有重要意义;但对于热轧机组实际工艺-组织-性能控制来说,对每一成分体系钢种,开展奥氏体静态再结晶分数和静态再结晶晶粒尺寸随道次间隔时间、应变速率、应变量、变形温度和奥氏体晶粒尺寸的变化规律研究,存在工作量大和周期长等问题。如S.F.MEDINA等人对C-Mn、C-Mn-Nb和C-Mn-V钢的奥氏体静态再结晶组织演变规律的研究(参见ISIJ International,34(8),1994,pp.689-696和ISIJ International,41(7),2001,pp.774-781),为确定t0.5与应变速率、应变量、变形温度和奥氏体初始晶粒尺寸这4个参数的关系,试验设计时需同时考虑道次间隔时间、应变速率、应变量、变形温度和奥氏体初始晶粒尺寸这5个参数的影响,因涉及参数众多,需进行5因素多水平的试验,试验工作量大且过程繁琐。
有鉴于此,优化热轧奥氏体静态再结晶组织演变预测方式,以较少参数实现静态再结晶组织演变规律的准确预测显得尤为重要。
发明内容
本发明的目的是提供一种预测热轧钢材奥氏体静态再结晶组织演变的方法,采用该方法能以较少参数实现热轧钢材奥氏体静态再结晶演变规律的准确预报,减少新钢种开发的试验室试验次数,实现热轧工艺参数设置的快速优化。
本发明的技术解决方案是:
一种预测热轧钢材奥氏体静态再结晶组织演变的方法,包括以下步骤:
(1)建立以典型道次间隔时间trf和应变速率为边界条件、以50%奥氏体发生静态再结晶所需应变量ε0.5为核心的奥氏体静态再结晶组织演变规律预测模型,包括50%奥氏体静态再结晶所需应变量ε0.5模型、完全静态再结晶临界应变量εc.s模型、静态再结晶分数Xa模型和静态再结晶晶粒尺寸drex模型,各模型表达式如下:
εc.s=ε0.5+A2/α(4)
式(3)~(7)中,d0为变形前奥氏体晶粒尺寸,μm;Qrex为奥氏体静态再结晶激活能,J/mol;TD为奥氏体形变温度,K;ε为应变量;α为模型参量,是d0和TD的函数;R为气体常数,8.314J/(mol·K);A1、A2、B1、B2、B3、m、n、p、q、r和s为常数;
(2)根据Zener数相等的原则,对实际热轧不同的应变速率进行形变温度修正;根据静态再结晶分数与道次间隔时间成固定指数关系的原则,对实际热轧不同的道次间隔时间进行再结晶分数修正,利用修正的模型预测实际热轧过程中奥氏体静态再结晶演变规律,然后对热轧工艺参数进行优化控制;形变温度和静态再结晶分数修正模型表达式如下:
式(8)~(9)中,R为气体常数,8.314J/(mol·K);Q def为形变激活能,取值300kJ/mol;为典型应变速率,S-1;为实际应变速率,S-1;TD为奥氏体形变温度,K;T′D为修正后的奥氏体形变温度;Xa为与典型道次间隔时间trf对应的再结晶分数;X′a为与实际道次间隔时间t对应的再结晶分数。
本发明的发明思路是:为实现以较少参数预测奥氏体静态再结晶演变规律,主要从基本参数的选择、预测方法的建立、预测方法的修正和基于本预测方法的热轧工艺参数优化四方面考虑。
1)基本参数的选择:在影响奥氏体静态再结晶的初始奥氏体晶粒度、道次间隔时间、应变量、应变速率和形变温度中,考虑到对给定热轧生产线而言,道次间隔时间和应变速率相对比较固定,而应变量和形变温度可控且易于调节。因此,选取典型道次间隔时间trf和应变速率作为奥氏体静态再结晶演变规律研究的边界条件,选取初始奥氏体晶粒度、应变量和形变温度作为可变量。
2)预测方法的建立:在给定典型道次间隔时间trf和应变速率作为边界条件情况下,以50%奥氏体发生静态再结晶所需应变量ε0.5为核心建立起奥氏体静态再结晶组织演变的预测方法,如图1所示。
3)预测方法的修正:因实际热轧各道次的间隔时间和应变速率与作为边界条件的trf和值存在一定差异,为此需对上述预测方法进行适当修正:针对不同的应变速率,根据Zener数相等的原则进行形变温度补偿;针对不同的道次间隔时间,根据式(1)中Xa与道次间隔时间的固定函数关系进行再结晶分数补偿。
4)热轧工艺参数的优化:基于上述修正的预测方法建立起热轧过程奥氏体静态再结晶演变规律预报系统,如图2所示,模拟预测实际热轧过程中不同工况条件下奥氏体静态再结晶演变规律,可根据实际性能控制要求优化选取合适的热轧工艺参数。
本发明一种预测热轧钢材奥氏体静态再结晶组织演变的方法的有益效果:
1)与传统Sellars提出的物理冶金模型相比,采用该方法能够以较少的参变量实现奥氏体静态再结晶演变规律的准确预报,可极大减少建立模型所需的试验次数,并实现对热轧工艺参数的优化设置。
2)该方法具有较宽的适用范围,可应用于C-Mn钢、C-Mn-Nb钢等需控制轧制的高强度低合金钢。
附图说明:
图1为本发明以道次间隔时间和应变速率为边界条件的奥氏体静态再结晶组织演变预测流程图
图2为本发明修正后的奥氏体静态再结晶组织演变预测流程图
图3为本发明变形温度和应变量对奥氏体静态再结晶分数Xa的影响图
图4为本发明初始晶粒尺寸和应变量对奥氏体静态再结晶分数的影响图
图5为本发明C-Mn-N b钢以道次间隔时间和应变速率为边界条件的奥氏体静态再结晶组织演变预测流程图
