CN107273635A - 一种控制镍基合金微观组织分布的模锻工艺在线规划方法 - Google Patents

一种控制镍基合金微观组织分布的模锻工艺在线规划方法 Download PDF

Info

Publication number
CN107273635A
CN107273635A CN201710539922.3A CN201710539922A CN107273635A CN 107273635 A CN107273635 A CN 107273635A CN 201710539922 A CN201710539922 A CN 201710539922A CN 107273635 A CN107273635 A CN 107273635A
Authority
CN
China
Prior art keywords
distribution
forging
microstructure
die forging
subprocess
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
Application number
CN201710539922.3A
Other languages
English (en)
Inventor
蔺永诚
温东旭
谌东东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201710539922.3A priority Critical patent/CN107273635A/zh
Publication of CN107273635A publication Critical patent/CN107273635A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21J—FORGING; HAMMERING; PRESSING METAL; RIVETING; FORGE FURNACES
    • B21J5/00—Methods for forging, hammering, or pressing; Special equipment or accessories therefor
    • B21J5/02—Die forging; Trimming by making use of special dies ; Punching during forging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Forging (AREA)

Abstract

本发明公开了一种控制镍基合金微观组织分布的模锻工艺在线规划方法，该方法包括以下步骤：(1)对模锻成形工艺参数赋初值，并将模锻过程细分为m个子过程；(2)在线采集当前模锻子过程的成形工艺参数，并预测材料的微观组织分布；(3)把当前模锻子过程的成形工艺参数、材料微观组织分布与模锻工艺知识库进行匹配和推理，确定后续模锻子过程的成形工艺参数和材料微观组织分布；(4)把确定的后续模锻子过程的成形工艺参数和材料微观组织分布导入模锻系统，并执行；(5)循环执行步骤2至4，直至模锻结束。本发明方法可以实现满足锻件内部微观组织分布目标的模锻工艺在线规划，为生产高品质模锻件提供了有效的技术途径。

