CN114959216A - 碳素钢表面热处理方法 - Google Patents

碳素钢表面热处理方法 Download PDF

Info

Publication number
CN114959216A
CN114959216A CN202210623610.1A CN202210623610A CN114959216A CN 114959216 A CN114959216 A CN 114959216A CN 202210623610 A CN202210623610 A CN 202210623610A CN 114959216 A CN114959216 A CN 114959216A
Authority
CN
China
Prior art keywords
carbon steel
heat treatment
steel plate
heating
training data
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
CN202210623610.1A
Other languages
English (en)
Inventor
吴义嘉
顾正明
王志勇
吴仁俊
吴仁军
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.)
Yangzhou Zhuyou Heat Treatment Co ltd
Original Assignee
Yangzhou Zhuyou Heat Treatment Co ltd
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 Yangzhou Zhuyou Heat Treatment Co ltd filed Critical Yangzhou Zhuyou Heat Treatment Co ltd
Priority to CN202210623610.1A priority Critical patent/CN114959216A/zh
Publication of CN114959216A publication Critical patent/CN114959216A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • C21D6/00—Heat treatment of ferrous alloys
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C10/00—Solid state diffusion of only metal elements or silicon into metallic material surfaces
    • C23C10/18—Solid state diffusion of only metal elements or silicon into metallic material surfaces using liquids, e.g. salt baths, liquid suspensions
    • C23C10/26—Solid state diffusion of only metal elements or silicon into metallic material surfaces using liquids, e.g. salt baths, liquid suspensions more than one element being diffused
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/20—Recycling

Abstract

本发明公开了一种碳素钢表面热处理方法，包括以下步骤：S1、将碳的质量百分比含量为Cb、厚度为Db的标准碳素钢板在氩气气氛中于320～415℃下保温T1小时，进行预氧化；S2、将催渗剂混合后于450～650℃下加热T2小时，形成盐浴混合物；S3、将碳素钢板平放埋入盐浴混合物中，于500～680℃下加热T3小时；S4、升温至880～1150℃，加热T4小时。本发明提供的碳素钢表面热处理方法考虑到了含碳量和厚度因素对热处理效果的影响，使得该工艺更具针对性、更为科学合；还能在一定范围内，对含碳量和厚度与标准碳素钢板具有差异的非标准碳素钢板进行热处理工艺的自动化调整，以获得更加适合不同热处理对象的个性化热处理工艺。

