CN113063813A - 一种建立钢铁材料的连续冷却相变模型的方法 - Google Patents
一种建立钢铁材料的连续冷却相变模型的方法 Download PDFInfo
- Publication number
- CN113063813A CN113063813A CN202110276597.2A CN202110276597A CN113063813A CN 113063813 A CN113063813 A CN 113063813A CN 202110276597 A CN202110276597 A CN 202110276597A CN 113063813 A CN113063813 A CN 113063813A
- Authority
- CN
- China
- Prior art keywords
- transformation
- phase change
- ferrite
- pearlite
- percentage
- 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
- 238000001816 cooling Methods 0.000 title claims abstract description 93
- 230000008859 change Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000000463 material Substances 0.000 title claims abstract description 32
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 20
- 239000010959 steel Substances 0.000 title claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000008520 organization Effects 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 139
- 229910000859 α-Fe Inorganic materials 0.000 claims description 82
- 229910001562 pearlite Inorganic materials 0.000 claims description 69
- 229910001563 bainite Inorganic materials 0.000 claims description 59
- 230000007704 transition Effects 0.000 claims description 32
- 238000002474 experimental method Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 9
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 claims description 8
- 238000000844 transformation Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 description 12
- 238000010438 heat treatment Methods 0.000 description 7
- 238000000227 grinding Methods 0.000 description 5
- 238000005498 polishing Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 229910000851 Alloy steel Inorganic materials 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910001566 austenite Inorganic materials 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 229910000915 Free machining steel Inorganic materials 0.000 description 1
- 229910000742 Microalloyed steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910000734 martensite Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/02—Investigating or analyzing materials by the use of thermal means by investigating changes of state or changes of phase; by investigating sintering
