CN113409894B - 一种近α型钛合金航空模锻件微观组织变化的预测方法 - Google Patents
一种近α型钛合金航空模锻件微观组织变化的预测方法 Download PDFInfo
- Publication number
- CN113409894B CN113409894B CN202110622623.2A CN202110622623A CN113409894B CN 113409894 B CN113409894 B CN 113409894B CN 202110622623 A CN202110622623 A CN 202110622623A CN 113409894 B CN113409894 B CN 113409894B
- Authority
- CN
- China
- Prior art keywords
- microstructure
- alpha phase
- alpha
- die forging
- change
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D11/00—Process control or regulation for heat treatments
-
- C—CHEMISTRY; METALLURGY
- C21—METALLURGY OF IRON
- C21D—MODIFYING THE PHYSICAL STRUCTURE OF FERROUS METALS; GENERAL DEVICES FOR HEAT TREATMENT OF FERROUS OR NON-FERROUS METALS OR ALLOYS; MAKING METAL MALLEABLE, e.g. BY DECARBURISATION OR TEMPERING
- C21D9/00—Heat treatment, e.g. annealing, hardening, quenching or tempering, adapted for particular articles; Furnaces therefor
- C21D9/0075—Heat treatment, e.g. annealing, hardening, quenching or tempering, adapted for particular articles; Furnaces therefor for rods of limited length
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22F—CHANGING THE PHYSICAL STRUCTURE OF NON-FERROUS METALS AND NON-FERROUS ALLOYS
- C22F1/00—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working
- C22F1/16—Changing the physical structure of non-ferrous metals or alloys by heat treatment or by hot or cold working of other metals or alloys based thereon
- C22F1/18—High-melting or refractory metals or alloys based thereon
- C22F1/183—High-melting or refractory metals or alloys based thereon of titanium or alloys based thereon
-
- 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]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Thermal Sciences (AREA)
- Materials Engineering (AREA)
- Mechanical Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Forging (AREA)
Abstract
本发明提供一种近α型钛合金航空模锻件微观组织变化的预测方法,其包括以下步骤:S1、材料在不同工艺条件下的微观组织测定;S2、通过统计分析不同处理工艺下试件心部的微观组织,特别是初生α相的含量变化;S3、建立初生α相变化的预测模型;S4、模锻试验;S5、基于初生α相变化的预测模型,通过有限元数值模拟分析,实现近α钛合金模锻件微观组织变化的可视化预测。本发明建立的一种近α型钛合金航空模锻件微观组织变化的预测方法,可以有效的预测近α钛合金坯料在高温模锻后的初生α相的分布规律及因动态相变所消耗的初生α相的含量,实现微观组织中初生α相变化的可视化预测。