Description

碳素钢表面热处理方法
技术领域
本发明涉及金属热处理技术领域，特别涉及一种碳素钢表面热处理方法。
背景技术
钢材在工艺生产中具有极为广泛的引用，表面热处理能够有效提高钢材的硬度、强度等机械性能而被广泛应用于钢材的强化处理，常用的表面热处理方法包括：渗氮、渗碳、碳氮共渗等，其利用元素氮、碳等与钢材内的成分反应而形成坚硬的表面和扩散层，从而提高钢材表面硬度及耐磨性等性能。
根据含碳量可以把碳钢分为低碳钢(碳的质量百分比WC≤0.25％)、中碳钢(WC0.25％～0.6％)和高碳钢(WC>0.6％)，由于含碳量的增加会降低氮在各相中的扩散系数等现象的存在，使得含碳量的不同，对碳素钢表面热处理后的效果会有所影响；另外一方面，进行热处理的钢材的厚度会对渗层的形成速率、渗层厚度造成影响，所以同样会影响热处理效果。所以，更为科学合理的表面热处理方法应当是要考虑到含碳量和钢材这些影响因素来进行热处理工艺设计，但现有工艺中，通常不会依据待处理钢材/金属的含碳量、厚度而对热处理工艺进行区分，例如专利CN201910448658.1公开的一种易切削钢部件表面热处理工艺、专利CN201811252548.X公开的精密工作台用真不锈导轨及表面处理方法、专利CN201711201820.7公开的一种钢件表面热处理方法等，这样会导致针对不同类型的钢材/金属采用相同的工艺后获得的热处理效果存在较大差异，使产品均匀性、合格率都受到较大影响。
所以，现在有必要对现有技术进行改进，以提供更可靠的方案。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种碳素钢表面热处理方法。
为解决上述技术问题，本发明采用的技术方案是：一种碳素钢表面热处理方法，包括以下步骤：
S1、将碳的质量百分比含量为Cb、厚度为Db的标准碳素钢板在氩气气氛中于320～415℃下保温T1小时，进行预氧化；
S2、将催渗剂混合后于450～650℃下加热T2小时，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于500～680℃下加热T3小时；
S4、升温至880～1150℃，加热T4小时；
其中，所述催渗剂由以下成分按重量百分比组成：(NH2)2CO 2.5～10％、二氯二茂钛5～30％、氯化镧(LaCl3)0.5～3％、氯化铒(ErCl3)0.4～3％，余量为碳酸锆钾。
优选的是，其中，Cb＝0.25～0.60％，Db＝3～60mm。
优选的是，该碳素钢表面热处理方法包括以下步骤：
S1、将碳的质量百分比含量为Cb、厚度为Db的标准碳素钢板在氩气气氛中于320～415℃下保温0.5～3小时，进行预氧化；
S2、将催渗剂混合后于450～650℃下加热1～5h，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于500～680℃下加热2～7h；
S4、升温至880～1150℃，加热2.5～12h。
优选的是，其中，Cb＝0.43％，Db＝15mm。
优选的是，该碳素钢表面热处理方法包括以下步骤：
S1、将碳的质量百分比含量为Cb、厚度为Db的标准碳素钢板在氩气气氛中于330℃下保温1.2小时，进行预氧化；
S2、将催渗剂混合后于570℃下加热2.5h，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于650℃下加热3h；
S4、升温至960℃，加热6.5h。
优选的是，所述催渗剂由以下成分按重量百分比组成：(NH2)2CO 3.8％、二氯二茂钛22％、氯化镧0.8％、氯化铒1.4％，余量为碳酸锆钾。
优选的是，其中，对于碳的质量百分比含量为C0、厚度为D0的非标准碳素钢板，当|C0-Cb|≤εC且|D0-Db|≤εD时，按照与标准碳素钢板相同的热处理工艺Gb，即所述步骤S1-S4进行表面热处理；
否则，依据C0与Cb的差值、D0与Db的差值通过基于机器学习算法的参数优化模型对标准碳素钢板热处理工艺Gb中的处理时间参数：T1、T2、T3、T4进行调整，记处理时间参数：T1、T2、T3、T4调整后依次对应为T1'、T2'、T3'、T4'，调整后的工艺记为Gb'；再按照调整后的工艺Gb'对该非标准碳素钢板进行表面热处理。
优选的是，其中，通过基于机器学习算法的参数优化模型对标准碳素钢板热处理工艺Gb中的处理时间参数进行调整的方法具体为：