- G01N25/12—Investigating or analyzing materials by the use of thermal means by investigating changes of state or changes of phase; by investigating sintering of critical point; of other phase change
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开一种建立钢铁材料的连续冷却相变模型的方法，基于相变温度和组织百分比基础数据建立相应的相变模型，组织百分比与冷却速度的关系式为：f＝1‑exp[a(v‑b)c]，其中，f为组织的百分比，v为连续冷却速度，a，b，c为待定常数；当连续冷却过程中只发生一种相变时，其相变温度按照公式T＝A‑Bln(v+C)计算，其中，T为在连续冷却速度v时发生相变的温度，A，B，C为待定常数，相应的组织百分比按照公式f＝1‑exp[a(v‑b)c]计算；当连续冷却过程中，分别发生两种以上相变时，所建立的相变模型应考虑该相变之前每一种相变对后一种相变的影响，并分别为每一种影响相变赋予一定的影响权重。本发明考虑了材料在发生两种及以上相变时，各相变之间的相互影响，通过对基础数据的回归分析，得到的模型简单，参数少，更科学准确，实用性更强。
Description
技术领域
本发明涉及一种建立材料连续冷却相变模型的方法，特别涉及一种建立钢铁材料的连续冷却相变模型的方法。
背景技术
钢铁材料的连续冷却转变曲线简称CCT曲线，是制定钢铁材料在热加工过程的加工工艺或热处理工艺的重要依据。研制新钢种、优化轧制工艺制度、确定轧后冷却制度、制定钢铁材料的热处理工艺等都需要参考所加工钢种的CCT曲线。根据CCT曲线可以预测出在实际生产条件下，所得钢材产品的组织以及与之所对应的性能，从而达到组织或性能的控制。
而钢铁材料的连续冷却转变曲线是基于10余个冷却速度实验数据基础上得到的，只能给出这几个特定冷却速度条件下的组织转变信息，对于其它冷却速度给出的信息是很粗略的。
因此，国内外很多学者和研究人员致力于建立钢铁材料的相变模型，其中包括相变温度模型和组织相对量的模型。一般情况下，形变奥氏体在轧制后的冷却过程中，当温度降低到转变开始温度，经过一定的孕育期之后，便开始向铁素体、珠光体组织转变，随着温度的进一步降低，奥氏体转变为贝氏体以及马氏体组织，原始奥氏体的晶粒度大小，晶粒的状态，轧后冷却速度大小以及是否有析出粒子都对相变产生重要的影响，并且这些参数也最终决定了相变的产物，体积分数和晶粒尺寸。因此，基于上述参数建立的模型参数较多，回归起来比较繁琐，建立的模型也较复杂，应用起来也存在一定难度。现有一种基于实验数据建立冷却速度与相变温度关系的模型，虽然模型结构大大简化，但该模型并未考虑两种以上相变之间的相互影响，各种类型的相变均用同一模型，势必会导致计算结果偏差，还需建立一种科学准确的相变模型。
发明内容
本发明目的在于提供一种建立钢铁材料的连续冷却相变模型的方法，该方法考虑了材料在发生两种以上相变时，各相变之间的相互影响，通过对基础数据的回归分析，得到的模型简单，参数少，更科学准确，实用性更强，解决现有各种类型的相变均用同一模型所导致的模型和计算结果不准确的问题。
本发明的技术方案为：一种建立钢铁材料的连续冷却相变模型的方法，包括以下步骤：
1)获取用于建立模型的相变温度基础数据；
2)获取用于建立模型的组织百分比基础数据；
3)基于步骤1)和步骤2)中获得的基础数据建立相应的相变模型，步骤2)中确定的组织百分比与冷却速度的关系用公式(1)表示如下：
f＝1-exp[a(v-b)c] (1)
其中，f为组织的百分比，v为连续冷却速度，a，b，c为待定常数；
其特征在于，当连续冷却过程中只发生一种相变时，其相变温度按照公式(2)计算：
T＝A-Bln(v+C) (2)
其中，T为在连续冷却速度v时发生相变的温度，A，B，C为待定常数，相应的组织百分比按照公式(1)计算；
当连续冷却过程中分别发生两种以上相变时，所建立的相变模型考虑该相变之前每一种相变对后一种相变的影响，并分别为每一种影响相变赋予一定的影响权重。
进一步的，所述步骤1)用于建立模型的相变温度(不同冷却速度对应的相变点，该相变点对应的温度即为相变温度)基础数据的获取方法为：采用相同状态的钢铁试样，在热力模拟试验机上，按照预定的热加工工艺进行实验，采集实验过程中不同冷却速度下的膨胀曲线，根据膨胀曲线得出对应冷却速度下的相变温度；在选择冷却速度时，先选择最小的冷却速度vmin，从所得膨胀曲线上得出转变温度，根据此温度得出发生相变类型；进一步增大冷却速度寻找该类型相变的临界冷却速度vc，若冷却速度增大至研究的最大冷却速度vmax仍找不到该类型相变的临界冷却速度vc，说明在所研究的冷却速度范围内都会发生该类型相变；上述实验中，至少有一个实验的冷却速度在最小冷却速度vmin与临界冷却速度vc之间，以获取足够的基础数据。
进一步的，所述步骤2)用于建立模型组织百分比基础数据的获取方法为：基于步骤1)中，在热力模拟试验机上的实验，对得到的试样进行金相组织观察，确定相变类型，并与步骤1)中预测的相变类型相比较；若二者相变类型一致，则对经过步骤1)中的钢铁试样进行金相组织观察，确定出各个组织的相对百分比；若二者相变类型不一致，则针对该相变类型，重复步骤1)。
进一步的，所述只发生一种相变是指只发生铁素体、珠光体、贝氏体中的一种；所述分别发生两种以上相变是指分别发生铁素体、珠光体、贝氏体中的两种或三种。