Description
技术领域
本发明属于钛合金锻件锻造成形微观组织预测模型技术领域,涉及了一种近α型钛合金航空模锻件微观组织变化的预测方法。
背景技术
钛合金是一种极其重要的轻质结构材料,具有比强度高、耐腐蚀性好、高低温性能良好等突出特点,在航空、航天、航海及医疗等领域有非常重要的应用价值和广阔的应用前景。随着航空工业的迅猛发展,对飞机的综合性能要求越来越高,且对其组成构件需求量也日益增大。而为满足飞机轻量轻质化的要求,飞机的结构件,尤其是承力结构件通常采用钛合金经高温锻造成形。钛合金模锻件的使用场合要求其具有良好的力学性能,因此,对其微观组织提出了严格的要求。如采用近α型TA15钛合金制成的航空模锻件,在使用时要求其内的初生α相体积分数需接近20%。
近些年,相关领域学者发现钛合金在两相区进行热变形时会出现一种特殊的现象,即动态相变。动态相变指的是钛合金在两相区进行热变形时初生α相转变成β相,这是一种偏离变形温度下的非平衡状态。钛合金模锻件在热模锻时发生动态相变会使其内初生α相含量偏低,严重时甚至完全消失,对模锻件的生产使用造成不可估量的损失。
钛合金模锻件的成形工艺决定其微观组织,而微观组织对其力学性能起到决定性作用。锻造温度、变形量及变形速度是影响钛合金模锻件微观组织最重要的三个因素,而钛合金模锻件锻造前的保温时间对锻后微观组织影响往往被忽略。尤其是(超)大型航空模锻件,其原始坯料表层至心部达到指定锻造温度存在一定的时间梯度,因此,会造成钛合金模锻件成形后各部位微观组织出现不可确定性。
因此,急需发明一种评价近α型钛合金航空锻件微观组织变化的预测方法,从而获得钛合金模锻件微观组织的演变规律,进而为实际生产提供指导。
发明内容
为了克服现有技术的缺陷,本发明的目的在于提供一种近α型钛合金航空模锻件微观组织变化的预测方法,该方法可以有效地预测钛合金模锻件不同位置的初生α相的含量及热模锻过程中减少初生α相的含量,解决了因发生动态相变造成一系列问题,进而能够为钛合金模锻件的变形工艺提供优化思路,增加锻件成品率,降低生产成本,提高生产效率。
具体地,本发明提供一种近α型钛合金航空模锻件微观组织变化的预测方法,其特征在于:其具体步骤如下:
S1、将材料在不同工艺条件下进行切面心部的微观组织测定,并对切面心部微观组织中的初生α相进行分析;
S2、通过统计分析步骤S1中不同处理工艺下试件心部的微观组织以及初生α相的含量变化;
S3、建立初生α相变化的预测模型,其包括以下步骤:
S31、建立热处理后初生α相含量的预测模型:
基于步骤S2中关于不同热处理工后初生α相的统计结果,利用经典的JMA理论,JMA理论如表达式(1)所示,确定热处理后初生α相剩余含量ωΗΤ-α(t)与保温温度T及加热时间t之间的关系,如表达式(2)所示;
ωα(t)=1-exp[-(kt)n] (1)
其中,k为速率系数,与试验温度有关,t为试验的有效时间,n为模型系数,T为试验温度,单位K;
S32、建立变形过程中因动态相变所消耗的初生α相的预测模型:
S33、建立高温变形后剩余初生α相含量的预测模型:
ωα=100ωHT-α+ωDT-α (4)
S4、模锻试验:进行模锻试验,获取模锻后相关数据;
S5、基于初生α相变化的预测模型,通过有限元数值模拟分析并与步骤S4的模锻试验结果进行对比,实现近α钛合金模锻件微观组织变化的可视化预测。
优选地,步骤S1具体包括以下子步骤:
S11、热处理试验:采用线切割从近α型钛合金锻棒获取若干样品,将样品在箱式炉中进行热处理试验,温度从900℃-1000℃区间内选取3个以上的离散温度点,保温时间为0-180min;
S12、高温压缩试验:采用线切割从近α型钛合金锻棒获取若干样品,将样品在热模拟试验机上进行高温压缩试验,温度从900℃-1000℃区间内选取3个以上的离散温度点,保温时间为10min,变形速率为0.001s-1-10s-1,变形量为0-70%;
S13、确定不同工艺条件下的显微组织特性:将不同工艺条件下的样品沿径向分离,呈半圆柱状,对切面心部进行微观组织分析,并对切面心部微观组织中的初生α相进行分析。
优选地,步骤S11进行不同工艺下的热处理试验,步骤S12进行不同变形工艺下的热压缩试验,步骤S13将步骤S11与步骤S12中的样品进行显微组织处理。
优选地,步骤S32具体步骤如下:
S321、基于步骤S3中公式(2)所获得的因发生静态相变后剩余初生α相含量及步骤S1和S2中高温压缩后微观组织中因发生动态相变所剩余初生α相含量获得相同变形时间及变形温度下的初生α相含量;
优选地,步骤S4中模锻试验坯料规格45×45×90mm,锻造温度930-960℃,压机下压速度为1.5-1.7mm/s,锻造完成时欠压量2.5-3mm
与现有技术相比,本发明具有以下有益效果:
本发明提供一种近α型钛合金航空模锻件微观组织变化的预测方法,该方法能够有效地预测钛合金模锻件不同位置的初生α相的含量及热模锻过程中减少初生α相的含量,解决了因发生动态相变造成一系列问题,进而能够为钛合金模锻件的变形工艺提供优化思路,增加锻件成品率,降低生产成本,提高生产效率,减少人力物力的浪费。
附图说明
图1为本发明的动态相变消耗初生α相含量示意图;
图2为本发明实施例960℃保温不同时间后的初生α相含量变化示意图;
图3a-图3d分别为本发明实施例960℃不同应变速率下微观组织的结构示意图;
图4为本发明实施例锻造完成后的锻件的示意图;
图5为本发明实施例模拟完成后初生α相含量分布及取点图;
图6为本发明实施例初生α相含量实际锻造试验值与有限元模拟值对比示意图。
具体实施方式
以下将参考附图详细说明本发明的示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
本发明提供一种近α型钛合金航空模锻件微观组织变化的预测方法,其具体步骤如下:
S1、材料在不同工艺条件下的微观组织测定,其包括以下子步骤:
S11、热处理试验:采用线切割从近α型钛合金锻棒获取若干样品,将样品在箱式炉中进行热处理试验,温度从900℃-1000℃区间内选取3个以上的离散温度点,保温时间为0-180min;
S12、高温压缩试验:采用线切割从近α型钛合金锻棒获取若干样品,将样品在热模拟试验机上进行高温压缩试验,温度从900℃-1000℃区间内选取3个以上的离散温度点,保温时间为10min,变形速率为0.001s-1-10s-1,变形量为0-70%;
S13、确定不同工艺条件下的显微组织特性:将不同工艺条件下的样品沿径向分离,呈半圆柱状,对切面心部进行微观组织分析;
S2、通过统计分析步骤S1中不同处理工艺下试件心部的微观组织以及初生α相的含量变化;
S3、建立初生α相变化的预测模型,其包括以下步骤:
S31、建立热处理后初生α相含量的预测模型:
基于步骤S2中关于不同热处理工艺后初生α相的统计结果,利用经典的JMA理论,JMA理论如表达式(1)所示,确定热处理后初生α相剩余含量ωΗΤ-α(t)与保温温度T及加热时间t之间的关系,如表达式(2)所示;
ωα(t)=1-exp[-(kt)n] (1)
S32、建立变形过程中因动态相变所消耗的初生α相的预测模型:
S33、建立高温变形后剩余初生α相含量的预测模型:
ωα=100ωHT-α+ωDT-α (4)
基于步骤S3中公式(2)所获得因发生静态相变剩余初生α相含量及步骤S1和S2中高温压缩后微观组织中因发生动态相变所剩余初生α相含量可以获得相同变形时间及变形温度下的初生α相含量,如图1所示,同时分析这些值与应变速率之间的关系,获得关于高温压缩试验后因动态相变所消耗的初生α相含量模型,为后续模拟提供依据,和应变速率间关系模型如表达式(3)所示。
S4、模锻试验:进行模锻试验,获取模锻后相关数据;
S5、基于初生α相变化的预测模型,通过有限元数值模拟分析并与步骤S4的模锻试验结果进行对比,实现近α钛合金模锻件微观组织变化的可视化预测。
具体实施例
具体地,本发明提供一种评价近α型钛合金模锻件微观组织变化的预测方法,步骤如下:
S1、材料在不同工艺条件下的微观组织测定:
①热处理试验
将若干规格为Φ10×15mm的钛合金圆柱样品进行热处理试验。
热处理制度:将箱式炉升温至指定温度,随后将样品置入箱式炉中至温度稳定后开始计时。热处理温度为900℃、940℃、960℃、980℃,热处理时间为0min、5min、10min、30min、60min、120min、180min。热处理完毕后空冷。
将空冷后样品沿径向切开,用于后续观察心部显微组织,统计量化值。图2是960℃保温不同时间后的初生α相含量变化。
目的是获得不同热处理工艺下的初生α相含量变化,为建立热处理后初生α相含量的量化预测模型提供数据。
②高温压缩试验
高温压缩试验在热模拟试验机上进行,变形温度与热处理温度一致,变形量60%,变形速率0.001s-1-1s-1。变行完成后空冷至室温。
目的是获得不同变形工艺下初生α相含量变化,为建立变形过程中因动态相变所消耗的初生α相的量化预测模型提供数据支撑。
其具体包括以下步骤:
从近α型钛合金锻棒上切取若干规格为Φ10×15mm的样品,采用点焊机沿样品高度方向的中间位置焊接铂/铑电偶丝,用以与计算机反馈信号及获取流变曲线。高温压缩前在样品端部均匀覆盖高温润滑剂,随后将厚度为1mm的钽片及厚度为0.1mm的石墨片粘贴在样品两端用以降低硬质合金压头与样品间的摩擦力,目的是保证样品在高温变形过程中的均匀性与稳定性。样品置入热模拟试验机工作仓后,对工作仓抽真空至约0.01torr,随后充入氩气。
样品快速升温至指定变形温度,随后保温10min,然后按照预设应变进行不同应变速率的变形。变形完成后空冷至室温。升温速度10℃/s,变形温度900℃、940℃、960℃、980℃,应变速率0.001s-1、0.01s-1、0.1s-1及1s-1,变形量0-70%。
