CN110609042A - 一种钢中最大尺寸夹杂物的预测方法 - Google Patents
一种钢中最大尺寸夹杂物的预测方法 Download PDFInfo
- Publication number
- CN110609042A CN110609042A CN201910920199.2A CN201910920199A CN110609042A CN 110609042 A CN110609042 A CN 110609042A CN 201910920199 A CN201910920199 A CN 201910920199A CN 110609042 A CN110609042 A CN 110609042A
- Authority
- CN
- China
- Prior art keywords
- size
- maximum
- inclusion
- steel
- inclusions
- 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本申请公开了一种钢中最大夹杂物尺寸的预测方法,包括以下步骤:1)采用小试样金相检测方法测量规定面积中最大夹杂物的尺寸,每个规定面积记录1个最大夹杂物尺寸,累计检测24个最大尺寸夹杂物;2)利用最大概率函数建立最大夹杂物尺寸与其概率的预测模型,并根据金相检测的最大夹杂物尺寸和概率确定最大夹杂物预测模型中的参数值;3)根据建立的概率预测模型,建立待预测钢的质量和金相检测最大尺寸夹杂物质量的概率关系,获得预测钢中最大尺寸夹杂物的预测公式,从而预测一定质量钢件中的最大夹杂物的尺寸信息。本发明能够准确预测较大质量钢件最大夹杂物的尺寸信息。
Description
技术领域
本发明属于钢中非金属夹杂物水平的测量领域,具体涉及一种钢件大中最大尺寸非金属夹杂物的预测估算方法。
背景技术
在钢铁材料的冶炼过程中,冶炼炉中的少量炉渣、耐火材料及钢水冶炼中的脱氧产物会进入钢水中,在浇注成钢坯或轧制加工成钢材后,形成非金属夹杂物遗留在钢中。非金属夹杂物是钢中必然存在的产物,钢件中大量存在的小尺寸非金属夹杂物对钢的性能基本上是没有影响的,然而大尺寸夹杂物会严重恶化钢件的机械加工和服役性能,严重的导致钢件突然断裂,发生灾难性后果。因此,控制钢中大尺寸夹杂物的含量是钢铁冶炼和工程应用的重要目标之一。
由于大尺寸夹杂物嵌入在钢件内部,由于钢件中大尺寸夹杂物的尺寸基本在微米级,基本没有有效的分析仪器能够直接测量。通用的测量方法是金相检测法,金相检测方法只能通过检测到小样品试样中夹杂物尺寸来判定钢件的夹杂物水平,由于金相检测法存在很大的偶然性,并且不能反映加大质量钢件中的最大尺寸夹杂物的特征。中国专利《一种大体积钢中非金属夹杂物尺寸的统计计算方法》(专利号:ZL201511025126.5)提供了一种采用帕累托分布函数预测钢中大尺寸非金属夹杂物的预测方法,但该方法在建立模型时存在较大的局限性,估算的夹杂物尺寸存在预测上限,另外在采用金相方法观察时,每个视场需要统计3个较大夹杂物的尺寸,工作量较大。
发明内容
本发明的目的在于提供一种钢中最大尺寸夹杂物的预测方法,以克服现有技术中的不足。
为实现上述目的,本发明提供如下技术方案:一种钢中最大尺寸夹杂物的预测方法:
1)采用小试样金相检测方法测量24个规定面积中的24个最大夹杂物的尺寸,利用最大值概率函数建立钢件中最大尺寸夹杂物的预测模型。再利用小试样金相检测方法获得的24个不同规定面积的最大夹杂物尺寸,确定最大值概率分布函数中的参数值α和λ,并代入最大尺寸夹杂物的预测模型中,从而获得一定质量钢件中的最大尺寸夹杂物的预测模型的计算公式。
2)确定预测钢件的质量,然后把预测钢件的质量代入到最大尺寸夹杂物的预测模型公式中,从而预测出一定质量钢件中最大夹杂物的尺寸。
采用最大概率函数进行钢件中最大尺寸夹杂物的预测时,最大夹杂物概率函数服从正态分布,则其Gumbel概率函数为:
H(y)=exp(-exp(-y)) (1)
式中,y=(z-λ)/α。
把小试样金相检测记录的24个最大尺寸夹杂物Zi(1≤i≤24)按照从小到大的顺序进行排列,即:
Z1≤Z2≤Z3……≤Z24。
第i个最大尺寸夹杂物(Zi)的累积概率为:
H(yi)=i/(N+1) (2)
由式(1)和(2)联合得到:
yi=-ln(-ln(i/(N+1))) (3)
把公式(3)带入y=(z-λ)/α,建立最大尺寸夹杂物与其概率的计算公式为:
z=αy+λ (4)
假设待预测最大尺寸夹杂物钢件的质量为M,则定义其返回周期T为:
T=M/M0 (5)
其中,M0为小试样金相夹杂物检测质量,M0=Z×S0,S0为规定标准检测视场面积,Z为金相观察记录的最大夹杂直径尺寸。
在质量为M钢件中需要预测的最大夹杂物的尺寸定义为Zmax,则在质量为M钢件中的最大尺寸夹杂物只有一个。那么该最大尺寸夹杂物的概率函数为:
G(Zmax)=1-1/T (6)