Description

一种控制镍基合金微观组织分布的模锻工艺在线规划方法
技术领域：
本发明涉及一种控制镍基合金微观组织分布的模锻工艺在线规划方法，属于金属零件成形制造技术领域。
背景技术：
相对于自由锻和胎模锻，通过模锻工艺生产得到的锻件具有更高的几何尺寸精度和成形质量，现已成为大批量生产锻件的主要方法。传统模锻工艺规划方法通常根据锻件材料、几何形状等特征，通过对变形过程分析，多次进行模锻试验，最终优化确定合适的模锻成形工艺参数。在实际模锻过程中，严格按照预先规划好的模锻工艺执行，中途不再进行调整。这种传统模锻工艺规划方法能够较好的应用于中等品质的锻件生产，但难以满足生产高品质锻件生产的要求。
根据美、俄等国经验，高品质镍基合金锻件通常需要采用低速等温模锻的生产方式，生产周期长，成本昂贵。在模锻成形过程中，镍基合金锻件复杂的几何形状特征将导致锻坯不同区域的应力应变状态极为复杂，并且成形工艺参数具有强时变性特征，进而导致材料微观组织演变(再结晶行为，δ相溶解等)极为复杂。同时，由于超大惯量模锻装备具有非线性、滞后性、不确定性等特点，在实际运行过程中难以按照预先规划好的模锻工艺精确执行，因而无法达到镍基合金锻件预期的微观组织控制目标。为此，蔺永诚等人(蔺永诚，陈小敏和陈明松.一种面向锻件目标晶粒组织的等温模锻工艺轨迹规划方法.中国:CN106424500A[P],2017–2–22.)发明了一种控制锻件目标晶粒组织的等温模锻工艺轨迹规划方法，该方法以控制局部关键部位的晶粒组织为目标，实现了等温模锻工艺轨迹规划。然而，国内外尚未有学者提出协同控制镍基合金锻件整体微观组织分布的模锻工艺在线规划方法。
因此，本发明提出了一种控制镍基合金锻件微观组织分布的模锻工艺在线规划方法，解决了传统模锻工艺规划方法不能根据实际模锻情况进行灵活调整成形工艺、无法控制锻件内部微观组织分布的难题。该发明方法的推广和应用有助于实现镍基合金锻件微观组织分布的准确控制，为生产高品质的镍基合金锻件提供了有效的技术途径。
发明内容：
本发明的目的在于提供一种控制镍基合金锻件微观组织分布的模锻工艺在线规划方法，解决了传统模锻工艺规划方法不能根据实际模锻情况进行灵活调整成形工艺、无法控制锻件微观组织分布等难题，为制造高品质的镍基合金锻件提供了有效的技术途径。
为达到上述目的，本发明采用的技术方案是：通过在线规划模锻工艺对镍基合金锻件的微观组织分布进行准确控制。该方法包括如下步骤：
步骤1：对模锻成形工艺参数赋初值，并将模锻过程细分为m个子过程；
步骤2：在线采集当前模锻子过程的成形工艺参数，并预测材料的微观组织分布；
步骤3：把当前模锻子过程的成形工艺参数、材料微观组织分布与模锻工艺知识库进行匹配和推理，确定后续模锻子过程的成形工艺参数和材料微观组织分布；
步骤4：把确定的后续模锻子过程的成形工艺参数和材料微观组织分布导入模锻系统，并执行；
步骤5：循环执行步骤2至4，直至模锻结束；
步骤1、2、3、4和5中所述的成形工艺参数是指模锻总行程、成形温度、上模具的下压速度和下压位移；步骤2、3和4中所述的微观组织分布是指动态再结晶体积分数分布、平均晶粒尺寸分布、δ相的动态溶解体积分数分布和剩余含量分布。
步骤2中所述的预测材料的微观组织分布可采用如下方法：
子步骤1：将微观组织分布进行区间划分，分别建立动态再结晶体积分数0～1之间以0.1为间隔、平均晶粒尺寸0～75μm之间以5μm为间隔、δ相动态溶解体积分数0～1之间以0.1为间隔和δ相剩余含量0～12％之间以1％为间隔的区间分布比例预测模型；
子步骤2：对微观组织分布在各个区间内进行逐一建模，模型可以表示为：
X(t)＝f[V(t),T(t),v(t),s(t),X(t-1),s(t-1)] (1)
式中，t和t-1分别表示当前时刻和前一历史时刻，V表示该区间的初始δ相含量，T表示成形温度，v表示下压速度，X代表微观组织在该区间分布的比例，s表示下压位移；
子步骤3：微观组织分布的预测值可以采用下式计算：
式中，TH表示动态再结晶体积分数分布、平均晶粒尺寸分布、δ相动态溶解体积分数分布与剩余含量分布的预测值，n表示微观组织分布区间的个数，Xi表示动态再结晶体积分数分布、平均晶粒尺寸分布、δ相动态溶解体积分数分布与剩余含量分布在第i个区间的分布比例。
本发明的有益效果为：本发明方法针对镍基合金锻件模锻成形过程中的非线性、时变性和不确定性，根据在线采集的成形工艺参数，以镍基合金锻件的微观组织分布为目标，对其模锻工艺轨迹进行在线规划。本发明方法解决了传统模锻工艺规划方法不能根据实际模锻情况进行灵活调整成形工艺、无法控制锻件内部微观组织分布等难题。该发明方法的推广和应用对实现高品质镍基合金锻件的制造成形有重要的工程意义。
附图说明：
图1镍基合金锻件模锻工艺在线规划实施流程；
图2某型发动机涡轮盘的二维轴截面示意图；
图3递推多步神经元网络模型示意图；
图4模锻工艺知识库系统的工作流程；
图5模锻工艺知识库表之间的关系；
图6在线规划得到的上模具下压速度与下压位移之间的关系；
图7涡轮盘微观组织分布目标在线规划预测值与实际模锻实验值对比。
具体实施方式：
下面结合附图和具体实施方式对本发明进行详细说明。
本发明是一种控制镍基合金微观组织分布的模锻工艺在线规划方法，其实施流程如图1所示。下面以某型航空发动机涡轮盘(图2所示)的模锻工艺在线规划为例，详细介绍本发明涉及的模锻工艺在线规划方法的实施细节。
