CN105677949A - Tc6钛合金锻件微观组织参数的预测方法 - Google Patents
Tc6钛合金锻件微观组织参数的预测方法 Download PDFInfo
- Publication number
- CN105677949A CN105677949A CN201511019036.5A CN201511019036A CN105677949A CN 105677949 A CN105677949 A CN 105677949A CN 201511019036 A CN201511019036 A CN 201511019036A CN 105677949 A CN105677949 A CN 105677949A
- Authority
- CN
- China
- Prior art keywords
- epsiv
- centerdot
- titanium alloy
- volume fraction
- forging
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
Abstract
本发明公开了一种TC6钛合金锻件微观组织参数的预测方法,用于解决现有锻件微观组织参数的预测方法实用性差的技术问题。技术方案是该方法首先确定TC6钛合金的锻造变形温度、应变速率和应变的9个隶属函数和27条模糊规则,再建立TC6钛合金初生α相晶粒尺寸和体积分数的数学模型;采用TC6钛合金高温压缩变形实验数据,优选出模糊规则权系数和权值,然后代入TC6钛合金初生α相晶粒尺寸和体积分数的数学模型,得到TC6钛合金锻件初生α相晶粒尺寸和体积分数的预测模型。本发明方法预测的TC6钛合金锻件初生α相晶粒尺寸和体积分数的测试样本结果与实验结果之间的最大误差小于5%,具有较高的准确性,且实用性强。
Description
技术领域
本发明涉及一种锻件微观组织参数的预测方法,特别是涉及一种TC6钛合金锻件微观组织参数的预测方法。
背景技术
在钛合金锻造变形技术领域,在确保锻件形状和尺寸精度的同时,更加注重锻件的力学性能。锻件力学性能直接由锻件的微观组织决定。因此,在不改变材料成分的前提下,通过优化工艺参数合理有效地控制锻造工艺,可以获得满足设计要求的微观组织与力学性能。特别是,钛合金代表的难变形金属材料一般用于制造关键锻件,需要通过获得好的微观组织保证其锻件的力学性能。
文献1“锻造成形微观组织优化建模及应用[J],王广春,管婧,赵国群,塑性工程学报,2005,5:49-53”公开了一种以晶粒分布均匀性和细小化为目标,采用钢的微观组织模型,结合有限元数值模拟方法,对45钢圆柱体镦粗过程进行了优化。该方法采用传统的Yada模型,但是Yada模型仅适合于普通碳素钢锻件奥氏体晶粒尺寸的计算。
文献2“专利申请号是CN200810234559的中国发明专利”公开了一种含氮奥氏体钢微观组织预测方法。该方法由输入模块、计算模块和输出模块组成,其中计算模块包括高温δ相体积分数计算模块、氮化物Cr2N在中温阶段等温处理时的晶界开始析出时间计算模块和低温ε和α马氏体的开始转变温度计算模块。因此,文献2提出的微观组织预测方法仅适合于含氮奥氏体钢在热处理条件下的微观组织参数计算,也不能预测含氮奥氏体钢在锻造变形条件下的微观组织参数。
钛合金与钢、铝合金、铜合金、镁合金等材料有截然不同的微观组织,并且钛合金的微观组织对锻造变形工艺参数特别敏感,对锻造工艺参数设计与优化的影响特别显著。同时,预测钛合金锻造变形时微观组织参数的难度特别大。因此,预测钛合金锻件锻造变形时的微观组织参数是一项国际性难题。对α+β型钛合金进行锻造变形时,初生α相的晶粒尺寸和体积分数是决定其锻件力学性能的基本因素。因此,确定钛合金初生α相晶粒尺寸和体积分数是其锻造工艺优化设计的基本前提。
发明内容
为了克服现有锻件微观组织参数的预测方法实用性差的不足,本发明提供一种TC6钛合金锻件微观组织参数的预测方法。该方法首先确定TC6钛合金的锻造变形温度、应变速率和应变的9个隶属函数和27条模糊规则,再建立TC6钛合金初生α相晶粒尺寸和体积分数的数学模型;采用TC6钛合金高温压缩变形实验数据,优选出模糊规则权系数和权值,然后代入TC6钛合金初生α相晶粒尺寸和体积分数的数学模型,得到TC6钛合金锻件初生α相晶粒尺寸和体积分数的预测模型。本发明预测的TC6钛合金锻件初生α相晶粒尺寸和体积分数的测试样本结果与实验结果之间的最大误差小于5%,表明本发明所提供的TC6钛合金锻件初生α相晶粒尺寸和体积分数的预测方法具有较高的准确性和可靠性,可为实际生产优选出合适的锻造变形工艺,节省大量的人力和物力。
本发明解决其技术问题所采用的技术方案是:一种TC6钛合金锻件微观组织参数的预测方法,其特点是包括以下步骤:
步骤一、采用机械加工方法将TC6钛合金棒材加工成热模拟压缩试样,在热模拟试验机上进行高温压缩变形实验,在压缩变形实验前保温,压缩变形时采用高温润滑剂保护,以防止TC6钛合金氧化;
步骤二、对步骤一得到的TC6钛合金热模拟压缩变形试样进行定量金相分析,得到TC6钛合金初生α相在不同锻造变形条件下的晶粒尺寸和体积分数;
步骤三、对TC6钛合金的锻造变形温度T、应变速率和应变ε进行归一化处理;其中,变形温度T的单位是K,应变速率的单位是s-1。