将空冷后样品沿径向切开,用于后续观察心部显微组织,统计量化值。图3是960℃不同应变速率下微观组织。
③确定不同工艺下样品的微观组织特性
对上述热处理试验及高温压缩试验后样品进行微观组织分析。
其具体实施步骤:
将前述切好的样品,一半用以保存原始数据,另一半采用150-2500#的砂纸进行研磨,随后采用机械化学抛光,抛光剂为过氧化氢与碱性硅溶胶混合悬浊液。抛光后采用氢氟酸、硝酸及水的混合溶液浸蚀约9s。样品微观组织采用金相显微镜获取。
S2、通过统计分析不同处理工艺后样品心部的微观组织,尤其是初生α相含量。
表1是统计960℃保温不同时间后初生α相含量,表2是统计960℃不同应变速率因动态相变消耗初生α相的含量。
表1 960℃保温不同时间后初生α相含量
表2 960℃不同应变速率下动态相变消耗初生α相含量
S3、建立初生α相的量化预测模型
基于步骤S2中关于不同热处理工后初生α相的统计结果,利用经典的JMA理论,即表达式(1),确定热处理后初生α相剩余含量(记为静态相变)ωΗΤ-α(t)与保温温度T及加热时间t之间的关系,如表达式(2);
ωα(t)=1-exp[-(kt)n] (1)
基于步骤S3中热处理后初生α相剩余含量(记为静态相变)ωΗΤ-α(t)与高温压缩试验后获得因动态相变所消耗的初生α相的量获得混合相变后初生α相剩余量ωα,该模型考虑到变形温度,应变速率及变形时间,如表达式(4);
ωα=100ωHT-α+ωDT-α (4)
S4、模锻试验
具体实施步骤:
模锻试验坯料规格45×45×90mm,锻造温度960℃,压机下压速度约1.6mm/s,锻造完成时欠压量3mm。
模锻前坯料在箱式炉中保温超过30min,装炉前坯料表层均匀涂抹高温玻璃防护剂并包裹隔热棉,防止模锻时温降过快。锻造时模具预热至300℃左右,在坯料装入模具前下模型腔提前垫上垫有厚度3mm的石墨片,装入坯料后其上表面也加垫厚石墨。图4是锻造完成后的锻件。
S5、近α型钛合金航空模锻件微观组织变化的可视化预测
基于步骤S3中初生α相变化的预测模型,通过有限元数值模拟分析,实现近α钛合金模锻件微观组织变化的可视化预测。该模型可以对近α型钛合金航空模锻件微观组织进行预测,并给出相关系数和误差,可以验证模型的准确性。将模型输出结果与实际锻造结果进行对比,见图5、表3和表4。误差分析结果表明模型获得的初生α相含量与实际锻造后初生α相含量平均相对误差绝对值为2.46%,如图6所示。该模型可以对近α型钛合金航空模锻件微观组织变化进行预测,且验证了模型的准确性。
表3实际锻件和模拟预测的初生α相含量对比
表3实际锻件和模拟预测的初生α相含量对比
具体实施步骤:
建立三维造型。采用CATIA绘制上下模具及坯料,并另存为DEFORM-3D软件可以识别的stl文件,随后在有限元软件中进行相关设置,最后生成DB文件进行模拟。
确定材料参数及成形工艺。从有限元软件材料库中选择合适的本构方程,设置近α型钛合金密度为4.5×103kg/m3,热传导系数取11N/sec/mm/℃,热扩散系数取0.02W/(m·℃)。上下模均为可传热的刚体,其材料选H-13,预热温度300-350℃,摩擦系数为0.3,
微观组织可视化。将前述预测模型(即表达式(2)、表达式(3)及表达式(4))采用FORTRAN语言嵌入有限元用户自定义模块,建立USER模块,进而实现近α型钛合金航空模锻件微观组织的可视化预测,再与实际锻造试验结果相对比对其进行验证,如图5所示。
与现有技术相比,本发明具有以下有益效果:
建立一种近α型钛合金航空模锻件微观组织变化的预测方法,可以有效的预测近α钛合金坯料在高温模锻后的初生α相的分布规律及因动态相变所消耗的初生α相的含量。该预测方法对钛合金热成形具有十分重要的参考价值,根据此预测方法,能够为钛合金模锻件的变形工艺提供优化思路,降低生产成本,提高生产效率,进而增加锻件成品率。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种近α型钛合金航空模锻件微观组织变化的预测方法,其特征在于:其具体步骤如下:
S1、将材料在不同工艺条件下进行切面心部的微观组织测定,并对切面心部微观组织中的初生α相进行分析;
S2、通过统计分析步骤S1中不同处理工艺下试件心部的微观组织以及初生α相的含量变化;
S3、建立初生α相变化的预测模型,其包括以下步骤:
S31、建立热处理后初生α相含量的预测模型:
基于步骤S2中关于不同热处理工后初生α相的统计结果,利用经典的JMA理论,JMA理论如式(1)所示,确定热处理后得到的静态相变初生α相剩余含量ωΗΤ-α(t)与保温温度T及加热时间t之间的关系,如式(2)所示;
ωα(t)=1-exp[-(kt)n] (1)
其中,k为速率系数,与试验温度有关,t为试验的有效时间,n为模型系数,T为试验温度,单位K;
S32、建立变形过程中因动态相变所消耗的初生α相的预测模型:
S33、建立高温变形后剩余初生α相含量的预测模型:
ωα=100ωHT-α+ωDT-α (4)
S4、模锻试验:进行模锻试验,获取模锻后相关数据;
S5、基于初生α相变化的预测模型,通过有限元数值模拟分析并与步骤S4的模锻试验结果进行对比,实现近α钛合金模锻件微观组织变化的可视化预测。
2.根据权利要求1所述的近α型钛合金航空模锻件微观组织变化的预测方法,其特征在于:步骤S1具体包括以下子步骤:
S11、热处理试验:采用线切割从近α型钛合金锻棒获取若干样品,将样品在箱式炉中进行热处理试验,温度从900℃-1000℃区间内选取3个以上的离散温度点,保温时间为0-180min;
S12、高温压缩试验:采用线切割从近α型钛合金锻棒获取若干样品,将样品在热模拟试验机上进行高温压缩试验,温度从900℃-1000℃区间内选取3个以上的离散温度点,保温时间为10min,变形速率为0.001s-1-10s-1,变形量为0-70%;
S13、确定不同工艺条件下的显微组织特性:将不同工艺条件下的样品沿径向分离,呈半圆柱状,对切面心部进行微观组织分析,并对切面心部微观组织中的初生α相进行分析。
3.根据权利要求2所述的近α型钛合金航空模锻件微观组织变化的预测方法,其特征在于:步骤S11进行不同工艺下的热处理试验,步骤S12进行不同变形工艺下的热压缩试验,步骤S13将步骤S11与步骤S12中的样品进行显微组织处理。
5.根据权利要求1所述的近α型钛合金航空模锻件微观组织变化的预测方法,其特征在于:步骤S4中模锻试验坯料规格45×45×90mm,锻造温度930-960℃,压机下压速度为1.5-1.7mm/s,锻造完成时欠压量2.5-3mm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110622623.2A CN113409894B (zh) | 2021-06-04 | 2021-06-04 | 一种近α型钛合金航空模锻件微观组织变化的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110622623.2A CN113409894B (zh) | 2021-06-04 | 2021-06-04 | 一种近α型钛合金航空模锻件微观组织变化的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113409894A CN113409894A (zh) | 2021-09-17 |
CN113409894B true CN113409894B (zh) | 2022-03-15 |
Family
ID=77676318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110622623.2A Active CN113409894B (zh) | 2021-06-04 | 2021-06-04 | 一种近α型钛合金航空模锻件微观组织变化的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113409894B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836715B (zh) * | 2021-09-22 | 2023-11-10 | 湖南大学 | 锻造变形工艺试验方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631183A (zh) * | 2014-11-10 | 2016-06-01 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种建立tc6钛合金锻造成形微观组织预测模型的方法 |
CN105677949A (zh) * | 2015-12-29 | 2016-06-15 | 西北工业大学 | Tc6钛合金锻件微观组织参数的预测方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI589373B (zh) * | 2015-11-20 | 2017-07-01 | Metal Ind Res & Dev Ct | 用於連續鑄造製程之金屬凝固微觀組織模擬預測方法 |
-
2021
- 2021-06-04 CN CN202110622623.2A patent/CN113409894B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631183A (zh) * | 2014-11-10 | 2016-06-01 | 沈阳黎明航空发动机(集团)有限责任公司 | 一种建立tc6钛合金锻造成形微观组织预测模型的方法 |
CN105677949A (zh) * | 2015-12-29 | 2016-06-15 | 西北工业大学 | Tc6钛合金锻件微观组织参数的预测方法 |