图6为本发明C-Mn-N b钢修正后的奥氏体静态再结晶组织演变预测流程图
图7为本发明C-Mn-Nb钢精轧各道次奥氏体晶粒尺寸演变规律图
图8为本发明奥氏体静态再结晶分数计算值与实测值的比较图
图9为本发明奥氏体静态再结晶晶粒尺寸计算值与实测值的比较图
具体实施方式:
本发明提供的预测热轧钢材奥氏体静态再结晶组织演变的方法,可广泛应用于C-Mn钢和C-Mn-Nb钢等需控制轧制钢种静态再结晶组织演变规律的研究。这里选取化学成分为0.16%C-0.30%Si-1.40%Mn-0.035%Nb的C-Mn-Nb钢的试验结果为研究数据基础。
试验条件:道次间隔时间和应变速率选取再结晶区轧制的典型道次间隔时间和应变速率,即道次间隔时间为3s、应变速率为1.04s-1。在此条件下,研究通常形变温度750~1100℃和道次压下率0~50%范围内,形变温度和应变量对奥氏体静态再结晶分数和再结晶晶粒尺寸的影响,试验结果如图3和4中散点所示。本发明的实施步骤如下:
1)以3s道次间隔时间和1.04s-1应变速率为边界条件,以初始奥氏体晶粒尺寸d0、形变温度TD和应变量ε作为输入参数。
2)以d0和TD为参数,采用S型函数(Sigmoidal LogisticalFunction)建立50%奥氏体静态再结晶所需应变量ε0.5模型:
3)以d0、TD和ε0.5为参数,建立模型参数α与完全静态再结晶临界应变量模型:
εc.s=ε0.5+4.595/α(12)
4)以α、ε0.5和ε为参数,建立静态再结晶分数模型:
5)以d0、TD和εc.s为参数,建立静态再结晶晶粒尺寸模型:
6)将方程(10)~(14)式组合,可得到以3s道次间隔时间和1.04s-1应变速率为边界条件的单道次奥氏体静态再结晶组织演变预测流程图,如图5所示。
7)因实际热轧不同道次的应变速率与作为边界条件的1.04s-1应变速率存在差异性,需对其作出修正。根据Zener-Hollomon数相等原则,不同的应变速率可用形变温度进行补偿,补偿方程式如下:
8)因实际热轧不同道次的间隔时间与作为边界条件的3s道次间隔时间存在差异性,需对其作出修正。根据Sellars提出的再结晶分数与道次间隔时间成指数关系的原则,对不同道次间隔时间的再结晶分数补偿如下:
9)静态再结晶后,奥氏体组织一般为再结晶晶粒与未再结晶晶粒的混合组织,其平均晶粒尺寸d′rex计算如下:
d′rex=d0·(1.0-X′a)+drex·X′a (17)
10)考虑到静态再结晶后,不同道次间隔时间内奥氏体晶粒长大不同,道次间长大后奥氏体晶粒尺寸d″rex如下:
(d″rex)4.5=(d′rex)4.5+4.1×1023×t×exp(-43500/RT′D) (18)
11)前一道次未发生完全静态再结晶时,未发生再结晶晶粒在进入下一道次后存在应变累积现象,下一道次累积应变量εi+1计算如下:
εi+1=εi+1+ε×(1-X′a) (19)
12)将修正后的形变温度T′D代入式(10)~(14)并结合修正后的再结晶分数X′a可得到针对实际热轧多道次的静态再结晶组织演变规律预测流程图,如图6所示。
以本例成分生产厚度15.5mm的热轧带钢,采用6道次精轧,各道次应变量分别为0.295、0.292、0.311、0.207、0.133和0.052,各道次应变速率分别为3.52s-1、5.40s-1、8.87s-1、10.57s-1、11.15s-1和7.55s-1,各道次间隔时间分别为8.08s、6.04s、4.42s、3.60s和3.15s。按照图6所示流程图进行计算,在精轧入口晶粒尺寸保持不变的情况下,模式1各道次变形温度分别为1005℃、981℃、957℃、930℃、902℃和875℃时,对应各道次晶粒尺寸变化分别为80μm、43.5μm、38.1μm、33.6μm、27.3μm和21.4μm;模式2在模式1基础上各道次变形温度均下降20℃,即分别为985℃、961℃、937℃、910℃、882℃和855℃时,对应各道次晶粒尺寸变化分别为80μm、37.84μm、32.78μm、28.75μm、23.24μm和18.06μm;模式3在模式2基础上各道次变形温度再下降20℃,即分别为965℃、941℃、927℃、890℃、862℃和835℃时,对应各道次晶粒尺寸变化分别为80μm、32.91μm、28.10μm、24.49μm、19.68μm和15.13μm。如图7所示,随着精轧温度降低,奥氏体晶粒显著细化,晶粒尺寸逐渐减小,控轧效果显著提高;终轧温度由875℃降至835℃时,奥氏体晶粒尺寸由21.4μm降至15.13μm。因此,对本钢种而言,为获得较高的强度性能指标,选用830℃左右低温控轧更为有利。
采用本发明预测的静态再结晶分数随应变量、形变温度和初始晶粒尺寸的变化见图3和4中曲线,静态再结晶分数预测值与实测值的比较见图8,预测精度在±0.13范围内的命中率达到93%。采用本发明预测的奥氏体静态再结晶晶粒尺寸与实测值的比较如图9所示,预测值与实测值具有较好的一致性。这说明本发明的奥氏体静态再结晶组织演变预测方法具有较高的可靠性和适用性,可用于优化热轧工艺参数的设置,以缩短钢种试制开发周期,并提高钢材控轧效果和力学性能水平。