步骤四、将TC6钛合金的锻造变形温度T、应变速率和应变ε设为输入变量,上述三个输入变量划分为大、中、小三个子集,表示为{LA,MI,SM},晶粒尺寸dα或体积分数fα设为输出函数值;其中,晶粒尺寸dα的单位是μm,体积分数fα的单位是%;
步骤五、确定TC6钛合金的锻造变形温度T、应变速率和应变ε在三个子集的隶属函数分别为,
对于锻造变形温度:
对于应变速率:
对于应变:
式中,Bj为隶属函数的方差,TL、TS分别为绝对锻造变形温度的最大值、最小值, 分别为应变速率的最大值、最小值,εL、εS分别为应变的最大值、最小值。
步骤六、确定TC6钛合金的锻造变形温度T、应变速率和应变ε的模糊规则为,
模糊规则i:如果T是LA,是LA,ε是LA,
则,输出函数值
模糊规则权值
式中,wi为第i条模糊规则的权值,为第i条模糊规则的权系数,Λ为模糊算子的极小运算;
步骤七、建立TC6钛合金锻件初生α相晶粒尺寸或体积分数的预测模型为,
式中,m为模糊规则数,根据模糊区域划分,m=33;
步骤八、从TC6钛合金热模拟压缩变形和定量金相实验中获得的锻造变形温度、应变速率、应变、晶粒尺寸、体积分数组合中选取多组数据组合为教师样本。采用教师样本对预测模型式(5)进行训练,当晶粒尺寸或体积分数的累计误差小于2%时,确定模糊规则的权系数和和模糊规则的权值wi。将确定的模糊规则权系数和模糊规则权值代入式(5),即为TC6钛合金锻件初生α相晶粒尺寸或体积分数的预测模型。
本发明的有益效果是:该方法首先确定TC6钛合金的锻造变形温度、应变速率和应变的9个隶属函数和27条模糊规则,再建立TC6钛合金初生α相晶粒尺寸和体积分数的数学模型;采用TC6钛合金高温压缩变形实验数据,优选出模糊规则权系数和权值,然后代入TC6钛合金初生α相晶粒尺寸和体积分数的数学模型,得到TC6钛合金锻件初生α相晶粒尺寸和体积分数的预测模型。本发明方法预测的TC6钛合金锻件初生α相晶粒尺寸的测试样本结果与实验结果之间的最大误差为4.45%,TC6钛合金锻件初生α相体积分数的测试样本结果与实验结果之间的最大误差为4.62%。表明本发明所提供的TC6钛合金锻件初生α相晶粒尺寸和体积分数的预测方法具有较高的准确性和可靠性,可为实际生产优选出合适的锻造变形工艺,节省大量的人力和物力。
下面结合具体实施方式对本发明作详细说明。
具体实施方式
实施例1:TC6钛合金锻件初生α相晶粒尺寸的预测。
(1)将直径35mm的供应态TC6钛合金棒材进行机械加工,得到直径为8mm,高度12mm的热模拟压缩试样;
(2)用无水乙醇清洗TC6钛合金试样,在其清洗表面涂敷玻璃润滑剂;
(3)选取锻造变形温度1073K、1103K、1133K、1163K、1193K、1223K、1253K、1283K、1313K,应变速率0.001、0.01、1、10、50s-1,最大应变0.69;将TC6钛合金放置在Thermecmaster-Z型热模拟压缩试验机工作台中央,保温5min后对TC6钛合金进行压缩变形实验,压缩变形实验后吹氮气快冷至室温;
(4)将压缩变形实验后试样沿轴线取一半,用HF:HNO3:H2O腐蚀液腐蚀得到金相试样,LABOR-LUX12MFS/ST定量金相显微镜上测量TC6钛合金锻造变形时初生α相晶粒尺寸;
(5)对TC6钛合金的锻造变形温度(T,K)、应变速率(s-1)、应变(ε)进行归一化处理;设锻造变形温度为输入变量T、应变速率为输入变量应变为输入变量ε,晶粒尺寸(dα,μm)为函数输出值;
(6)确定TC6钛合金的锻造变形温度、应变速率、应变在三个子集的隶属函数分别为,
对于锻造变形温度:
对于应变速率:
对于应变:
(7)确定TC6钛合金的锻造变形温度、应变速率、应变的模糊规则分别为,
模糊规则1:如果T是LA,是LA,ε是LA,
则,输出函数值
模糊规则权值
模糊规则2:如果T是MI,是MI,ε是MI,
则,输出函数值
模糊规则权值
模糊规则3:如果T是SM,是SM,ε是SM,
则,输出函数值
模糊规则权值
┇
模糊规则27:如果T是SM,是SM,ε是SM,
则,输出函数值
模糊规则权值
(6)TC6钛合金锻件初生α相晶粒尺寸的预测模型为,
(7)选取TC6钛合金初生α相晶粒尺寸的教师样本如表1所示。采用教师样本对晶粒尺寸的预测模型式(13)进行训练,当晶粒尺寸的累计误差小于2%时,优选出模糊规则权系数和模糊规则权值(wi)的各值。
(8)将确定的模糊规则权系数和权值代入式(13),即为TC6钛合金锻件初生α相晶粒尺寸的预测模型。TC6钛合金锻件初生α相晶粒尺寸的测试样本预测值与实验值比较如表2所示,最大误差为4.45%。从而证明本发明所提供的TC6钛合金锻件初生α相晶粒尺寸的预测方法具有较高的准确性和可靠性。
表1.TC6钛合金初生α相晶粒尺寸的教师样本
表2.TC6钛合金初生α相晶粒尺寸的测试样本
实施例2:TC6钛合金锻件初生α相体积分数的预测。
与实施例1的实施步骤不同是在步骤(4)中测定体积分数,步骤(5)中设体积分数(fα,%)为函数输出值;
TC6钛合金锻件初生α相体积分数的预测模型为,
选取TC6钛合金初生α相体积分数的教师样本如表3所示。采用教师样本对体积分数的预测模型式(14)进行训练,当体积分数的累计误差小于2%时,优选出模糊规则权系数和模糊规则权值(wi)的各值。