本发明方法主要包括以下步骤：
步骤1:对模锻成形工艺参数赋初值，并将模锻过程细分为m个子过程。其中，成形工艺参数包括模锻总行程(st)，成形温度(T)、上模具的初始下压速度(v)；子过程数目为3。同时，确定镍基合金锻坯的初始平均晶粒尺寸(d0)，初始δ相含量(V0)；模锻装备的最大允许下压速度(vmax)和最小允许下压速度(vmin)，以上各参数的值如表1所示。
表1锻坯初始参数设置
步骤2:在线采集当前模锻子过程的成形工艺参数，并预测材料的微观组织分布。为了实现涡轮盘当前子过程的微观组织分布，采用的方法如下：
(1)将微观组织分布进行区间划分，其中动态再结晶体积分数0～1之间以0.1为间隔、平均晶粒尺寸0～75μm之间以5μm为间隔、δ相动态溶解体积分数0～1之间以0.1为间隔和δ相剩余含量0～12％之间以1％为间隔。利用正交实验法，设计出32组涡轮盘模锻成形实验方案，并利用有限元软件进行仿真模拟实验，获得涡轮盘内部微观组织分布数据。表2为涡轮盘有限元仿真模拟实验模锻成形工艺参数。采用递推多步遗传算法与神经元网络模型结合的方法建立镍基合金涡轮盘的微观组织分布预测模型，如图3所示。
表2涡轮盘有限元仿真模拟实验模锻成形工艺参数
(2)对微观组织分布在各个区间内进行逐一建模，模型可以表示为：
X(t)＝f[V(t),T(t),v(t),s(t),X(t-1),s(t-1)] (3)
式中，t和t-1分别表示当前时刻和前一历史时刻，V表示该区间的初始δ相含量，T表示成形温度，v表示下压速度，X代表微观组织在该区间分布的比例，s表示下压位移；
(3)微观组织分布的预测值采用下式计算：
式中，TH表示动态再结晶体积分数分布、平均晶粒尺寸分布、δ相动态溶解体积分数分布与剩余含量分布的预测值，n表示微观组织分布区间的个数，Xi表示动态再结晶体积分数分布、平均晶粒尺寸分布、δ相动态溶解体积分数分布与剩余含量分布在第i个区间的分布比例。
步骤3:把当前模锻子过程的成形工艺参数、材料微观组织分布与模锻工艺知识库进行匹配和推理，确定后续模锻子过程的成形工艺参数和材料微观组织分布。建立模锻工艺知识库需要获取大量的成形工艺参数信息和微观组织分布，并正确高效地管理应用这些知识，模锻工艺知识库系统的工作流程，如图4所示。知识库系统主要包括五类知识：成形工艺参数知识、动态再结晶体积分数分布知识、平均晶粒尺寸分布知识、δ相动态溶解体积分数分布知识和δ相剩余含量分布知识。根据上述五类知识，结合数据库技术，分别创建知识库表文件，即成形工艺参数知识表，动态再结晶体积分数分布知识表、平均晶粒尺寸分布知识表、δ相动态溶解体积分数分布知识表和δ相剩余含量分布知识表。各知识表及包含的属性信息，如图5所示。
在推理过程中，以工艺序号作为各知识表的主键，采用逐步筛选逼近的方法，确定后续模锻子过程的成形工艺参数和材料微观组织分布的步骤如下为：
(1)在成形工艺参数知识表中，通过逐步匹配实时采集得到的成形工艺参数与表中对应知识(如下压量、成形温度和下压速度)的方法，可以推理、决策得到若干组可能对应的成形工艺，记录工艺序号；
(2)利用第一步决策得到的工艺序号，直接在动态再结晶体积分数分布知识表中进行匹配，缩小信息匹配范围；在筛选得到的结果中，匹配预测得到的动态再结晶体积分数分布信息与表中的对应知识，可以推理获得若干组可能对应的成形工艺，记录工艺序号，进一步缩小工艺序号范围；
(3)采用类似的方法，在平均晶粒尺寸分布知识表、δ相动态溶解体积分数分布知识表和δ相剩余含量分布知识表中逐一逼近筛选，最终可以决策得到唯一的一条工艺序号；
(4)进而通过该工艺序号，在δ相剩余含量分布知识表中，查询获得下一子过程工艺序号，通过此工艺序号，可以确定下一子过程的成形工艺参数信息和当前材料状态信息。
步骤4:把确定的后续模锻子过程的成形工艺参数和材料微观组织分布导入模锻系统，并执行。
步骤5:循环执行步骤2至4，直至模锻结束。
在涡轮盘模锻完成之后，经检验确定涡轮盘模锻件质量实际情况。如果质量合格，那么可以认定为模锻成功案例，并把该次模锻采用的成形工艺参数信息和微观组织分布，依照智能模锻工艺知识库中表文件的格式进行分类处理，形成知识，对知识库进行离线更新扩充。
通过本发明的方法对模锻工艺进行在线规划后，得到的每个模锻子过程的下压速度，如图6所示。根据表1中的涡轮盘模锻工艺初始化参数设置和图6中所示的模锻子过程下压速度的优化结果，输入到模锻装备中进行涡轮盘模锻实验。采用在线规划工艺参数获得的镍基合金涡轮盘的动态再结晶体积分数分布目标(TH1)、平均晶粒尺寸分布目标(TH2)、δ相动态溶解体积分数分布目标(TH3)和δ相剩余含量分布目标(TH4)的预测值与实验值的对比结果，如图7所示。可以发现，采用本发明的方法，TH1、TH2、TH3和TH4的预测值分别为91.3、87.1％、88.2％和93.4％。而实际涡轮盘模锻实验得到的TH1、TH2、TH3和TH4实验值分别能够达到92.2％、86.4％、86.5％和91.9％。进一步可发现，镍基合金涡轮盘微观组织分布目标预测值与实验值之间的误差小于±1.7％。这表明采用本发明方法可实现满足镍基合金锻件微观组织分布目标的模锻工艺在线规划，为生产高品质的镍基合金锻件提供了有效的技术途径。
上面结合附图对本发明的实例进行了描述，但本发明不局限于上述具体的实施方式，上述的具体实施方式仅是示例性的，不是局限性的，任何不超过本发明权利要求的发明创造，均在本发明的保护之内。