进一步的，所述各个组织的相对百分比是通过选取3～5个视场之后取平均确定的。
进一步的，所述分别发生两种相变为铁素体和珠光体，当发生铁素体相变，随后发生珠光体相变，则铁素体相变温度按照公式(2)计算，而珠光体相变温度按照公式(3)计算，
TP＝A1-(B1+λ1fF)ln(v+C1) (3)
其中，TP为珠光体相变温度，λ1为发生铁素体相变时，铁素体对后续珠光体相变的影响权重，A1，B1，C1为待定常数，fF为铁素体组织百分比；铁素体组织百分比fF和珠光体的组织百分比fP均由公式(1)计算得出。
进一步的，所述分别发生两种相变为铁素体和贝氏体，当发生铁素体相变，随后发生贝氏体相变，而未发生珠光体相变，则铁素体相变温度仍按照公式(2)计算，而贝氏体相变温度按照公式(4)计算，
TB＝A2-(B2+λ2fF)ln(v+C2) (4)
其中，TB为贝氏体相变温度，λ2为发生铁素体相变时，铁素体对后续贝氏体相变的影响权重，A2，B2，C2为待定常数，fF为铁素体组织百分比；铁素体组织百分比fF和贝氏体的组织百分比fB均由公式(1)计算得出。
进一步的，所述分别发生两种相变为珠光体和贝氏体，当未发生铁素体相变，只发生珠光体相变和贝氏体相变时，珠光体相变温度按照公式(2)计算，此时，贝氏体的相变温度按照公式(5)计算，
TB＝A3-(B3+λ3fP)ln(v+C3) (5)
其中，TB为贝氏体相变温度，λ3为发生珠光体相变时，珠光体对后续贝氏体相变的影响权重，A3，B3，C3为待定常数，fP为珠光体组织百分比；珠光体组织百分比fP和贝氏体的组织百分比fB均由公式(1)计算得出。
进一步的，所述分别发生三种相变为铁素体、珠光体和贝氏体，铁素体相变温度按照公式(2)计算，珠光体相变温度由公式(3)计算，贝氏体相变温度按照公式(6)计算，
TB＝A4-(B4+λ4fF+λ5fP)ln(v+C4) (6)
其中，TB为贝氏体相变温度，λ4为发生铁素体相变时，铁素体对后续贝氏体相变的影响权重，λ5为发生珠光体相变时，珠光体对后续贝氏体相变的影响权重，A4，B4，C4为待定常数，fF、fP分别为铁素体、珠光体组织百分比；各个组织百分比均由公式(1)计算得出。
进一步的，所述的待定常数，影响权重是利用数据处理软件通过对基础数据回归的方法得到的。
本发明的有益效果是：该连续冷却相变模型是基于实验基础数据之上，根据相变类型和数量进行分类，分别建立相应的模型，该模型综合考虑了相变温度和组织百分比，各相变类型之间的相互影响，能更全面地反映相变特征，以此建立的相变模型更科学，计算结果更准确，回归相关系数R大于0.9750，且所建立的模型参数少，建立过程简单，实用性更强。
具体实施方式
本发明按照实验基础数据确定相变类型，根据相变类型和数量进行分类，分别建立相应的模型。若连续冷却过程中，只发生一种相变，则相变模型按照公式(1)和(2)建立。若连续冷却过程中，分别发生两种相变，这两种相变分别记为第一种相变和第二种相变，在建立第二种相变模型时，本发明考虑了第一种相变的影响，并赋予第一种相变一定影响权重，则应用公式(1)、(2)和(3)，或公式(1)、(2)和(4)，或公式(1)、(2)和(5)建立相应的相变模型。若连续冷却过程中，分别发生三种相变，这三种相变分别记为第一种相变、第二种相变和第三种相变，在建立第二种相变模型时，考虑了第一种相变的影响，并赋予第一种相变一定影响权重；在建立第三种相变模型时，考虑了第一种和第二种相变的影响，并分别赋予第一种和第二种相变影响权重，应用公式(1)、(2)、(3)和(6)建立相应的相变模型。
本发明的保护范围不限于以下实施例，列举这些实施例仅出于示例性目的而不以任何方式限制本发明。
实施例1
实验材料选用纯铁，将其加工成用于一种热力模拟试验机的试样，通过试验机使试样在真空状态下以10℃/s的加热速率加热到1200℃，保温5min之后，降至1000℃，在该温度下以10/s速率，20％变形量将试样压缩，然后分别以0.2℃/s，0.5℃/s，1℃/s，3℃/s，5℃/s，10℃/s，30℃/s冷速将试样冷却到室温。
从实验中测得试样的膨胀曲线，从曲线上分析只发生铁素体相变一种，在所研究冷却速度范围内未测出铁素体临界冷却速度。表1给出了不同冷却速度下的相变温度值，F为铁素体。将经过模拟后的试样进行磨光、抛光，腐蚀等过程后，进行金相组织观察，选择3个视场，发现均为铁素体组织。
表1连续冷却相变温度℃
由于所用纯铁在所设定的冷却速度范围内发生的相变组织均为铁素体一种相变。铁素体相变温度由公式(2)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)进行非线性拟合回归分析，得到的回归系数列于表2，F为铁素体，A、B、C为待定常数，R为相关系数。
表2铁素体相变温度回归系数
实施例2
实验材料选用一种易切削钢，并加工成用于一种热力模拟试验机的试样，通过试验机使试样在真空状态下以10℃/s的加热速率加热到1180℃，保温5min之后，降至1000℃，在该温度下均以10/s速率，20％变形量将试样压缩，然后分别以0.2℃/s，0.5℃/s，1℃/s，5℃/s，10℃/s，30℃/s冷速将试样冷却到室温。
从实验中测得试样的膨胀曲线，从曲线上分析不同相变类型的相变温度，表3给出了不同相变的相变温度值，表3中F为铁素体，P为珠光体。在所研究冷却速度范围内未测出铁素体或珠光体临界冷却速度。将经过模拟后的试样进行磨光、抛光，腐蚀等过程后，进行金相组织观察，选择5个视场，计算各个组织的百分比，并将结果记录在表4中，表4中F为铁素体，P为珠光体。