将确定的模糊规则权系数和权值代入式(14),即为TC6钛合金锻件初生α相体积分数的预测模型。TC6钛合金锻件初生α相体积分数的测试样本预测值与实验值比较如表4所示,最大误差为4.45%。从而证明本发明所提供的TC6钛合金锻件初生α相体积分数的预测方法具有较高的准确性和可靠性。
表3.TC6钛合金初生α相体积分数的教师样本
表4.TC6钛合金初生α相体积分数的测试样本
其余步骤与实施例1的实施步骤相同。
Claims (1)
1.一种TC6钛合金锻件微观组织参数的预测方法,其特征在于包括以下步骤:
步骤一、采用机械加工方法将TC6钛合金棒材加工成热模拟压缩试样,在热模拟试验机上进行高温压缩变形实验,在压缩变形实验前保温,压缩变形时采用高温润滑剂保护,以防止TC6钛合金氧化;
步骤二、对步骤一得到的TC6钛合金热模拟压缩变形试样进行定量金相分析,得到TC6钛合金初生α相在不同锻造变形条件下的晶粒尺寸和体积分数;
步骤三、对TC6钛合金的锻造变形温度T、应变速率和应变ε进行归一化处理;其中,变形温度T的单位是K,应变速率的单位是s-1;
步骤四、将TC6钛合金的锻造变形温度T、应变速率和应变ε设为输入变量,上述三个输入变量划分为大、中、小三个子集,表示为{LA,MI,SM},晶粒尺寸dα或体积分数fα设为输出函数值;其中,晶粒尺寸dα的单位是μm,体积分数fα的单位是%;
步骤五、确定TC6钛合金的锻造变形温度T、应变速率和应变ε在三个子集的隶属函数分别为,
对于锻造变形温度:
对于应变速率:
对于应变:
式中,Bj为隶属函数的方差,TL、TS分别为绝对锻造变形温度的最大值、最小值, 分别为应变速率的最大值、最小值,εL、εS分别为应变的最大值、最小值;
步骤六、确定TC6钛合金的锻造变形温度T、应变速率和应变ε的模糊规则为,
模糊规则i:如果T是LA,是LA,ε是LA,
则,输出函数值
模糊规则权值
式中,wi为第i条模糊规则的权值,为第i条模糊规则的权系数,Λ为模糊算子的极小运算;
步骤七、建立TC6钛合金锻件初生α相晶粒尺寸或体积分数的预测模型为,
dα或
式中,m为模糊规则数,根据模糊区域划分,m=33;
步骤八、从TC6钛合金热模拟压缩变形和定量金相实验中获得的锻造变形温度、应变速率、应变、晶粒尺寸、体积分数组合中选取多组数据组合为教师样本;采用教师样本对预测模型式(5)进行训练,当晶粒尺寸或体积分数的累计误差小于2%时,确定模糊规则的权系数和和模糊规则的权值wi;将确定的模糊规则权系数和模糊规则权值代入式(5),即为TC6钛合金锻件初生α相晶粒尺寸或体积分数的预测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511019036.5A CN105677949A (zh) | 2015-12-29 | 2015-12-29 | Tc6钛合金锻件微观组织参数的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511019036.5A CN105677949A (zh) | 2015-12-29 | 2015-12-29 | Tc6钛合金锻件微观组织参数的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105677949A true CN105677949A (zh) | 2016-06-15 |
Family
ID=56298003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511019036.5A Pending CN105677949A (zh) | 2015-12-29 | 2015-12-29 | Tc6钛合金锻件微观组织参数的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105677949A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229090A (zh) * | 2017-12-29 | 2018-06-29 | 西北工业大学 | 一种晶体结构的预测方法 |
CN108595862A (zh) * | 2018-05-02 | 2018-09-28 | 西北工业大学 | 一种基于失稳分析的300m钢锻造工艺参数优化方法 |
CN108977741A (zh) * | 2018-06-01 | 2018-12-11 | 燕山大学 | 针对钛合金模锻件网篮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 |
CN109783915A (zh) * | 2019-01-02 | 2019-05-21 | 中南大学 | 基于粒子群优化算法的镍基合金锻件微观组织控制方法 |
CN112948986A (zh) * | 2019-12-11 | 2021-06-11 | 宝武特种冶金有限公司 | 结合有限元数值模拟程序的钛合金锻造工艺参数优化方法 |
CN113409894A (zh) * | 2021-06-04 | 2021-09-17 | 燕山大学 | 一种近α型钛合金航空模锻件微观组织变化的预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101196642B1 (ko) * | 2011-10-14 | 2012-11-02 | 주식회사 태웅 | 링 압연공정의 피어싱 손실 설계 방법 |
