CN111104763A - 一种铝合金半连续铸件缺陷倾向预测方法及装置 - Google Patents
一种铝合金半连续铸件缺陷倾向预测方法及装置 Download PDFInfo
- Publication number
- CN111104763A CN111104763A CN202010006979.9A CN202010006979A CN111104763A CN 111104763 A CN111104763 A CN 111104763A CN 202010006979 A CN202010006979 A CN 202010006979A CN 111104763 A CN111104763 A CN 111104763A
- Authority
- CN
- China
- Prior art keywords
- aluminum alloy
- continuous casting
- maximum value
- semi
- predicting
- 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
Images
Landscapes
- Continuous Casting (AREA)
Abstract
本发明提供一种铝合金半连续铸件缺陷倾向预测方法及装置,能够准确预测铝合金半连续铸件的缺陷倾向。所述方法包括:将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。本发明涉及铝合金铸造技术领域。
Description
技术领域
本发明涉及铝合金铸造技术领域,特别是指一种铝合金半连续铸件缺陷倾向预测方法及装置。
背景技术
铝合金材料由于自身的优异性能如密度低、比强度高、耐腐蚀和易加工等特点在航空航天、船舶、核工业及兵器工业中都有着广泛的应用前景及不可替代的地位。在半连续铸造生产铝合金铸件过程中,受到生产设备及工艺参数的影响,使得产品常常伴有宏观偏析、缩松及热裂等铸造缺陷,严重则使产品报废。从大量的铝合金成分中筛选出符合要求的铸造缺陷倾向低的成分至关重要。
通过实验方法研究每种铝合金成分的半连续铸件缺陷倾向,不仅耗时耗力,而且难以覆盖全面的工艺条件范围,缺陷预测精度较低。
发明内容
本发明要解决的技术问题是提供一种铝合金半连续铸件缺陷倾向预测方法及装置,能够准确预测铝合金半连续铸件的缺陷倾向,避免或减少了繁冗耗时耗力的实验流程。
为解决上述技术问题,本发明实施例提供一种铝合金半连续铸件缺陷倾向预测方法,包括:
将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;
根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。
进一步地,在将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中之前,所述方法还包括:
利用热力学计算模型计算铝合金的热物性参数。
进一步地,所述热物性参数包括:导热系数、密度、热焓、固相分数、固相线温度、液相线温度、粘度、热膨胀系数、弹性模量、泊松比中的一种或多种。
进一步地,所述热力学计算模型包括:固态中完全无扩散模型、固态中完全扩散模型和固态中有限扩散模型。
进一步地,工艺条件中的参数包括:铸造温度、铸造速度和冷却水温度。
进一步地,元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值分别反映了铝合金成分宏观偏析、缩松和热裂缺陷倾向。
本发明实施例还提供了一种铝合金半连续铸件缺陷倾向预测装置,包括:
第一确定模块,用于将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;
预测模块,用于根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。
进一步地,所述装置还包括:
第二确定模块,用于利用热力学计算模型计算铝合金的热物性参数。
进一步地,所述热物性参数包括:导热系数、密度、热焓、固相分数、固相线温度、液相线温度、粘度、热膨胀系数、弹性模量、泊松比中的一种或多种。
进一步地,元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值分别反映了铝合金成分宏观偏析、缩松和热裂缺陷倾向。
本发明的上述技术方案的有益效果如下:
上述方案中,将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。这样,根据热力学和高通量有限元数值模拟方法,能够准确预测铝合金半连续铸件的缺陷倾向,避免或减少了繁冗耗时耗力的实验流程。
附图说明
图1为本发明实施例提供的铝合金半连续铸件缺陷倾向预测方法的流程示意图;
图2为本发明实施例提供的半连续铸造1/4模型示意图;
图3为本发明实施例提供的MILE算法原理示意图;
图4为本发明实施例提供的工艺条件序号1的Si元素偏析云图示意图;
图5为本发明实施例提供的工艺条件序号1的缩松判据Niyama云图;
图6为本发明实施例提供的工艺条件序号1的热裂指数云图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