1)构建训练数据集：
1-1)记标准碳素钢板按照表面热处理工艺Gb处理后得到的产品的表面硬度为Hb；
1-2)提供一系列具有不同碳的质量百分比含量Ci和厚度Di的碳素钢板，分别按照表面热处理工艺Gb进行处理，处理过程中通过调整处理时间参数：T1、T2、T3、T4，使得到的产品的表面硬度Hi满足|Hi-Hb|≤εH；记录此时T1、T2、T3、T4分别对应的值：T1i'、T2i'、T3i'、T4i'，将此时的表面热处理工艺记为Gbi'，以Ci、Di作为材料数据，以T1i'、T2i'、T3i'、T4i'作为工艺参数数据，将材料数据和工艺参数数据组合作为一条训练数据qi；
1-3)通过以上方法获得若干条训练数据，形成训练数据集Q；
2)将训练数据集Q输入机器学习网络模型中，以材料数据作为输入，对应的工艺参数数据作为输出进行训练，得到参数优化模型；
3、)对于碳的质量百分比含量为C0、厚度为D0的非标准碳素钢板，当|C0-Cb|＞εC或|D0-Db|＞εD时，将C0和D0输入参数优化模型，通过参数优化模型输出调整后的处理时间参数T1'、T2'、T3'、T4'，将T1'、T2'、T3'、T4'分别代替Gb中的T1、T2、T3、T4，得到调整后的工艺Gb'；按照工艺Gb'对该非标准碳素钢板进行表面热处理；
4)对表面热处理后的非标准碳素钢板进行硬度检测，记表面硬度为H0，若满足|H0-Hb|≤εH，则完成热处理，并将C0、D0、T1'、T2'、T3'、T4'组合作为训练数据，添加到训练数据集Q中，更新训练数据集Q；
否则，将该非标准碳素钢板丢弃，并选择与之相同的非标准碳素钢板重新进行表面热处理，人工调整T1'、T2'、T3'、T4'为T1″、T2″、T3″、T4″，直至满足|H0-Hb|≤εH，将C0、D0、T1″、T2″、T3″、T4″组合作为训练数据，添加到训练数据集Q中。
优选的是，其中，每当训练数据集Q中增加的训练数据数量大于预设值NT时，采用更新后的训练数据集Q对参数优化模型重新训练并更新，然后使用更新后的参数优化模型对表面热处理工艺中的处理时间参数进行调整。
优选的是，其中，εC＝0.01％～0.043％，εD＝0.4～1.5。
本发明的有益效果是：
本发明提供的碳素钢表面热处理方法考虑到了含碳量和厚度因素对热处理效果的影响，使得该工艺更具针对性、更为科学合，且能对所针对的碳素钢板获得更好的热处理效果；更进一步的，本发明的一些实施例中，还能在一定范围内，对含碳量和厚度与标准碳素钢板具有差异的非标准碳素钢板进行热处理工艺的自动化调整，以获得更加适合不同热处理对象的个性化热处理工艺；
本发明中提供的催渗剂通过多种成分的合理配伍，结合多方面的反应，能够对热处理后碳素钢表面性能的提升起到协同增强效果，能提高渗层的强度、硬度，最终显著提升碳素钢的表面热处理效果。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
本发明提供了一种碳素钢表面热处理方法，包括以下步骤：
S1、将碳的质量百分比含量为Cb、厚度为Db的标准碳素钢板在氩气气氛中于320～415℃下保温T1小时，进行预氧化；
S2、将催渗剂混合后于450～650℃下加热T2小时，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于500～680℃下加热T3小时；
S4、升温至880～1150℃，加热T4小时；
本发明中，催渗剂由以下成分按重量百分比组成：(NH2)2CO 2.5～10％、二氯二茂钛(C10H10Cl2Ti)5～30％、氯化镧(LaCl3)0.5～3％、氯化铒(ErCl3)0.4～3％，余量为碳酸锆钾。
本发明的催渗剂能提高渗氮、渗碳速率，提高渗层的强度、硬度，最终有效改善碳素钢的表面热处理效果。其催渗剂的主要作用原理为：
1、碳酸锆钾在高温下分解产生纳米级的活性锆离子，锆离子在钢材表面氧化形成含ZrO2的增强层；
2、(NH2)2CO与碳酸锆钾分解的产物碳酸根离子反应能够产生CNO-、氨气和二氧化碳等，CNO-会进一步分解产生CO、活性N原子等，CO能够产生活性C原子与二氧化碳，所以通过(NH2)2CO与碳酸锆钾的作用一方面提供了N源和碳源渗剂，另一方面又提供了活性锆离子；
4CNO-→CO3 2-+2CN-+CO+2[N]；