CN104504173A (zh) * | 2014-11-26 | 2015-04-08 | 西北工业大学 | 耦合晶粒尺寸的钛合金压力连接界面连接率预测方法 |
-
2015
- 2015-12-29 CN CN201511019036.5A patent/CN105677949A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101196642B1 (ko) * | 2011-10-14 | 2012-11-02 | 주식회사 태웅 | 링 압연공정의 피어싱 손실 설계 방법 |
CN104504173A (zh) * | 2014-11-26 | 2015-04-08 | 西北工业大学 | 耦合晶粒尺寸的钛合金压力连接界面连接率预测方法 |
Non-Patent Citations (2)
Title |
---|
李森泉 等: "镍基高温合金GH4169高温变形流动应力模型研究", 《金属学报》 * |
熊爱明 等: "TC4 钛合金高温变形时微观组织变化的计算", 《塑性工程学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229090A (zh) * | 2017-12-29 | 2018-06-29 | 西北工业大学 | 一种晶体结构的预测方法 |
CN108229090B (zh) * | 2017-12-29 | 2021-11-09 | 西北工业大学 | 一种晶体结构的预测方法 |
CN108595862A (zh) * | 2018-05-02 | 2018-09-28 | 西北工业大学 | 一种基于失稳分析的300m钢锻造工艺参数优化方法 |
CN108595862B (zh) * | 2018-05-02 | 2022-03-25 | 西北工业大学 | 一种基于失稳分析的300m钢锻造工艺参数优化方法 |
CN108977741A (zh) * | 2018-06-01 | 2018-12-11 | 燕山大学 | 针对钛合金模锻件网篮组织分布的预测方法 |
CN108977741B (zh) * | 2018-06-01 | 2020-05-05 | 燕山大学 | 针对钛合金模锻件网篮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 |
CN109783915A (zh) * | 2019-01-02 | 2019-05-21 | 中南大学 | 基于粒子群优化算法的镍基合金锻件微观组织控制方法 |
CN109783915B (zh) * | 2019-01-02 | 2023-09-05 | 中南大学 | 基于粒子群优化算法的镍基合金锻件微观组织控制方法 |
CN112948986A (zh) * | 2019-12-11 | 2021-06-11 | 宝武特种冶金有限公司 | 结合有限元数值模拟程序的钛合金锻造工艺参数优化方法 |
CN113409894A (zh) * | 2021-06-04 | 2021-09-17 | 燕山大学 | 一种近α型钛合金航空模锻件微观组织变化的预测方法 |
CN113409894B (zh) * | 2021-06-04 | 2022-03-15 | 燕山大学 | 一种近α型钛合金航空模锻件微观组织变化的预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105677949A (zh) | Tc6钛合金锻件微观组织参数的预测方法 | |
Huo et al. | A new application of unified constitutive equations for cross wedge rolling of a high-speed railway axle steel | |
Ji et al. | Microstructure evolution and constitutive equations for the high-temperature deformation of 5Cr21Mn9Ni4N heat-resistant steel | |
Dong et al. | A physically-based constitutive model for SA508-III steel: modeling and experimental verification | |
Lee et al. | Numerical modeling of dynamic recrystallization during nonisothermal hot compression by cellular automata and finite element analysis | |
Quan et al. | Evolution of grain refinement degree induced by dynamic recrystallization for Nimonic 80A during hot compression process and its FEM analysis | |