Claims (2)

1.一种控制镍基合金微观组织分布的模锻工艺在线规划方法，其特征在于：以协同控制锻件内部微观组织分布为目标，提出了一种控制镍基合金微观组织分布的模锻工艺在线规划方法，可以实现满足镍基合金锻件微观组织分布目标的模锻工艺在线规划，该方法包括以下步骤：
步骤1：对模锻成形工艺参数赋初值，并将模锻过程细分为m个子过程；
步骤2：在线采集当前模锻子过程的成形工艺参数，并预测材料的微观组织分布；
步骤3：把当前模锻子过程的成形工艺参数、材料微观组织分布与模锻工艺知识库进行匹配和推理，确定后续模锻子过程的成形工艺参数和材料微观组织分布；
步骤4：把确定的后续模锻子过程的成形工艺参数和材料微观组织分布导入模锻系统，并执行；
步骤5：循环执行步骤2至4，直至模锻结束；
步骤1、2、3、4和5中所述的成形工艺参数是指模锻总行程、成形温度、上模具的下压速度和下压位移；步骤2、3和4中所述的微观组织分布是指动态再结晶体积分数分布、平均晶粒尺寸分布、δ相的动态溶解体积分数分布和剩余含量分布。
2.如权利要求1所述的方法，其特征在于：步骤2中所述的预测材料的微观组织分布可采用如下方法：
子步骤1：将微观组织分布进行区间划分，分别建立动态再结晶体积分数0～1之间以0.1为间隔、平均晶粒尺寸0～75μm之间以5μm为间隔、δ相动态溶解体积分数0～1之间以0.1为间隔和δ相剩余含量0～12％之间以1％为间隔的区间分布比例预测模型；
子步骤2：对微观组织分布在各个区间内进行逐一建模，模型可以表示为：
X(t)＝f[V(t),T(t),v(t),s(t),X(t-1),s(t-1)] (1)
式中，t和t-1分别表示当前时刻和前一历史时刻，V表示该区间的初始δ相含量，T表示成形温度，v表示下压速度，X代表微观组织在该区间分布的比例，s表示下压位移；
子步骤3：微观组织分布的预测值可以采用下式计算：
<mrow> <mi>T</mi> <mi>H</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>X</mi> <mi>i</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
式中，TH表示动态再结晶体积分数分布、平均晶粒尺寸分布、δ相动态溶解体积分数分布与剩余含量分布的预测值，n表示微观组织分布区间的个数，Xi表示动态再结晶体积分数分布、平均晶粒尺寸分布、δ相动态溶解体积分数分布与剩余含量分布在第i个区间的分布比例。
CN201710539922.3A 2017-07-05 2017-07-05 一种控制镍基合金微观组织分布的模锻工艺在线规划方法 Pending CN107273635A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710539922.3A CN107273635A (zh) 2017-07-05 2017-07-05 一种控制镍基合金微观组织分布的模锻工艺在线规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710539922.3A CN107273635A (zh) 2017-07-05 2017-07-05 一种控制镍基合金微观组织分布的模锻工艺在线规划方法