2CO→CO2+2[C]；
3、二氯二茂钛高温下分解，产生活性Ti和作为碳源的C，活性Ti能够加速N的扩散，促进在钢材表面形成高硬度、高韧性的TiN层、Ti(NC)层；另一方面，活性Ti能够促进(NH2)2CO的分解，以提供更多的C、N；
4、二氯二茂钛、(NH2)2CO提供的氢一部分能够在高温分解过程中与二氯二茂钛、氯化镧、氯化铒提供的氯生成氯化氢，氯化氢能够与表面的金属氧化物(Fe、Cr、W等的氧化物)反应使其分解，从而能够保持表面的洁净，促进C、N金属氮化物等形成表面渗层，从而提高强度；
5、氯化镧、氯化铒，一方面提供稀土元素镧和铒，镧和铒的添加既能改善微观组织，细化晶粒，显著提高强度同时又能加快C、N原子的扩散，对渗层形成起到促进作用。镧和铒原子能与周围的C、N作用形成包含C、N的气团，气团中C、N浓度高，钢材内层C、N浓度高，存在的浓度梯度会促进C、N向钢材内层扩散，然后气团再吸收周围的C、N继续向钢材内层传递，从而能够起到促进C、N原子向钢材内层扩散的作用，最终能促进渗层形成、提高渗层厚度。另一方面，氯化镧、氯化铒也能提供部分氯，与氯生成氯化氢来保持表面的洁净；同时，镧和铒对氢具有吸收作用，可降低氢对钢的脆化作用。
本发明通过上述成分配伍的催渗剂，结合至少以上5方面的作用，能够对热处理后碳素钢表面性能的提升起到协同增强效果。
本发明中，限定Cb＝0.25～0.60％，Db＝3～60mm。根据含碳量可以把碳钢分为低碳钢(碳的质量百分比WC≤0.25％)、中碳钢(WC0.25％～0.6％)和高碳钢(WC>0.6％)；含碳量的不同，对碳素钢表面热处理后的效果会有所影响(例如，含碳量的增加会降低氮在各相中的扩散系数)，所以，更为科学合理的表面热处理方法应当是要考虑到含碳量这一影响因素的，所以本发明中提出的表面热处理方法是针对含碳量在0.25～0.60％范围内的中碳钢所设计的，能够针对性这一类碳钢获得很好的表面热处理效果。另一方面，热处理过程中，是将碳素钢板平铺埋入催渗剂中，碳素钢板的上下及周围都覆盖催渗剂，且主要的渗氮、渗碳方向应当是上下表面的方向，所以，碳素钢板的厚度也会对热处理效果产生影响，所以厚度因素也是设计热处理工艺需要考虑的。
本发明中，针对一定含碳量和厚度的碳钢提供了一种适宜的热处理工艺，由于考虑到了含碳量和厚度因素对热处理效果的影响，使得该工艺更具针对性、更为科学合，且能对所针对的碳素钢板获得更好的热处理效果。更进一步的，本发明中，还能在一定范围内，对含碳量和厚度与标准碳素钢板具有差异的非标准碳素钢板进行热处理工艺的自动化调整，以获得更加适合不同热处理对象的个性化热处理工艺。在以下会进行进一步说明。
由于碳素钢本身种类/牌号不同，或是同种牌号的碳素钢因制备原料、加工工艺等方面的不同，会生成出与以上标准碳素钢板具有不同含碳量和厚度的碳素钢板。本发明以上提供的热处理工艺，对含碳量和厚度是具有一定要求的，且当碳量和厚度的差异较小时，可与以上标准碳素钢板采用相同的工艺，但当该差异过大时，则应当依据碳素钢板的不同调整热处理工艺，以获得更好的热处理效果。本发明中对于含碳量和厚度与标准碳素钢板存在差异的非标准碳素钢板，能够依据差异的大小进行热处理工艺的调整，从而能够提高该热处理方法对原材料的适应性，能够实现上述功能。具体方案为：
本发明中，对于碳的质量百分比含量为C0、厚度为D0的非标准碳素钢板，当|C0-Cb|≤εC且|D0-Db|≤εD时，按照与标准碳素钢板相同的热处理工艺Gb，即步骤S1-S4进行表面热处理；
否则，依据C0与Cb的差值、D0与Db的差值通过基于机器学习算法的参数优化模型对标准碳素钢板热处理工艺Gb中的处理时间参数：T1、T2、T3、T4进行调整，记处理时间参数：T1、T2、T3、T4调整后依次对应为T1'、T2'、T3'、T4'，调整后的工艺记为Gb'；再按照调整后的工艺Gb'对该非标准碳素钢板进行表面热处理。
其中，通过基于机器学习算法的参数优化模型对标准碳素钢板热处理工艺Gb中的处理时间参数进行调整的方法具体为：
1)构建训练数据集：
1-1)记标准碳素钢板按照表面热处理工艺Gb处理后得到的产品的表面硬度为Hb；