Claims (1)
1.一种预测热轧钢材奥氏体静态再结晶组织演变的方法,其特征在于包括以下步骤:
(1)建立以典型道次间隔时间trf和应变速率为边界条件、以50%奥氏体发生静态再结晶所需应变量ε0.5为核心的奥氏体静态再结晶组织演变规律预测模型,包括50%奥氏体静态再结晶所需应变量ε0.5模型、完全静态再结晶临界应变量εc.s模型、静态再结晶分数Xa模型和静态再结晶晶粒尺寸drex模型,各模型表达式如下:
εc.s=ε0.5+A2/α(2)
式(1)~(5)中,d0为变形前奥氏体晶粒尺寸,μm;Q rex为奥氏体静态再结晶激活能,J/mol;TD为奥氏体形变温度,K;ε为应变量;α为模型参量,是d0和TD的函数;R为气体常数,8.314J/(mol·K);A1、A2、B1、B2、B3、m、n、p、q、r和s为常数;
(2)根据Zener数相等的原则,对实际热轧不同的应变速率进行形变温度修正;根据静态再结晶分数与道次间隔时间成固定指数关系的原则,对实际热轧不同的道次间隔时间进行再结晶分数修正;利用修正的模型预测实际热轧过程中奥氏体静态再结晶演变规律,然后对热轧工艺参数进行优化控制;形变温度和静态再结晶分数修正模型表达式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110249721.2A CN102323981B (zh) | 2011-08-26 | 2011-08-26 | 一种预测热轧钢材奥氏体静态再结晶组织演变的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110249721.2A CN102323981B (zh) | 2011-08-26 | 2011-08-26 | 一种预测热轧钢材奥氏体静态再结晶组织演变的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102323981A true CN102323981A (zh) | 2012-01-18 |
CN102323981B CN102323981B (zh) | 2014-04-02 |
Family
ID=45451723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110249721.2A Active CN102323981B (zh) | 2011-08-26 | 2011-08-26 | 一种预测热轧钢材奥氏体静态再结晶组织演变的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102323981B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323471A (zh) * | 2013-05-14 | 2013-09-25 | 青岛理工大学 | Trip钢板料渐进成形过程残余奥氏体转变定量预测方法 |
CN105631132A (zh) * | 2015-12-29 | 2016-06-01 | 北京科技大学 | 一种计算板条铁素体在焊接冷却过程中晶粒尺寸的方法 |
CN108959832A (zh) * | 2018-09-25 | 2018-12-07 | 武汉理工大学 | 用于优化M50NiL钢渗碳淬火工艺的晶粒长大预测模型 |
CN109446728A (zh) * | 2018-12-04 | 2019-03-08 | 燕山大学 | 近α钛合金低倍粗晶组织分布的预测方法 |
CN109444039A (zh) * | 2018-09-21 | 2019-03-08 | 首钢集团有限公司 | 预测微合金钢热轧时发生动态再结晶临界压下量的方法 |
CN110068507A (zh) * | 2018-01-22 | 2019-07-30 | 中国科学院金属研究所 | 一种对传统再结晶模型进行修正的方法 |
CN110472342A (zh) * | 2019-08-19 | 2019-11-19 | 东北大学 | 一种预测微合金钢连铸坯奥氏体静态再结晶行为的方法 |
CN110569566A (zh) * | 2019-08-19 | 2019-12-13 | 北京科技大学 | 一种板带力学性能预测方法 |
CN111521461A (zh) * | 2020-04-30 | 2020-08-11 | 东北大学 | 连铸坯加热过程奥氏体晶粒长大行为的预测方法 |
CN111735715A (zh) * | 2020-06-28 | 2020-10-02 | 苏州健雄职业技术学院 | Chdg-a奥氏体耐热钢的plc效应微观机制试验方法 |
CN112001447A (zh) * | 2020-08-26 | 2020-11-27 | 燕山大学 | 一种基于神经网络的金属再结晶预测方法及系统 |