联合公式(3)、(4)和(6)可得钢件中最大夹杂物的尺寸预测公式为:
Zmax=ay+λ (7)
其中:y=-ln(-ln((T-1)/T))。根据式(7)即可以预测出不同质量钢件中的最大夹杂物尺寸Zmax。式中参数值α和λ可由最大似然函数公式解出:
本发明具有以下有益效果:
本发明所述的一种钢件中最大尺寸夹杂物的预测方法中,通过小试样的金相检测方法测量24个规定面积中的24个最大夹杂物尺寸,每个检测面仅记录1个最大尺寸夹杂物即可,节省工作量。采用最大概率函数建立的最大尺寸夹杂物模型预测公式易于简便计算,并且模型仅涉及α和λ两个参数,参数值可直接利用作图得出,操作简单,准确度高。本发明解决了较大质量钢坯或钢结构件中最大尺寸夹杂物的检测问题。。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图;
图2为本发明中具体实施例的金相小试样最大夹杂物检测示意图;
图3为本发明仲具体实例中最大夹杂物尺寸与概率的变化关系。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行详细的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
结合图1-3所示,
本实施例中使用材料为X65抗酸低合金管线钢,具体操作如下所示:
1)试样制备:利用机械加工方法从钢板上沿横截面取样,试样尺寸为15mm×10mm×T(这里T=15.6mm),沿横截面进行机械研磨,然后利用抛光机进行表面抛光处理,抛光后用水冲洗,然后用电吹风吹干水迹,本实施例制备了6个样品;
2)金相检测:将步骤1)制备好的样品放在金相显微镜下进行夹杂物检测和测量,夹杂物尺寸观察时选择在200倍放大倍数下逐行扫描方式进行,每个15mm×10mm观察面记录1个最大夹杂物的尺寸,观察完毕后减薄0.3mm厚度后重新进行观察测量,每个样品重复3次,6个试样累计获得最大尺寸夹杂物24个,参见图2。
3)最大夹杂物预测模型概率函数参数值确定:把金相观察测量的24个最大夹杂物按从小到大顺序排列,根据公式H(yi)=i/(N+1)计算相应的累计概率,见表1。根据24个夹杂物尺寸和相应的累计概率,采用最大似然函数公式确定参数α和λ值分别为-11.08和-33.2。
表1:
编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
夹杂尺寸 | 19.5 | 26.3 | 27.2 | 28.3 | 29.4 | 33.0 | 34.5 | 34.5 | 35.3 | 38.0 | 38.5 | 38.7 |
概率 | 0.04 | 0.08 | 0.12 | 0.16 | 0.20 | 0.24 | 0.28 | 0.32 | 0.36 | 0.40 | 0.44 | 0.48 |
编号 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 |
夹杂尺寸 | 40.9 | 41.1 | 43.3 | 45.2 | 47.6 | 48.0 | 51.0 | 55.2 | 56.1 | 65.0 | 65.3 | 78.2 |
概率 | 0.52 | 0.56 | 0.60 | 0.64 | 0.68 | 0.72 | 0.76 | 0.80 | 0.84 | 0.88 | 0.92 | 0.96 |
4)待预测钢的中夹杂物尺寸估算:预测最大尺寸夹杂物钢板的尺寸为:12m×5m×15.6mm,所以其质量M=12000×5000×15.6,金相检测出最大尺寸78.2mm夹杂物的累计质量M0=15×10×0.0782×24,则:
T=M/M0=(12000×5000×15.6)/(15×10×0.0782×24)=3324808.18。把计算获得的α、λ和T值带入最大尺寸夹杂物的预测公式,即
Zmax=-αln(-ln((T-1)/T))+λ
=-11.08×ln(-ln((3324808.18-1)/3324808.18))+33.15
=109.42mm
把金相检测最大夹杂物和预测最大夹杂物的尺寸与质量作图,可以直观看出钢中最大夹杂物尺寸与质量变化关系,见图3。
以上所述仅是本申请的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (7)
1.一种钢中最大尺寸夹杂物的预测方法,其特征在于:包括以下步骤:
1)获取待预测钢的试样,根据金相方法对所述试样进行夹杂物金相检测,选取所述试样检测面中的最大尺寸夹杂物并记录其尺寸;
2)建立最大尺寸夹杂物的预测模型,所述预测模型采用最大值预测函数的形式,根据所述试样中的最大夹杂物尺寸得到最大值预测函数中的参数值,然后将最大值预测函数中的参数值代入最大尺寸夹杂物的预测模型中,得到最大尺寸夹杂物预测模型的表达式;
3)确定待预测钢的质量,再将待预测钢的质量代入最大尺寸夹杂物预测模型的表达式中,得到待预测钢的最大尺寸夹杂物的尺寸。