1-2)提供一系列具有不同碳的质量百分比含量Ci和厚度Di的碳素钢板，分别按照表面热处理工艺Gb进行处理，处理过程中通过调整处理时间参数：T1、T2、T3、T4，使得到的产品的表面硬度Hi满足|Hi-Hb|≤εH；记录此时T1、T2、T3、T4分别对应的值：T1i'、T2i'、T3i'、T4i'，将此时的表面热处理工艺记为Gbi'，以Ci、Di作为材料数据，以T1i'、T2i'、T3i'、T4i'作为工艺参数数据，将材料数据和工艺参数数据组合作为一条训练数据qi；
1-3)通过以上方法获得若干条训练数据，形成训练数据集Q；
2)将训练数据集Q输入机器学习网络模型中，以材料数据作为输入，对应的工艺参数数据作为输出进行训练，得到参数优化模型；
3、)对于碳的质量百分比含量为C0、厚度为D0的非标准碳素钢板，当|C0-Cb|＞εC或|D0-Db|＞εD时，将C0和D0输入参数优化模型，通过参数优化模型输出调整后的处理时间参数T1'、T2'、T3'、T4'，将T1'、T2'、T3'、T4'分别代替Gb中的T1、T2、T3、T4，得到调整后的工艺Gb'；按照工艺Gb'对该非标准碳素钢板进行表面热处理；
4)对表面热处理后的非标准碳素钢板进行硬度检测，记表面硬度为H0，若满足|H0-Hb|≤εH，则完成热处理，并将C0、D0、T1'、T2'、T3'、T4'组合作为训练数据，添加到训练数据集Q中，更新训练数据集Q；
否则，将该非标准碳素钢板丢弃，并选择与之相同的非标准碳素钢板重新进行表面热处理，人工调整T1'、T2'、T3'、T4'为T1″、T2″、T3″、T4″，直至满足|H0-Hb|≤εH，将C0、D0、T1″、T2″、T3″、T4″组合作为训练数据，添加到训练数据集Q中。
其中，每当训练数据集Q中增加的训练数据数量大于预设值NT时，采用更新后的训练数据集Q对参数优化模型重新训练并更新，然后使用更新后的参数优化模型对表面热处理工艺中的处理时间参数进行调整。例如NT＝50，100或500等，具体根据需要进行选择即可，且NT值越小，则参数优化模型更新越频繁。即当按照参数优化模型得到的智能化调整后的工艺进行热处理所获得的指标仍然不合格时，则人工调整工艺，并将人工调整的工艺数据添加到训练数据集Q中，从而能够通过后续训练更新参数优化模型时，能对参数优化模型进行不断优化，对人工调整后的合格工艺进行学习，使之输出更加精准的结果。
其中，在优选的实施例中，εC＝0.01％～0.043％，εD＝0.4～1.5。
其中，在优选的实施例中，上述的硬度Hb、Hi、H0等均采用统一的硬度标准，例如均采用洛氏硬度HRC，且Hb＝60-66.5；εH＝0.2～2。
实施例1
一种碳素钢表面热处理方法，包括以下步骤：
S1、将碳的质量百分比含量为0.43％、厚度为15mm的标准碳素钢板放入加热炉中，在氩气气氛中于330℃下保温1.2小时，进行预氧化；
S2、将催渗剂混合后放入加热炉中，于570℃下加热2.5h，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于650℃下加热3h；
S4、升温至960℃，加热6.5h；最后出炉，空冷，完成热处理。
其中，催渗剂由以下成分按重量百分比组成：(NH2)2CO 3.8％、二氯二茂钛22％、氯化镧0.8％、氯化铒1.4％，余量为碳酸锆钾。
实施例2
一种碳素钢表面热处理方法，包括以下步骤：
S1、将碳的质量百分比含量为0.43％、厚度为15mm的标准碳素钢板放入加热炉中，在氩气气氛中于350℃下保温1.2小时，进行预氧化；
S2、将催渗剂混合后放入加热炉中，于590℃下加热2.5h，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于660℃下加热3h；
S4、升温至960℃，加热6.5h；最后出炉，空冷，完成热处理。
其中，催渗剂由以下成分按重量百分比组成：(NH2)2CO 3.8％、二氯二茂钛22％、氯化镧0.8％、氯化铒1.4％，余量为碳酸锆钾。
实施例3
一种碳素钢表面热处理方法，包括以下步骤：
S1、将碳的质量百分比含量为0.43％、厚度为15mm的标准碳素钢板放入加热炉中，在氩气气氛中于350℃下保温1.2小时，进行预氧化；
S2、将催渗剂混合后放入加热炉中，于600℃下加热2.5h，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于660℃下加热3h；
S4、升温至1020℃，加热6.5h；最后出炉，空冷，完成热处理。