CN115323163A (zh) * | 2022-10-13 | 2022-11-11 | 江苏新恒基特种装备股份有限公司 | 一种奥氏体不锈钢晶粒度控制方法、系统及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101591729A (zh) * | 2009-06-19 | 2009-12-02 | 东北大学 | 预测板带钢热变形中奥氏体动态再结晶组织演变的方法 |
CN101186960B (zh) * | 2007-12-05 | 2010-07-28 | 南京钢铁股份有限公司 | 利用炉卷轧机生产耐磨热轧钢板的方法及其制得的钢板 |
US20100258219A1 (en) * | 2007-12-04 | 2010-10-14 | Posco | High-Strength Steel Sheet with Excellent Low Temperature Toughness and Manufacturing Method Thereof |
-
2011
- 2011-08-26 CN CN201110249721.2A patent/CN102323981B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100258219A1 (en) * | 2007-12-04 | 2010-10-14 | Posco | High-Strength Steel Sheet with Excellent Low Temperature Toughness and Manufacturing Method Thereof |
CN101186960B (zh) * | 2007-12-05 | 2010-07-28 | 南京钢铁股份有限公司 | 利用炉卷轧机生产耐磨热轧钢板的方法及其制得的钢板 |
CN101591729A (zh) * | 2009-06-19 | 2009-12-02 | 东北大学 | 预测板带钢热变形中奥氏体动态再结晶组织演变的方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323471B (zh) * | 2013-05-14 | 2016-04-13 | 青岛理工大学 | Trip钢板料渐进成形过程残余奥氏体转变定量预测方法 |
CN103323471A (zh) * | 2013-05-14 | 2013-09-25 | 青岛理工大学 | Trip钢板料渐进成形过程残余奥氏体转变定量预测方法 |
CN105631132A (zh) * | 2015-12-29 | 2016-06-01 | 北京科技大学 | 一种计算板条铁素体在焊接冷却过程中晶粒尺寸的方法 |
CN110068507A (zh) * | 2018-01-22 | 2019-07-30 | 中国科学院金属研究所 | 一种对传统再结晶模型进行修正的方法 |
CN109444039A (zh) * | 2018-09-21 | 2019-03-08 | 首钢集团有限公司 | 预测微合金钢热轧时发生动态再结晶临界压下量的方法 |
CN109444039B (zh) * | 2018-09-21 | 2021-06-15 | 首钢集团有限公司 | 预测微合金钢热轧时发生动态再结晶临界压下量的方法 |
CN108959832A (zh) * | 2018-09-25 | 2018-12-07 | 武汉理工大学 | 用于优化M50NiL钢渗碳淬火工艺的晶粒长大预测模型 |
CN108959832B (zh) * | 2018-09-25 | 2022-12-02 | 武汉理工大学 | 用于优化M50NiL钢渗碳淬火工艺的晶粒长大预测方法 |
CN109446728B (zh) * | 2018-12-04 | 2020-10-09 | 燕山大学 | 近α钛合金低倍粗晶组织分布的预测方法 |
CN109446728A (zh) * | 2018-12-04 | 2019-03-08 | 燕山大学 | 近α钛合金低倍粗晶组织分布的预测方法 |
CN110569566A (zh) * | 2019-08-19 | 2019-12-13 | 北京科技大学 | 一种板带力学性能预测方法 |
CN110569566B (zh) * | 2019-08-19 | 2021-04-02 | 北京科技大学 | 一种板带力学性能预测方法 |
CN110472342B (zh) * | 2019-08-19 | 2022-11-29 | 东北大学 | 一种预测微合金钢连铸坯奥氏体静态再结晶行为的方法 |
CN110472342A (zh) * | 2019-08-19 | 2019-11-19 | 东北大学 | 一种预测微合金钢连铸坯奥氏体静态再结晶行为的方法 |
CN111521461A (zh) * | 2020-04-30 | 2020-08-11 | 东北大学 | 连铸坯加热过程奥氏体晶粒长大行为的预测方法 |