表3连续冷却相变温度℃
表4各个相变组织百分比％
由于所用材料在所设定的冷却速度范围内发生的相变组织为铁素体和珠光体两种相变。铁素体组织百分比和相变温度分别由公式(1)、(2)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)进行非线性拟合回归分析，得到的回归系数结果分别列于表5，表6。表中F为铁素体，P为珠光体，a、b、c、A、B、C为待定常数，R为相关系数。
表5各个相变组织百分比回归系数
表6铁素体相变温度回归系数
基于表3数据，由于在珠光体相变之前，发生了铁素体相变，因此基于公式(3)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)对珠光体相变温度进行非线性拟合回归分析，得到的回归系数列于表7，P为珠光体，A1、B1、C1为待定常数，λ1为影响权重，R为相关系数。
表7珠光体相变温度回归系数
实施例3
实验材料选用一种低碳微合金钢，并加工成用于一种热力模拟试验机的试样，通过试验机使试样在真空状态下以10℃/s的加热速率加热到1180℃，保温5min之后，降至1000℃，在该温度下均以10/s速率，20％变形量将试样压缩，然后分别以0.2℃/s，0.5℃/s，1℃/s，3℃/s，10℃/s，20℃/s冷速将试样冷却到室温。
从实验中测得试样的膨胀曲线，从曲线上分析不同相变类型的相变温度，表8给出了不同相变的相变温度值，表8中F为铁素体，B为贝氏体。在所研究冷却速度范围内测得铁素体临界冷却速度为1.3℃/s。将经过模拟后的试样进行磨光、抛光，腐蚀等过程后，进行金相组织观察，选择4个视场，计算各个组织的百分比，并将结果记录在表9中，表9中F为铁素体，B为贝氏体。
表8连续冷却相变温度℃
表9各个相变组织百分比％
由于所用材料在所设定的冷却速度范围内发生的相变组织为铁素体和贝氏体两种相变。铁素体组织百分比和相变温度分别由公式(1)、(2)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)进行非线性拟合回归分析，得到的回归系数结果分别列于表10，表11。表中F为铁素体，B为贝氏体，a、b、c、A、B、C为待定常数，R为相关系数。
表10各个相变组织百分比回归系数
表11铁素体相变温度回归系数
基于表8数据，由于在贝氏体相变之前，发生了铁素体相变，因此基于公式(4)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)对贝氏体相变温度进行非线性拟合回归分析，得到的回归系数列于表12，B为贝氏体，A2、B2、C2为待定常数，λ2为影响权重，R为相关系数。
表12贝氏体相变温度回归系数
实施例4
实验材料选用一种高碳低合金钢，并加工成用于一种热力模拟试验机的试样，通过试验机使试样在真空状态下以10℃/s的加热速率加热到1180℃，保温5min之后，降至1000℃，在该温度下均以10/s速率，20％变形量将试样压缩，然后分别以0.2℃/s，0.5℃/s，1℃/s，3℃/s，10℃/s，20℃/s冷速将试样冷却到室温。
从实验中测得试样的膨胀曲线，从曲线上分析不同相变类型的相变温度，表13给出了不同相变的相变温度值，表13中P为珠光体，B为贝氏体。在所研究冷却速度范围内测得珠光体临界冷却速度为3.5℃/s。将经过模拟后的试样进行磨光、抛光，腐蚀等过程后，进行金相组织观察，选择5个视场，计算各个组织的百分比，并将结果记录在表14中，表14中P为珠光体，B为贝氏体。
表13连续冷却相变温度℃
表14各个相变组织百分比％
由于所用材料在所设定的冷却速度范围内发生的相变组织为珠光体和贝氏体两种相变。珠光体组织百分比和相变温度分别由公式(1)、(2)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)进行非线性拟合回归分析，得到的回归系数结果分别列于表15，表16。表中P为珠光体，B为贝氏体，a、b、c、A、B、C为待定常数，R为相关系数。
表15各个相变组织百分比回归系数
表16珠光体相变温度回归系数
基于表13数据，由于在贝氏体相变之前，发生了珠光体相变，因此基于公式(5)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)对贝氏体相变温度进行非线性拟合回归分析，得到的回归系数列于表17，B为贝氏体，A3、B3、C3为待定常数，λ3为影响权重，R为相关系数。
表17贝氏体相变温度回归系数
实施例5
实验材料选用一种低合金钢，并加工成用于一种热力模拟试验机的试样，通过试验机使试样在真空状态下以10℃/s的加热速率加热到1180℃，保温5min之后，分别降至1000℃、900℃，在该温度下均以10/s速率，20％变形量将试样压缩，然后分别以0.2℃/s，0.5℃/s，1℃/s，2℃/s，3℃/s，5℃/s，10℃/s，20℃/s冷速将试样冷却到室温。
从实验中测得试样的膨胀曲线，从曲线上分析不同相变类型的相变温度，表18给出了不同相变的相变温度值，表18中F为铁素体，P为珠光体，B为贝氏体。在所研究冷却速度范围内测得铁素体、珠光体临界冷却速度分别为2.5℃/s、1.3℃/s。将经过模拟后的试样进行磨光、抛光，腐蚀等过程后，进行金相组织观察，选择3个视场，计算各个组织的相对百分比，并将结果记录在表19中，表19中F为铁素体，P为珠光体，B为贝氏体。