其中，催渗剂由以下成分按重量百分比组成：(NH2)2CO 3.8％、二氯二茂钛22％、氯化镧0.8％、氯化铒1.4％，余量为碳酸锆钾。
实施例4
作为实施例1的基础上的进一步改进，本实施例中对于含碳量和厚度与标准碳素钢板存在差异的非标准碳素钢板，能够依据差异的大小进行热处理工艺的调整，从而能够提高该热处理方法对原材料的适应性。具体的，本实施例中，对于碳的质量百分比含量为C0、厚度为D0的非标准碳素钢板，当|C0-Cb|≤εC且|D0-Db|≤εD时，按照与标准碳素钢板相同的热处理工艺Gb，即按照实施例1步骤S1-S4进行表面热处理；
否则，依据C0与Cb的差值、D0与Db的差值通过基于机器学习算法的参数优化模型对标准碳素钢板热处理工艺Gb中的处理时间参数：T1、T2、T3、T4进行调整，记处理时间参数：T1、T2、T3、T4调整后依次对应为T1'、T2'、T3'、T4'，调整后的工艺记为Gb'；再按照调整后的工艺Gb'对该非标准碳素钢板进行表面热处理。
其中，通过基于机器学习算法的参数优化模型对标准碳素钢板热处理工艺Gb中的处理时间参数进行调整的方法具体为：
1)构建训练数据集：
1-1)记标准碳素钢板按照表面热处理工艺Gb处理后得到的产品的表面硬度为Hb；
1-2)提供一系列具有不同碳的质量百分比含量Ci和厚度Di的碳素钢板，分别按照表面热处理工艺Gb进行处理，处理过程中通过调整处理时间参数：T1、T2、T3、T4，使得到的产品的表面硬度Hi满足|Hi-Hb|≤εH；记录此时T1、T2、T3、T4分别对应的值：T1i'、T2i'、T3i'、T4i'，将此时的表面热处理工艺记为Gbi'，以Ci、Di作为材料数据，以T1i'、T2i'、T3i'、T4i'作为工艺参数数据，将材料数据和工艺参数数据组合作为一条训练数据qi；
1-3)通过以上方法获得若干条训练数据，形成训练数据集Q；
2)将训练数据集Q输入机器学习网络模型(ResNet50)中，以材料数据作为输入，对应的工艺参数数据作为输出进行训练，得到参数优化模型；
3、)对于碳的质量百分比含量为C0、厚度为D0的非标准碳素钢板，当|C0-Cb|＞εC或|D0-Db|＞εD时，将C0和D0输入参数优化模型，通过参数优化模型输出调整后的处理时间参数T1'、T2'、T3'、T4'，将T1'、T2'、T3'、T4'分别代替Gb中的T1、T2、T3、T4，得到调整后的工艺Gb'；按照工艺Gb'对该非标准碳素钢板进行表面热处理；
4)对表面热处理后的非标准碳素钢板进行硬度检测，记表面硬度为H0，若满足|H0-Hb|≤εH，则完成热处理，并将C0、D0、T1'、T2'、T3'、T4'组合作为训练数据，添加到训练数据集Q中，更新训练数据集Q；
否则，将该非标准碳素钢板丢弃，并选择与之相同的非标准碳素钢板重新进行表面热处理，人工调整T1'、T2'、T3'、T4'为T1″、T2″、T3″、T4″，直至满足|H0-Hb|≤εH，将C0、D0、T1″、T2″、T3″、T4″组合作为训练数据，添加到训练数据集Q中。
其中，每当训练数据集Q中增加的训练数据数量大于预设值NT＝100时，采用更新后的训练数据集Q对参数优化模型重新训练并更新，然后使用更新后的参数优化模型对表面热处理工艺中的处理时间参数进行调整。
其中，εC＝0.02％，εD＝0.5；Hb＝64(HRC)，εH＝0.3。
对比例1
未进行表面热处理的标准碳素钢板。
对比例2
本例与实施例1的区别之处仅在于：催渗剂由以下成分按重量百分比组成：(NH2)2CO 3.8％、二氯二茂钛22％、氯化镧0.8％、氯化铒1.4％，余量为碳酸钾。
对比例3
本例与实施例1的区别之处仅在于：催渗剂由以下成分按重量百分比组成：(NH2)2CO 3.8％、二氯二茂钛22％，余量为碳酸锆钾。
采用洛氏硬度计对实施例1-3以及对比例1-3得到的碳素钢板进行硬度检测，结果如下表1所示：
表1
Figure BDA0003677852130000111
从实施例1-3与对比例1的结果对比可以看出，通过本发明的表面热处理工艺能够显著提升碳素钢板的表面硬度；
通过对比例2与实施例1的对比结果可以看出，碳酸锆钾中锆离子的引入能够提高碳素钢板的表面硬度；
通过对比例3与实施例1的对比结果可以看出，氯化镧、氯化铒的添加能够提高碳素钢板的表面硬度。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (10)