实施例一
如图1所示,本发明实施例提供的铝合金半连续铸件缺陷倾向预测方法,包括:
S101,将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;
S102,根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。
本发明实施例所述的铝合金半连续铸件缺陷倾向预测方法,将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。这样,根据热力学和高通量有限元数值模拟方法,能够准确预测铝合金半连续铸件的缺陷倾向,避免或减少了繁冗耗时耗力的实验流程。
本实施例中,半连续铸件指利用半连续铸造工艺生产出的铸造零件;半连续铸造模型指在ProCAST程序中构建的模拟半连续铸造过程的模型。
为了更好地理解本发明实施例提供的铝合金半连续铸件缺陷倾向预测方法,对其进行说明,具体可以包括以下步骤:
A1,热力学计算:利用热力学计算模型计算铝合金的热物性参数
本实施例中,将铝合金成分(例如,如表1所示)输入ProCAST程序中的热力学计算模块,所述热力学计算模块包括:固态中完全无扩散(Scheil)模型、固态中完全扩散(Lever)模型和固态中有限扩散(Back Diffusion)模型,从所述热力学计算模块中选择一种模型结合热力学数据库进行计算,得到热物性参数(如表2所示),所述热物性参数包括:导热系数、密度、热焓、固相分数、固相线温度、液相线温度、粘度、热膨胀系数、弹性模量、泊松比中的一种或多种。
表1铝合金成分,单位为wt%
Al | Si | Fe | Cu | Mn | Mg | Cr | Zn | Ti |
Bal. | 0.71 | 0.17 | 0.73 | 0.17 | 0.76 | 0.01 | 0.02 | 0.015 |
表2铝合金不同温度对应的热物性参数
本实施例中,Scheil模型是假设固态中完全无扩散,一般用于高冷却速率的计算;Lever模型是假设固态完全扩散,一般用于低冷却速率;Back Diffusion模型则认为固态中有限扩散,根据实际冷却速率进行计算,情况介于Scheil模型和Lever模型两个理想状态之间,为了确定固态扩散量,必须指定一个平均冷却速率。
A2,高通量有限元数值模拟:将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值,具体可以包括以下步骤:
构建铝合金半连续铸造模型;
将铝合金成分和热力学计算得到的铝合金热物性参数输入到构建的铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值。
本实施例中,铝合金半连续铸造模型采用的技术为立式热顶半连续铸造技术。如图2所示,立式热顶半连续铸造技术是在铸造的初始阶段,将引锭板从下方插入结晶器内部,封住结晶器底部,结晶器内壁上有一层石墨环,石墨环与金属熔体直接接触。从结晶器上方浇入金属熔体,待金属熔体形成凝固坯壳后,启动拉坯装置,使铸坯随引锭板的下移而被拉出结晶器,同时结晶器上部不断浇入金属熔体,铸坯则从结晶器底部被连续拉出,待铸坯达到预定的长度后,停止铸造过程。
本实施例中,考虑对称性只需计算1/4铝合金半连续铸造模型,半连续铸造过程是利用混合拉格朗日-欧拉(MILE)算法对半连续铸造过程中铸件耦合传热—流动—应力计算。如图3所示,在铸造初期阶段,铸造的初始熔体分为2个区域(顶部区域和底部区域)。随着半连续铸造过程开始,底部区域开始下降,顶部区域保持不动。为了连接这两个区域,就必须在顶部区域和底部区域中间引进新区域。于是在计算过程中,顶部区域和底部区域之间的0厚度层中随着计算的进行创造出了新区域,然后随着铸造的进行在2个区域之间,不断地产生出新的单元层。
本实施例中,高通量有限元数值模拟的原理为:将铝合金半连续铸造模型这个连续单元体划分成有限个小的单元,就是把一个较为复杂的结构当成是由有限个通过节点相连在一起的单元共同组成的一个完整总体,先进行逐个小单元分析研究,接着再把这些小单元按照原结构拼凑起来代表原来的结构体,从而获得复杂问题的近似解。
本实施例中,工艺条件中的参数包括:铸造温度、铸造速度和冷却水温度,每个参数分别取3个值,组合后有27种工艺条件(如表3所示)。将图2中顶部初始熔体的顶面赋予铸造温度,将底部初始熔体和引锭板赋予铸造速度,将结晶器外表面、被拉出结晶器的引锭板侧面和顶部初始熔体侧面赋予冷却水温度,将铝合金半连续铸造模型的两个截面赋予对称性。计算时铝合金成分、热物性参数、铝合金半连续铸造模型不变,依次改变27种工艺条件,模拟不同工艺条件对铝合金形成缺陷的影响。
表3 27种工艺条件
序号 | 铸造温度℃ | 铸造速度mm/s | 冷却水温度℃ |
1 | 690 | 0.5 | 32 |
2 | 690 | 0.75 | 32 |
3 | 690 | 0.1 | 32 |
4 | 695 | 0.5 | 32 |
5 | 695 | 0.75 | 32 |
6 | 695 | 0.1 | 32 |
7 | 700 | 0.5 | 32 |
8 | 700 | 0.75 | 32 |
9 | 700 | 0.1 | 32 |