2.根据权利要求1所述的一种钢中最大尺寸夹杂物的预测方法,其特征在于:根据步骤1中获取待预测钢的试样,根据金相方法对所述试样进行夹杂物金相检测,选取所述试样检测面中的最大尺寸夹杂物并记录其尺寸;其中,所述待预测钢的试样数量为6个或者6的整数倍个,选取的所述试样检测面面积为150mm2或者150mm2的整数倍。
3.根据权利要求1所述的一种钢中最大尺寸夹杂物的预测方法,其特征在于:据步骤1中获取待预测钢的试样,根据金相方法对所述试样进行夹杂物金相检测,选取所述试样检测面中的最大尺寸夹杂物并记录其尺寸;其中。选取的最大夹杂物数量不少于24个。
4.根据权利要求1所述的一种钢中最大尺寸夹杂物的预测方法,其特征在于:最大值预测函数为:
Zmax=α-ln(-ln((T-1)/T))+λ
其中:Zmax为钢中预测的最大夹杂物尺寸,T为返回周期,α,λ分别为尺寸和位置参数。
5.根据权利要求4所述的一种钢中最大尺寸夹杂物的预测方法,其特征在于:所述返回周期以下公式:
T=M/M0
其中:M为待预测钢的质量,M0为所述试样金相夹杂物检测质量。
6.根据权利要求5所述的一种钢中最大尺寸夹杂物的预测方法,其特征在于:所述试样金相夹杂物检测质量满足以下公式:
M0=Z×S0
其中,S0为规定标准检测视场面积,Z为观察记录的最大夹杂尺寸。
7.根据权利要求4所述的一种钢中最大尺寸夹杂物的预测方法,其特征在于:根据记录的所述试样的检测面的最大尺寸夹杂物尺寸Zi(1≤i≤n),按照尺寸大小排列为:
Z1≤Z2≤Z3……≤Zn;
将所述试样的检测面的最大尺寸夹杂物尺寸Zi代入最大似然函数公式:
当L取最大值时,对应的α,λ值即为所求的参数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910920199.2A CN110609042A (zh) | 2019-09-26 | 2019-09-26 | 一种钢中最大尺寸夹杂物的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910920199.2A CN110609042A (zh) | 2019-09-26 | 2019-09-26 | 一种钢中最大尺寸夹杂物的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110609042A true CN110609042A (zh) | 2019-12-24 |
Family
ID=68893668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910920199.2A Pending CN110609042A (zh) | 2019-09-26 | 2019-09-26 | 一种钢中最大尺寸夹杂物的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110609042A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111879784A (zh) * | 2020-08-10 | 2020-11-03 | 耐世特凌云驱动系统(芜湖)有限公司 | 钢材洁净度评价新方法 |
CN113627049A (zh) * | 2021-07-16 | 2021-11-09 | 武汉钢铁有限公司 | 超高强钢大试样超长寿命疲劳强度评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576608A (zh) * | 2008-05-05 | 2009-11-11 | 通用汽车环球科技运作公司 | 预测铝铸件疲劳寿命的方法和系统 |
CN105651217A (zh) * | 2015-12-30 | 2016-06-08 | 中国石油天然气集团公司 | 一种大体积钢中非金属夹杂物尺寸的统计计算方法 |
-
2019
- 2019-09-26 CN CN201910920199.2A patent/CN110609042A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576608A (zh) * | 2008-05-05 | 2009-11-11 | 通用汽车环球科技运作公司 | 预测铝铸件疲劳寿命的方法和系统 |
CN105651217A (zh) * | 2015-12-30 | 2016-06-08 | 中国石油天然气集团公司 | 一种大体积钢中非金属夹杂物尺寸的统计计算方法 |
Non-Patent Citations (2)
Title |
---|
刘飞等: "4137钢疲劳强度与最大夹杂物尺寸相关性研究", 《江苏科技大学学报(自然科学版)》 * |