1.一种碳素钢表面热处理方法，其特征在于，包括以下步骤：
S1、将碳的质量百分比含量为Cb、厚度为Db的标准碳素钢板在氩气气氛中于320～415℃下保温T1小时，进行预氧化；
S2、将催渗剂混合后于450～650℃下加热T2小时，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于500～680℃下加热T3小时；
S4、升温至880～1150℃，加热T4小时；
其中，所述催渗剂由以下成分按重量百分比组成：(NH2)2CO 2.5～10％、二氯二茂钛5～30％、氯化镧(LaCl3)0.5～3％、氯化铒(ErCl3)0.4～3％，余量为碳酸锆钾。
2.根据权利要求1所述的碳素钢表面热处理方法，其特征在于，其中，Cb＝0.25～0.60％，Db＝3～60mm。
3.根据权利要求2所述的碳素钢表面热处理方法，其特征在于，该方法包括以下步骤：
S1、将碳的质量百分比含量为Cb、厚度为Db的标准碳素钢板在氩气气氛中于320～415℃下保温0.5～3小时，进行预氧化；
S2、将催渗剂混合后于450～650℃下加热1～5h，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于500～680℃下加热2～7h；
S4、升温至880～1150℃，加热2.5～12h。
4.根据权利要求3所述的碳素钢表面热处理方法，其特征在于，其中，Cb＝0.43％，Db＝15mm。
5.根据权利要求4所述的碳素钢表面热处理方法，其特征在于，该方法包括以下步骤：
S1、将碳的质量百分比含量为Cb、厚度为Db的标准碳素钢板在氩气气氛中于330℃下保温1.2小时，进行预氧化；
S2、将催渗剂混合后于570℃下加热2.5h，形成盐浴混合物；
S3、将碳素钢板平放埋入盐浴混合物中，于650℃下加热3h；
S4、升温至960℃，加热6.5h。
6.根据权利要求5所述的碳素钢表面热处理方法，其特征在于，所述催渗剂由以下成分按重量百分比组成：(NH2)2CO 3.8％、二氯二茂钛22％、氯化镧0.8％、氯化铒1.4％，余量为碳酸锆钾。
7.根据权利要求1-6中任意一项所述的碳素钢表面热处理方法，其特征在于，其中，对于碳的质量百分比含量为C0、厚度为D0的非标准碳素钢板，当|C0-Cb|≤εC且|D0-Db|≤εD时，按照与标准碳素钢板相同的热处理工艺Gb，即所述步骤S1-S4进行表面热处理；
否则，依据C0与Cb的差值、D0与Db的差值通过基于机器学习算法的参数优化模型对标准碳素钢板热处理工艺Gb中的处理时间参数：T1、T2、T3、T4进行调整，记处理时间参数：T1、T2、T3、T4调整后依次对应为T1'、T2'、T3'、T4'，调整后的工艺记为Gb'；再按照调整后的工艺Gb'对该非标准碳素钢板进行表面热处理。
8.根据权利要求7所述的碳素钢表面热处理方法，其特征在于，其中，通过基于机器学习算法的参数优化模型对标准碳素钢板热处理工艺Gb中的处理时间参数进行调整的方法具体为：
1)构建训练数据集：
1-1)记标准碳素钢板按照表面热处理工艺Gb处理后得到的产品的表面硬度为Hb；
1-2)提供一系列具有不同碳的质量百分比含量Ci和厚度Di的碳素钢板，分别按照表面热处理工艺Gb进行处理，处理过程中通过调整处理时间参数：T1、T2、T3、T4，使得到的产品的表面硬度Hi满足|Hi-Hb|≤εH；记录此时T1、T2、T3、T4分别对应的值：T1i'、T2i'、T3i'、T4i'，将此时的表面热处理工艺记为Gbi'，以Ci、Di作为材料数据，以T1i'、T2i'、T3i'、T4i'作为工艺参数数据，将材料数据和工艺参数数据组合作为一条训练数据qi；
1-3)通过以上方法获得若干条训练数据，形成训练数据集Q；
2)将训练数据集Q输入机器学习网络模型中，以材料数据作为输入，对应的工艺参数数据作为输出进行训练，得到参数优化模型；
3、)对于碳的质量百分比含量为C0、厚度为D0的非标准碳素钢板，当|C0-Cb|＞εC或|D0-Db|＞εD时，将C0和D0输入参数优化模型，通过参数优化模型输出调整后的处理时间参数T1'、T2'、T3'、T4'，将T1'、T2'、T3'、T4'分别代替Gb中的T1、T2、T3、T4，得到调整后的工艺Gb'；按照工艺Gb'对该非标准碳素钢板进行表面热处理；
4)对表面热处理后的非标准碳素钢板进行硬度检测，记表面硬度为H0，若满足|H0-Hb|≤εH，则完成热处理，并将C0、D0、T1'、T2'、T3'、T4'组合作为训练数据，添加到训练数据集Q中，更新训练数据集Q；
否则，将该非标准碳素钢板丢弃，并选择与之相同的非标准碳素钢板重新进行表面热处理，人工调整T1'、T2'、T3'、T4'为T1”、T2”、T3”、T4”，直至满足|H0-Hb|≤εH，将C0、D0、T1”、T2”、T3”、T4”组合作为训练数据，添加到训练数据集Q中。
9.根据权利要求8所述的碳素钢表面热处理方法，其特征在于，其中，每当训练数据集Q中增加的训练数据数量大于预设值NT时，采用更新后的训练数据集Q对参数优化模型重新训练并更新，然后使用更新后的参数优化模型对表面热处理工艺中的处理时间参数进行调整。
10.根据权利要求7所述的碳素钢表面热处理方法，其特征在于，εC＝0.01％～0.043％，εD＝0.4～1.5。
CN202210623610.1A 2022-06-02 2022-06-02 碳素钢表面热处理方法 Pending CN114959216A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210623610.1A CN114959216A (zh) 2022-06-02 2022-06-02 碳素钢表面热处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210623610.1A CN114959216A (zh) 2022-06-02 2022-06-02 碳素钢表面热处理方法