10 | 690 | 0.5 | 36 |
11 | 690 | 0.75 | 36 |
12 | 690 | 0.1 | 36 |
13 | 695 | 0.5 | 36 |
14 | 695 | 0.75 | 36 |
15 | 695 | 0.1 | 36 |
16 | 700 | 0.5 | 36 |
… | … | … | … |
27 | 700 | 0.1 | 40 |
A3,铸件缺陷倾向预测:根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。
本实施例中,选出铝合金半连续铸件在这27种工艺条件下元素偏析、缩松判据Niyama、热裂指数的最大值(如表4所示),元素偏析最大值代表铝合金成分的宏观偏析缺陷倾向;缩松判据Niyama最大值代表铝合金半连续铸件的缩松缺陷倾向;热裂指数最大值代表铝合金半连续铸件的热裂缺陷倾向。
表4 27种工艺条件下元素偏析、缩松判据Niyama、热裂指数的最大值
本实施例中,图4、图5、图6分别为工艺条件序号1的Si元素偏析云图、缩松判据Niyama云图、热裂指数云图,图4、图5、图6中的Max Node分别为半连续铸件的元素偏析、缩松判据Niyama和热裂指数。
本实施例中,根据需求,对比不同铝合金成分的元素偏析最大值,拥有最小的元素偏析最大值,则是宏观偏析缺陷倾向最低的铝合金成分,具体的:以表4为例,27个工艺条件下的Si wt%最大值为8.562,假如计算了10个不同的铝合金成分的27个工艺条件,对比10个不同的铝合金成分的Si wt%最大值,某一铝合金成分的Si wt%最大值最小,则这种铝合金成分的Si元素宏观偏析缺陷倾向最低;同理亦可筛选出缩松或热裂缺陷倾向最低的铝合金成分,具体的:以表4为例,27个工艺条件下的缩松判据Niyama最大值为2044.65,假如计算了10个不同的铝合金成分的27个工艺条件,对比10个不同的铝合金成分的缩松判据Niyama最大值,某一铝合金成分的Niyama最大值最小,则这种铝合金成分的缩松缺陷倾向最低;以表4为例,27个工艺条件下的热烈指数最大值为0.3231,假如计算了10个不同的铝合金成分的27个工艺条件,对比10个不同的铝合金成分的热烈指数最大值,某一铝合金成分的热烈指数最大值最小,则这种铝合金成分的热裂缺陷倾向最低。
实施例二
本发明还提供一种铝合金半连续铸件缺陷倾向预测装置的具体实施方式,由于本发明提供的铝合金半连续铸件缺陷倾向预测装置与前述铝合金半连续铸件缺陷倾向预测方法的具体实施方式相对应,该铝合金半连续铸件缺陷倾向预测装置可以通过执行上述方法具体实施方式中的流程步骤来实现本发明的目的,因此上述铝合金半连续铸件缺陷倾向预测方法具体实施方式中的解释说明,也适用于本发明提供的铝合金半连续铸件缺陷倾向预测装置的具体实施方式,在本发明以下的具体实施方式中将不再赘述。
本发明实施例还提供一种铝合金半连续铸件缺陷倾向预测装置,包括:
第一确定模块,用于将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;
预测模块,用于根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。
本发明实施例所述的铝合金半连续铸件缺陷倾向预测装置,将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。这样,根据热力学和高通量有限元数值模拟方法,能够准确预测铝合金半连续铸件的缺陷倾向,避免或减少了繁冗耗时耗力的实验流程。
在前述铝合金半连续铸件缺陷倾向预测装置的具体实施方式中,进一步地,所述装置还包括:
第二确定模块,用于利用热力学计算模型计算铝合金的热物性参数。
在前述铝合金半连续铸件缺陷倾向预测装置的具体实施方式中,进一步地,所述热物性参数包括:导热系数、密度、热焓、固相分数、固相线温度、液相线温度、粘度、热膨胀系数、弹性模量、泊松比中的一种或多种。
在前述铝合金半连续铸件缺陷倾向预测装置的具体实施方式中,进一步地,元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值分别反映了铝合金成分宏观偏析、缩松和热裂缺陷倾向。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种铝合金半连续铸件缺陷倾向预测方法,其特征在于,包括:
将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;
根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。
2.根据权利要求1所述的铝合金半连续铸件缺陷倾向预测方法,其特征在于,在将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中之前,所述方法还包括:
利用热力学计算模型计算铝合金的热物性参数。
3.根据权利要求1或2所述的铝合金半连续铸件缺陷倾向预测方法,其特征在于,所述热物性参数包括:导热系数、密度、热焓、固相分数、固相线温度、液相线温度、粘度、热膨胀系数、弹性模量、泊松比中的一种或多种。