Ji et al. | A physically-based constitutive model for high temperature deformation of Cu-0.36 Cr-0.03 Zr alloy | |
Li et al. | Experimental study and numerical simulation of dynamic recrystallization behavior of a micro-alloyed plastic mold steel | |
Zhao et al. | Hot deformation behaviour of 40CrNi steel and evaluation of different processing map construction methods | |
Derazkola et al. | Review on modeling and simulation of dynamic recrystallization of martensitic stainless steels during bulk hot deformation | |
CN104899425A (zh) | 一种高炉铁水硅含量的变量选择预报方法 | |
Chadha et al. | Deformation and recrystallization behavior of the cast structure in large size, high strength steel ingots: experimentation and modeling | |
Yang et al. | Flow behavior and processing maps of a low-carbon steel during hot deformation | |
Li et al. | Springback and tensile strength of 2A97 aluminum alloy during age forming | |
Feng et al. | Three different mathematical models to predict the hot deformation behavior of TA32 titanium alloy | |
Li et al. | Study on hot deformation behavior and bending forging process of 7075 aluminum alloy | |
Wang et al. | Quenching induced residue stress in M50 steel ring: a FEM simulation | |
Qiao et al. | Static recrystallization behavior of SA508Gr. 4N reactor pressure vessel steel during hot compressive deformation | |
CN102750453B (zh) | 一种用于轧机设计的材料变形抗力统一模型的构造方法 | |
Cao et al. | Application of unified constitutive model of 34CrNiMo6 alloy steel and microstructure simulation for flexible skew rolling hollow shafts | |
Yang et al. | Study of static recrystallization behavior of a nitrogen-alloyed ultralow carbon austenitic stainless steel by experiment and simulation | |
Chen et al. | Hot deformation behaviour and Hansel-Spittel constitutive model of Cr5 alloy for heavy backup roll | |
Lee et al. | Prediction of microstructure evolution during hot forging using grain aggregate model for dynamic recrystallization | |
Szeliga et al. | Accounting for the inhomogeneity of deformation in identification of microstructure evolution model | |
Ren et al. | Modeling flow stress of 70Cr3Mo steel used for back-up roll during hot deformation considering strain compensation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160615 |