Publications (1)

Publication Number Publication Date
CN114959216A true CN114959216A (zh) 2022-08-30

Family

ID=82959906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210623610.1A Pending CN114959216A (zh) 2022-06-02 2022-06-02 碳素钢表面热处理方法

Country Status (1)

Country Link
CN (1) CN114959216A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116607079A (zh) * 2023-07-07 2023-08-18 江苏三鑫特殊金属材料股份有限公司 一种防锈耐磨高破碎性易切削的碳素钢及制备方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101560637A (zh) * 2008-04-17 2009-10-21 北京有色金属研究总院 一种化学热处理用有机稀土催渗剂
CN109881144A (zh) * 2019-01-31 2019-06-14 安徽省鑫矿液压机械有限责任公司 一种煤矿机械轴承用钢材的表面氮碳共渗热处理工艺
CN114000058A (zh) * 2021-11-03 2022-02-01 西安法士特汽车传动有限公司 一种稀土合金化的钢材及其渗氮方法及一种渗氮钢件

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101560637A (zh) * 2008-04-17 2009-10-21 北京有色金属研究总院 一种化学热处理用有机稀土催渗剂
CN109881144A (zh) * 2019-01-31 2019-06-14 安徽省鑫矿液压机械有限责任公司 一种煤矿机械轴承用钢材的表面氮碳共渗热处理工艺
CN114000058A (zh) * 2021-11-03 2022-02-01 西安法士特汽车传动有限公司 一种稀土合金化的钢材及其渗氮方法及一种渗氮钢件

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116607079A (zh) * 2023-07-07 2023-08-18 江苏三鑫特殊金属材料股份有限公司 一种防锈耐磨高破碎性易切削的碳素钢及制备方法

Similar Documents

Publication Publication Date Title
US4049472A (en) Atmosphere compositions and methods of using same for surface treating ferrous metals
JP4254816B2 (ja) 浸炭部品
CN105264104B (zh) 渗碳部件及其制造方法
CN109252173B (zh) 一种利用碳氮双渗双梯度淬火在渗碳钢表面获得超高强韧化渗层的方法
CN114959216A (zh) 碳素钢表面热处理方法
CN107245691B (zh) 金属材料复合热处理表面强化方法
CN101649441A (zh) 奥氏体不锈钢材料的渗氮工艺方法
JP2005090680A (ja) 転がり軸受部品およびその製造方法
EP0919642B1 (en) Method for treating surface of ferrous material and salt bath furnace used therefor
KR102004723B1 (ko) 플라즈마 이온 질화 처리의 물리적 성질의 예측방법.
KR20070087475A (ko) 금속의 염욕 질화방법 및 그 방법으로 제조된 금속
JP2002339054A (ja) 耐高面圧部材およびその製造方法
JP2021042398A (ja) 窒化鋼部材並びに窒化鋼部材の製造方法及び製造装置
JP2013007077A (ja) 鋼製品
JP2021113338A (ja) 鋼部品及びその製造方法
JP3939451B2 (ja) 鉄系材料の塩浴処理方法
JP6647792B2 (ja) 鋼部材の窒化処理方法
CN115404390A (zh) 一种稀土微合金化高温渗碳轴承钢及其制备方法
TWI758650B (zh) 氮化鋼構件
US20090205751A1 (en) Method for modifying surface of titanium or titanium alloy by fluidized bed carburization
CN113403568A (zh) 一种低碳钢及其热处理工艺
JP2001140020A (ja) 耐ピッティング性に優れた浸炭窒化処理部材の熱処理方法
JP2004107709A (ja) 転動部材とその製造方法
JPH01503790A (ja) 鋼片を低温浸炭窒化する方法
JPH0586417A (ja) 強度向上表面処理方法

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