4.根据权利要求2所述的铝合金半连续铸件缺陷倾向预测方法,其特征在于,所述热力学计算模型包括:固态中完全无扩散模型、固态中完全扩散模型和固态中有限扩散模型。
5.根据权利要求1所述的铝合金半连续铸件缺陷倾向预测方法,其特征在于,工艺条件中的参数包括:铸造温度、铸造速度和冷却水温度。
6.根据权利要求1所述的铝合金半连续铸件缺陷倾向预测方法,其特征在于,元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值分别反映了铝合金成分宏观偏析、缩松和热裂缺陷倾向。
7.一种铝合金半连续铸件缺陷倾向预测装置,其特征在于,包括:
第一确定模块,用于将铝合金成分和热力学计算得到的铝合金热物性参数输入到铝合金半连续铸造模型中,通过高通量有限元数值模拟得到多种工艺条件下铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值;
预测模块,用于根据得到的铝合金半连续铸件的元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值预测铝合金半连续铸件的缺陷倾向。
8.根据权利要求7所述的铝合金半连续铸件缺陷倾向预测装置,其特征在于,所述装置还包括:
第二确定模块,用于利用热力学计算模型计算铝合金的热物性参数。
9.根据权利要求7或8所述的铝合金半连续铸件缺陷倾向预测装置,其特征在于,所述热物性参数包括:导热系数、密度、热焓、固相分数、固相线温度、液相线温度、粘度、热膨胀系数、弹性模量、泊松比中的一种或多种。
10.根据权利要求7所述的铝合金半连续铸件缺陷倾向预测装置,其特征在于,元素偏析最大值、缩松判据Niyama最大值和热裂指数最大值分别反映了铝合金成分宏观偏析、缩松和热裂缺陷倾向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010006979.9A CN111104763A (zh) | 2020-01-03 | 2020-01-03 | 一种铝合金半连续铸件缺陷倾向预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010006979.9A CN111104763A (zh) | 2020-01-03 | 2020-01-03 | 一种铝合金半连续铸件缺陷倾向预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111104763A true CN111104763A (zh) | 2020-05-05 |
Family
ID=70426870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010006979.9A Pending CN111104763A (zh) | 2020-01-03 | 2020-01-03 | 一种铝合金半连续铸件缺陷倾向预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104763A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2775411A1 (en) * | 2013-03-04 | 2014-09-10 | Veigalan Estudio 2010 S.L.U. | Method for predicting the structure of a part cast in an aluminium alloy |
CN105787166A (zh) * | 2016-02-23 | 2016-07-20 | 上海交通大学 | 一种铸锭中宏观偏析缩孔疏松的预测模拟方法 |
CN107909189A (zh) * | 2017-10-20 | 2018-04-13 | 太原理工大学 | 一种模拟铝合金砂型铸造过程的缩孔缺陷预测方法 |
CN109063322A (zh) * | 2018-07-27 | 2018-12-21 | 哈尔滨理工大学 | 一种铸件缩松缺陷数值预测的方法 |
CN110000365A (zh) * | 2019-04-30 | 2019-07-12 | 唐山学院 | 基于高通量实验的大铸锭凝固组织的热模拟方法及装置 |
CN110059445A (zh) * | 2019-05-15 | 2019-07-26 | 南京钢铁股份有限公司 | 一种铸件裂纹形成预测判据及仿真实现方法 |
CN110111861A (zh) * | 2019-05-24 | 2019-08-09 | 上海交通大学 | 一种镁、铝合金铸件凝固过程中热裂纹的预测方法 |
CN110210103A (zh) * | 2019-05-27 | 2019-09-06 | 北京工业大学 | 一种多相复合材料力学行为的多尺度模拟方法 |
-
2020
- 2020-01-03 CN CN202010006979.9A patent/CN111104763A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2775411A1 (en) * | 2013-03-04 | 2014-09-10 | Veigalan Estudio 2010 S.L.U. | Method for predicting the structure of a part cast in an aluminium alloy |