CN111735715A (zh) * | 2020-06-28 | 2020-10-02 | 苏州健雄职业技术学院 | Chdg-a奥氏体耐热钢的plc效应微观机制试验方法 |
CN111735715B (zh) * | 2020-06-28 | 2022-01-11 | 苏州健雄职业技术学院 | Chdg-a奥氏体耐热钢的plc效应微观机制试验方法 |
CN112001447A (zh) * | 2020-08-26 | 2020-11-27 | 燕山大学 | 一种基于神经网络的金属再结晶预测方法及系统 |
CN115323163A (zh) * | 2022-10-13 | 2022-11-11 | 江苏新恒基特种装备股份有限公司 | 一种奥氏体不锈钢晶粒度控制方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102323981B (zh) | 2014-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102323981A (zh) | 一种预测热轧钢材奥氏体静态再结晶组织演变的方法 | |
Chen et al. | Recrystallization of 30Cr2Ni4MoV ultra-super-critical rotor steel during hot deformation. Part I: Dynamic recrystallization | |
CN103429779B (zh) | 热轧钢板及其制造方法 | |
Qi et al. | Metadynamic recrystallization of the as-cast 42CrMo steel after normalizing and tempering during hot compression | |
CN103764862B (zh) | 中碳钢板、淬火构件以及它们的制造方法 | |
CN106413931B (zh) | 优化制造金属的铁合金的方法 | |
CN104070075B (zh) | 一种热轧带钢层流冷却过程控制装置与方法 | |
Lan et al. | Dynamic and static recrystallization behavior of low carbon high niobium microalloyed steel | |
CN104379791B (zh) | 一种含锰钢及其生产方法 | |
CN103732766B (zh) | 用于运行加工轧件的连续退火机组的方法 | |
CN103143563B (zh) | 一种利用相变热膨胀防止65Mn热轧板卷塌卷的方法 | |
CN106480306B (zh) | 层流分段冷却工艺中第二段冷却精度的控制方法 | |
CN104245988A (zh) | 冷轧钢板及其制造方法 | |
CN105463311B (zh) | 一种高精度冷拔管的制作方法 | |
CN105177422B (zh) | 一种超长薄规格eh36钢及其在卷炉卷轧机上的生产方法 | |
CN104517162A (zh) | 一种连续退火产品硬度在线集成学习预报方法 | |
CN110320229A (zh) | 一种多相钢晶粒长大及相变行为的原位表征实验方法 | |
CN109226327A (zh) | 一种2.25Cr1Mo0.25V钢大型筒体锻件锻轧结合制造方法 | |
CN104238498A (zh) | 热连轧管线钢组织及力学性能预测的方法 | |
CN104745787B (zh) | 一种能直接冷轧的工具钢的生产方法 | |
CN102847901B (zh) | 一种连铸生产中控制铁素体不锈钢板坯宽度的方法 | |
CN102747210A (zh) | 一种55SiCrA弹簧钢盘条的斯太尔摩控冷方法 | |
CN1641356B (zh) | 硬线产品显微组织与力学性能预报系统 | |
CN103361550A (zh) | 模拟焊后热处理性能优良的q370容器钢及生产方法 | |
CN102002558A (zh) | 含抑制碳化物形成元素钢的分级淬火-分配热处理工艺 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100041 Shijingshan Road, Shijingshan District, Shijingshan District, Beijing Patentee after: Shougang Group Co. Ltd. Address before: 100041 Shijingshan Road, Shijingshan District, Shijingshan District, Beijing Patentee before: Capital Iron & Steel General Company |
|
CP01 | Change in the name or title of a patent holder |