表18连续冷却相变温度℃
表19各个相变组织百分比％
通过金相组织观察，可知涉及到的相变类型为铁素体、珠光体和贝氏体。采用公式(1)计算各个相变组织百分比。应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)进行回归分析，可以得到公式(1)中的各个系数，各个相变组织百分比回归系数列于表20，表20中F为铁素体，P为珠光体，B为贝氏体，a、b、c为待定常数，R为相关系数。
表20各个相变组织百分比回归系数
由于所用低合金钢在所设定的冷却速度范围内发生的相变组织类型为：铁素体，珠光体和贝氏体。铁素体相变温度由公式(2)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)进行回归分析，得到的回归系数列于表21，F为铁素体，A、B、C为待定常数，R为相关系数。
表21铁素体相变温度回归系数
基于表18数据，由于在珠光体相变之前，发生了铁素体相变，因此采用公式(3)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)对珠光体相变温度进行回归分析，得到的回归系数列于表22，F为铁素体，A1、B1、C1为待定常数，λ1为影响权重，R为相关系数。
表22珠光体相变温度回归系数
基于表18数据，由于在贝氏体相变前，分别发生了铁素体相变和珠光体相变，因此采用公式(6)应用Origin数据处理软件(也可以用MATLAB或MINTAB等数据处理软件)对贝氏体相变温度进行回归分析，得到的回归系数列于表23，B为铁素体，A4、B4、C4为待定常数，λ4、λ5为影响权重，R为相关系数。
表23贝氏体相变温度回归系数
Claims (10)
1.一种建立钢铁材料的连续冷却相变模型的方法，包括以下步骤：
1)获取用于建立模型的相变温度基础数据；
2)获取用于建立模型的组织百分比基础数据；
3)基于步骤1)和步骤2)中获得的基础数据建立相应的相变模型，步骤2)中确定的组织百分比与冷却速度的关系用公式(1)表示如下：
f＝1-exp[a(v-b)c] (1)
其中，f为组织的百分比，v为连续冷却速度，a，b，c为待定常数；
其特征在于，当连续冷却过程中只发生一种相变时，其相变温度按照公式(2)计算：
T＝A-Bln(v+C) (2)
其中，T为在连续冷却速度v时发生相变的温度，A，B，C为待定常数，相应的组织百分比按照公式(1)计算；
当连续冷却过程中分别发生两种以上相变时，所建立的相变模型考虑该相变之前每一种相变对后一种相变的影响，并分别为每一种影响相变赋予一定的影响权重。
2.根据权利要求1所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述步骤1)用于建立模型的相变温度基础数据的获取方法为：采用相同状态的钢铁试样，在热力模拟试验机上，按照预定的热加工工艺进行实验，采集实验过程中不同冷却速度下的膨胀曲线，根据膨胀曲线得出对应冷却速度下的相变温度；在选择冷却速度时，先选择最小的冷却速度vmin，从所得膨胀曲线上得出转变温度，根据此温度得出发生相变类型；进一步增大冷却速度寻找该类型相变的临界冷却速度vc，若冷却速度增大至研究的最大冷却速度vmax仍找不到该类型相变的临界冷却速度vc，说明在所研究的冷却速度范围内都会发生该类型相变；上述实验中，至少有一个实验的冷却速度在最小冷却速度vmin与临界冷却速度vc之间，以获取足够的基础数据。
3.根据权利要求2所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述步骤2)用于建立模型组织百分比基础数据的获取方法为：基于步骤1)中，在热力模拟试验机上的实验，对得到的试样进行金相组织观察，确定相变类型，并与步骤1)中预测的相变类型相比较；若二者相变类型一致，则对经过步骤1)中的钢铁试样进行金相组织观察，确定出各个组织的相对百分比；若二者相变类型不一致，则针对该相变类型，重复步骤1)。
4.根据权利要求1～3任意一项所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述只发生一种相变是指只发生铁素体、珠光体、贝氏体中的一种；所述分别发生两种以上相变是指分别发生铁素体、珠光体、贝氏体中的两种或三种。
5.根据权利要求1～3任意一项所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述各个组织的相对百分比是通过选取3～5个视场之后取平均确定的。
6.根据权利要求1～3任意一项所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述分别发生两种相变为铁素体和珠光体，当发生铁素体相变，随后发生珠光体相变，则铁素体相变温度按照公式(2)计算，而珠光体相变温度按照公式(3)计算，
TP＝A1-(B1+λ1fF)ln(v+C1) (3)
其中，TP为珠光体相变温度，λ1为发生铁素体相变时，铁素体对后续珠光体相变的影响权重，A1，B1，C1为待定常数，fF为铁素体组织百分比；铁素体组织百分比fF和珠光体的组织百分比fP均由公式(1)计算得出。