江波等: "车轮钢中氧化物夹杂的疲劳法评估", 《炼钢》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111879784A (zh) * | 2020-08-10 | 2020-11-03 | 耐世特凌云驱动系统(芜湖)有限公司 | 钢材洁净度评价新方法 |
CN113627049A (zh) * | 2021-07-16 | 2021-11-09 | 武汉钢铁有限公司 | 超高强钢大试样超长寿命疲劳强度评估方法 |
CN113627049B (zh) * | 2021-07-16 | 2023-08-18 | 武汉钢铁有限公司 | 超高强钢大试样超长寿命疲劳强度评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Beretta et al. | Extreme value models for the assessment of steels containing multiple types of inclusion | |
Shi et al. | Application of the generalized Pareto distribution to the estimation of the size of the maximum inclusion in clean steels | |
CN110609042A (zh) | 一种钢中最大尺寸夹杂物的预测方法 | |
Vojtek et al. | Quantitative dependence of oxide-induced crack closure on air humidity for railway axle steel | |
MXPA00011768A (es) | Metodo y aparato para evaluar danos de material de metal. | |
CN105445306A (zh) | 一种钢中元素偏析程度的评定方法 | |
CN108535105A (zh) | 一种蠕墨铸铁疲劳强度的预测方法 | |
Abbel et al. | Argon bubbles in slabs | |
Wang et al. | Progress on statistical models of evaluating inclusions in clean steels | |
Slota et al. | Experimental FLC determination of high strength steel sheet metal | |
CN106841208A (zh) | 一种用于检测钢中大颗粒氧化物夹杂含量的方法 | |
JP2009281738A (ja) | 鋼材中の最大介在物径の予測方法、および、鋼材の転動疲労寿命の推定方法 | |
US6318178B1 (en) | Cleanliness evaluation method for metallic materials based on ultrasonic flaw detection and metallic material affixed with evaluation of cleanliness | |
CN116518839A (zh) | 一种裂解炉辐射段炉管渗碳层厚度测量方法、系统及设备 | |
Ekengren et al. | Extreme value distributions of inclusions in six steels | |
CN110405122A (zh) | 一种高强高韧锻造合金的生产方法及生产系统 | |
CN111879784A (zh) | 钢材洁净度评价新方法 | |
Chen et al. | Experimental investigation of various corroded metal materials used in building structures | |
CN109541013A (zh) | 一种铁磁性合金钢位错密度检测方法 | |
JP2730406B2 (ja) | 金属材の清浄度判定方法 | |
JP3510437B2 (ja) | 薄鋼板製品の評価方法 | |
RU2553412C1 (ru) | Способ оценки стойкости против межкристаллитной коррозии сталей и сплавов | |
JP4882769B2 (ja) | 連続鋳造鋳片の中心偏析予測方法及び連続鋳造鋳片の製造方法 | |
CN111830131A (zh) | 一种铸坯中心疏松或缩孔的定量方法 | |
CN111504840A (zh) | 一种镀锌废钢锌含量检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191224 |