Publications (1)

Publication Number Publication Date
CN107273635A true CN107273635A (zh) 2017-10-20

Family

ID=60069988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710539922.3A Pending CN107273635A (zh) 2017-07-05 2017-07-05 一种控制镍基合金微观组织分布的模锻工艺在线规划方法

Country Status (1)

Country Link
CN (1) CN107273635A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598096A (zh) * 2019-01-16 2019-04-09 中南大学 一种基于自适应动态规划的锻造工艺参数在线规划方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160092607A1 (en) * 2014-09-30 2016-03-31 Korea Institute Of Machinery & Materials Method for alloy design combining response surface method and artificial neural network
CN105631156A (zh) * 2016-01-13 2016-06-01 燕山大学 一种镍基高温合金锻件的晶粒组织均匀性评价方法
CN106055844A (zh) * 2016-07-06 2016-10-26 中南大学 基于bp神经网络的镍基高温合金微观组织预测控制方法
CN106424500A (zh) * 2016-12-14 2017-02-22 中南大学 一种面向锻件目标晶粒组织的等温模锻工艺轨迹规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160092607A1 (en) * 2014-09-30 2016-03-31 Korea Institute Of Machinery & Materials Method for alloy design combining response surface method and artificial neural network
CN105631156A (zh) * 2016-01-13 2016-06-01 燕山大学 一种镍基高温合金锻件的晶粒组织均匀性评价方法
CN106055844A (zh) * 2016-07-06 2016-10-26 中南大学 基于bp神经网络的镍基高温合金微观组织预测控制方法
CN106424500A (zh) * 2016-12-14 2017-02-22 中南大学 一种面向锻件目标晶粒组织的等温模锻工艺轨迹规划方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598096A (zh) * 2019-01-16 2019-04-09 中南大学 一种基于自适应动态规划的锻造工艺参数在线规划方法
CN109598096B (zh) * 2019-01-16 2023-07-25 中南大学 一种基于自适应动态规划的锻造工艺参数在线规划方法

Similar Documents

Publication Publication Date Title
CN114897227B (zh) 基于改进随机森林算法的多钢种力学性能预报方法
US6546310B1 (en) Process and device for controlling a metallurgical plant
El-Mounayri et al. Optimization of CNC ball end milling: a neural network-based model
CN106773700A (zh) 遗传算法优化的多模型预测控制方法
Shen et al. Density prediction of selective laser sintering parts based on artificial neural network
Mori et al. Determination of hammering sequence in incremental sheet metal forming using a genetic algorithm
CN107273635A (zh) 一种控制镍基合金微观组织分布的模锻工艺在线规划方法
CN109240203B (zh) 一种基于多模型的连铸坯定重控制方法
CN106682773A (zh) 一种基于模拟退火算法的人机焊接工时预测方法
CN106156446B (zh) 基于数值模拟的塑性成形过程能耗分析方法
Butdee et al. Quality prediction modeling of a preform fastener process using fuzzy logic and DEFORM simulation
CN104407642A (zh) 一种基于迭代学习控制的连铸坯感应加热过程温控方法
Senthil Arumugam et al. On the optimal control of the steel annealing processes as a two-stage hybrid systems via PSO algorithms
JPH11272748A (ja) 操業計画作成装置
Lu et al. Modeling, analysis and control of hydraulic actuator for forging
CN116274789A (zh) 一种锻造时金属流向实时智能调控方法及系统
CN106424500B (zh) 一种面向锻件目标晶粒组织的等温模锻工艺轨迹规划方法
CN113059184B (zh) 锭坯喷射成形工艺参数优化方法
Hsiang et al. Application of finite element method and artificial neural network to the die design of radial forging processes
Idzik et al. Decision Support for the Optimization of Continuous Processesusing Digital Shadows
CN106001933B (zh) 激光切割修边线的优化方法
Di Schino Open die forging process simulation: a simplified industrial approach based on artificial neural network.
Roy et al. Interpolation of forging preform shapes using neural networks
Chakraborty et al. Analysis and optimization of die geometry for forging dies in railway wheel manufacturing
Lanka et al. A design approach for intermediate die shapes in plane strain forgings

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171020