7.根据权利要求1～3任意一项所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述分别发生两种相变为铁素体和贝氏体，当发生铁素体相变，随后发生贝氏体相变，而未发生珠光体相变，则铁素体相变温度仍按照公式(2)计算，而贝氏体相变温度按照公式(4)计算，
TB＝A2-(B2+λ2fF)ln(v+C2) (4)
其中，TB为贝氏体相变温度，λ2为发生铁素体相变时，铁素体对后续贝氏体相变的影响权重，A2，B2，C2为待定常数，fF为铁素体组织百分比；铁素体组织百分比fF和贝氏体的组织百分比fB均由公式(1)计算得出。
8.根据权利要求1～3任意一项所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述分别发生两种相变为珠光体和贝氏体，当未发生铁素体相变，只发生珠光体相变和贝氏体相变时，珠光体相变温度按照公式(2)计算，此时，贝氏体的相变温度按照公式(5)计算，
TB＝A3-(B3+λ3fP)ln(v+C3) (5)
其中，TB为贝氏体相变温度，λ3为发生珠光体相变时，珠光体对后续贝氏体相变的影响权重，A3，B3，C3为待定常数，fP为珠光体组织百分比；珠光体组织百分比fP和贝氏体的组织百分比fB均由公式(1)计算得出。
9.根据权利要求1～3任意一项所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述分别发生三种相变为铁素体、珠光体和贝氏体，铁素体相变温度按照公式(2)计算，珠光体相变温度由公式(3)计算，贝氏体相变温度按照公式(6)计算，
TB＝A4-(B4+λ4fF+λ5fP)ln(v+C4) (6)
其中，TB为贝氏体相变温度，λ4为发生铁素体相变时，铁素体对后续贝氏体相变的影响权重，λ5为发生珠光体相变时，珠光体对后续贝氏体相变的影响权重，A4，B4，C4为待定常数，fF、fP分别为铁素体、珠光体组织百分比；各个组织百分比均由公式(1)计算得出。
10.根据权利要求1或6～9任一项所述的一种建立钢铁材料的连续冷却相变模型的方法，其特征在于，所述的待定常数，影响权重是利用数据处理软件通过对基础数据回归的方法得到的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110276597.2A CN113063813B (zh) | 2021-03-15 | 2021-03-15 | 一种建立钢铁材料的连续冷却相变模型的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110276597.2A CN113063813B (zh) | 2021-03-15 | 2021-03-15 | 一种建立钢铁材料的连续冷却相变模型的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113063813A true CN113063813A (zh) | 2021-07-02 |
| CN113063813B CN113063813B (zh) | 2023-11-10 |
Family
ID=76561485
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110276597.2A Active CN113063813B (zh) | 2021-03-15 | 2021-03-15 | 一种建立钢铁材料的连续冷却相变模型的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113063813B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02290916A (ja) * | 1989-02-03 | 1990-11-30 | Nippon Steel Corp | 熱間圧延鋼材の製造方法及びその材質予測方法 |
| JPH1121626A (ja) * | 1997-07-04 | 1999-01-26 | Nippon Steel Corp | 材質予測に基づいた熱間圧延鋼板の製造方法 |
| CN109470734A (zh) * | 2018-09-30 | 2019-03-15 | 昆明理工大学 | 一种计算马氏体组织转变量及相变点的方法 |
-
2021
- 2021-03-15 CN CN202110276597.2A patent/CN113063813B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02290916A (ja) * | 1989-02-03 | 1990-11-30 | Nippon Steel Corp | 熱間圧延鋼材の製造方法及びその材質予測方法 |
| JPH1121626A (ja) * | 1997-07-04 | 1999-01-26 | Nippon Steel Corp | 材質予測に基づいた熱間圧延鋼板の製造方法 |