CN105787166A (zh) * | 2016-02-23 | 2016-07-20 | 上海交通大学 | 一种铸锭中宏观偏析缩孔疏松的预测模拟方法 |
CN107909189A (zh) * | 2017-10-20 | 2018-04-13 | 太原理工大学 | 一种模拟铝合金砂型铸造过程的缩孔缺陷预测方法 |
CN109063322A (zh) * | 2018-07-27 | 2018-12-21 | 哈尔滨理工大学 | 一种铸件缩松缺陷数值预测的方法 |
CN110000365A (zh) * | 2019-04-30 | 2019-07-12 | 唐山学院 | 基于高通量实验的大铸锭凝固组织的热模拟方法及装置 |
CN110059445A (zh) * | 2019-05-15 | 2019-07-26 | 南京钢铁股份有限公司 | 一种铸件裂纹形成预测判据及仿真实现方法 |
CN110111861A (zh) * | 2019-05-24 | 2019-08-09 | 上海交通大学 | 一种镁、铝合金铸件凝固过程中热裂纹的预测方法 |
CN110210103A (zh) * | 2019-05-27 | 2019-09-06 | 北京工业大学 | 一种多相复合材料力学行为的多尺度模拟方法 |
Non-Patent Citations (15)
Title |
---|
HENHAO110: "Procast-材料性能计算", 《HTTP://ISHARE.IASK.SINA.COM.CN/F/37308460.HTML》 * |
丁根宝: "《铸造工艺学 上册》", 30 June 1985, 机械工业出版社 * |
刘清贤,等: "AFAM 7050 铝合金的数值模拟", 《先进摩擦增材制造研究与应用》 * |
刘自由,等: "硬铝合金半连续铸造过程数值模拟机裂纹倾向性研究", 《湖南城市学院学报(自然科学版)》 * |
卓柏呈,等: "基于高通量计算的成形过程分析", 《精密成形工程》 * |
左强等: "溶质偏析对铸造铝合金疏松缩孔缺陷的影响", 《铸造》 * |
张立峰,等: "《轴承钢中非金属夹杂物和元素偏析》", 31 January 2017, 冶金工业出版社 * |
李荣德等: "Niyama判据预测大型铸钢件旋回破碎机横梁缩孔缩松缺陷", 《铸造技术》 * |
李远兵,等: "《铝工业固体废弃物综合利用》", 31 March 2015, 冶金工业出版社 * |
潘利文等: "Niyama判据对铸件缩孔缩松预测的适用性", 《北京航空航天大学学报》 * |
白清领,等: "7xxx系铝合金半连续铸造开裂缺陷的研究", 《中国博士学位论文全文数据库(电子期刊)工程科技I辑》 * |
白清领,等: "铝合金熔铸热裂预测数值模拟研究进展", 《铸造》 * |
胡谦谦: "7XXX铝合金热顶半连续铸造的数值模拟", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技I辑》 * |
辛启斌: "《金属液态成形工艺设计》", 31 October 2018, 冶金工业出版社 * |
马维策,等: "7050铝合金大铸锭半连续铸造过程数值模拟", 《特种铸造及有色合金》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Simulation of EPS foam decomposition in the lost foam casting process | |
CN110976830B (zh) | 一种铝合金换挡毂铸造缺陷的控制方法 | |
CN104899412A (zh) | 一种铝合金铸件力学性能预测方法 | |
Tsai et al. | Numerical simulation of solidification morphologies of Cu-0.6 Cr casting alloy using modified cellular automaton model | |
Zhao et al. | Gating system optimization of high pressure die casting thin-wall AlSi10MnMg longitudinal loadbearing beam based on numerical simulation | |
Şensoy et al. | Investigating the optimum model parameters for casting process of A356 alloy: A cross-validation using response surface method and particle swarm optimization | |
Wenming et al. | Gating system optimization of low pressure casting A356 aluminum alloy intake manifold based on numerical simulation. | |
Koru et al. | The effects of thermal and dynamical parameters and vacuum application on porosity in high-pressure die casting of A383 Al-alloy | |
You et al. | Numerical simulation and casting process optimization of cast steel node | |
CN113642855A (zh) | 一种基于知识模型库的汽车铝合金转向节差压铸造质量优化的方法 | |
Ling et al. | A shrinkage cavity prediction model for gravity castings based on pressure distribution: A casting steel case | |
Anand et al. | Integration of Additive Fabrication with High-Pressure Die Casting for Quality Structural Castings of Aluminium Alloys; Optimising Energy Consumption | |
CN111104763A (zh) | 一种铝合金半连续铸件缺陷倾向预测方法及装置 | |
Jones et al. | Computational fluid dynamic simulations of solidification for enhancing speed of continuous cast copper | |
Mahomed et al. | Reducing shrinkage porosity in high-performance steel castings: case of an ASME B16. 34 gate valve body: part 2—simulation and experimental verification | |
Chakravarti et al. | An investigation on the solidification and porosity prediction in aluminium casting process | |
Sung et al. | The molding analysis of automobile parts using the die-casting system | |
CN114004097B (zh) | 一种合金初始成分对Al合金铸造微观组织影响的预测方法 | |
Eqal | Experimental and simulation study of solidification of commercial pure aluminium by sand casting | |
Gopinath et al. | Effect of solidification parameters on the feeding efficiency of Lm6 aluminium alloy casting | |
Kandpal et al. | Analyzing the microstructure and mechanical properties in LM6 aluminium casting in sand casting process | |
Yağcı et al. | Investigation of metallurgical properties of Al-Si-Mg casting alloys with integrated computational materials engineering for wheel production | |
Patel et al. | Mathematical modeling of microshrinkage formation during solidification of A356 castings | |
Sadeghi | Optimization product parts in high pressure die casting process | |
Liu et al. | Investigation and application of inverse determination of interfacial heat transfer coefficient in vacuum investment casting |
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 |
Application publication date: 20200505 |
|
RJ01 | Rejection of invention patent application after publication |