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 |
Non-Patent Citations (1)
Title |
---|
近α型钛合金航空锻件宏观清晰晶形成机理及预测模型;张启飞 等;《中国知网网络首发》;20210421;第1-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113409894A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104729962B (zh) | Gh4169合金锻件晶粒度分析及预测方法 | |
CN109446728B (zh) | 近α钛合金低倍粗晶组织分布的预测方法 | |
CN108977741B (zh) | 针对钛合金模锻件网篮组织分布的预测方法 | |
Li et al. | Deformation and recrystallization of single crystal nickel-based superalloys during investment casting | |
CN109740205B (zh) | 基于耦合晶界扩散相场法的多元合金固态相变的模拟方法 | |
CN106018458B (zh) | 一种差温轧制的热模拟方法 | |
CN104732012B (zh) | Gh4169合金锻件晶粒度与锻造热力参数关系的建立方法 | |
CN113409894B (zh) | 一种近α型钛合金航空模锻件微观组织变化的预测方法 | |
CN109530591B (zh) | 一种飞机用中央翼后梁框模锻件生产工艺 | |
CN105677949A (zh) | Tc6钛合金锻件微观组织参数的预测方法 | |
Wang et al. | Simulation of temperature and stress in 6061 aluminum alloy during online quenching process | |
CN107122502B (zh) | 一种优化合金挤压工艺的方法 | |
CN113868912A (zh) | 一种钛合金j-c本构模型参数识别与修正方法 | |
Wang et al. | Prediction of the mechanical properties of titanium alloy castings based on a back-propagation neural network | |
Tian et al. | Research on the dynamic evolution of residual stress in thermal processing of diesel engine blocks based on FEM | |
CN108595895A (zh) | 一种用于预测铝合金大型构件残余应力的方法及系统 | |
CN111879910A (zh) | 一种优化锻造工艺参数与组织性能的试验方法 | |
Ma et al. | Forming property and broaching error prediction of a forged nickel-based superalloy turbine disc | |
CN109918704B (zh) | 一种基于有限元模拟的模锻模具寿命预测方法 | |
CN112926234B (zh) | 一种金属材料的高温拉伸测试及高温流变损伤模型构建方法 | |
Zhang et al. | Effect of different temperatures on the metallographic structure and tensile property of 2024‐T4 alloy in integral heating single point incremental forming | |
CN115472246A (zh) | 一种高温合金斜轧穿孔过程离层缺陷的预测方法及模型 | |
JP6032105B2 (ja) | 鍛造組織の予測方法 | |
Lin et al. | A new method for controlling billet temperature during isothermal die forging of a complex superalloy casing | |
Nowosielski et al. | Compensation of springback effect in designing new pressing technologies |
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 |