| CN109470734A (zh) * | 2018-09-30 | 2019-03-15 | 昆明理工大学 | 一种计算马氏体组织转变量及相变点的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 蔡恒君 等: "低碳低合金高强钢的连续转变行为及其相变模型", 《材料热处理学报》, vol. 36, no. 3, pages 214 - 219 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113063813B (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Modelling of constitutive relationship, dynamic recrystallization and grain size of 40Cr steel during hot deformation process | |
| Chen et al. | The kinetics of dynamic recrystallization of 42CrMo steel | |
| KR20160105464A (ko) | 미세조직 시뮬레이터, 모니터 및/또는 모델을 이용한, 열연 및 후판 공장에서 금속 강 합금 및 철 합금의 최적 제조 방법 | |
| CN1330930C (zh) | 轧制过程钢板内部组织晶粒尺寸的软测量方法 | |
| CN102122324A (zh) | 热轧棒线材力学性能预报方法 | |
| CN108570627A (zh) | 一种生产不同屈服强度级别的冷轧dp980钢的方法 | |
| CN104238498A (zh) | 热连轧管线钢组织及力学性能预测的方法 | |
| Lan et al. | Serrated flow and dynamic strain aging in Fe-Mn-C TWIP steel | |
| CN117494531B (zh) | 一种基于有限元和XGBoost算法的中碳钢脱碳深度预测方法 | |
| Du et al. | Construction of a machine-learning-based prediction model for mechanical properties of ultra-fine-grained Fe–C alloy | |
| CN115815345A (zh) | 预测全流程热轧带钢力学性能的机理协同预报方法及系统 | |
| CN1641356B (zh) | 硬线产品显微组织与力学性能预报系统 | |
| Seppälä et al. | In-situ SEM characterization and numerical modelling of bainite formation and impingement of a medium-carbon, low-alloy steel | |
| OUCHI et al. | Hot deformation strength of austenite during controlled rolling in a plate mill | |
| CN113063813A (zh) | 一种建立钢铁材料的连续冷却相变模型的方法 | |
| WO2021080470A1 (ru) | Способ производства проката из стали | |
| Yu et al. | Microstructural research on hot strips of low carbon steel produced by a compact strip production line under different thermal histories | |
| RU2752518C1 (ru) | Способ эксплуатации отжигательной печи | |
| CN109500099B (zh) | 一种对低碳钢dsit轧制工艺进行优化的实验方法 | |
| Kuziak et al. | Bainitic steels as alternative for conventional carbon-manganese steels in manufacturing of fasteners-simulation of production chain | |
| Perlade et al. | Application of microstructural modelling for quality control and process improvement in hot rolled steels | |
| Singh et al. | Predicting microstructural evolution and yield strength of microalloyed hot rolled steel plate | |
| CN104673992A (zh) | 一种棒材生产线控制冷却工艺的控制方法和装置 | |
| JP2509487B2 (ja) | 鋼板の材質予測方法 | |
| Zhong et al. | Experimental microstructure evolution and cutting simulation for dynamic mechanical behaviors of 18CrNiMo7-6 steel considering heat treatment conditions |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |