CN115015318A - 一种大型构件热锻全流程宏微观分析方法及平台 - Google Patents
一种大型构件热锻全流程宏微观分析方法及平台 Download PDFInfo
- Publication number
- CN115015318A CN115015318A CN202210677340.2A CN202210677340A CN115015318A CN 115015318 A CN115015318 A CN 115015318A CN 202210677340 A CN202210677340 A CN 202210677340A CN 115015318 A CN115015318 A CN 115015318A
- Authority
- CN
- China
- Prior art keywords
- pass
- simulation
- dynamic recrystallization
- hot forging
- macro
- 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
- 238000000034 method Methods 0.000 title claims abstract description 170
- 238000005242 forging Methods 0.000 title claims abstract description 113
- 238000004452 microanalysis Methods 0.000 title claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 120
- 238000004088 simulation Methods 0.000 claims abstract description 106
- 238000013178 mathematical model Methods 0.000 claims abstract description 24
- 239000000523 sample Substances 0.000 claims abstract description 19
- 238000001953 recrystallisation Methods 0.000 claims description 130
- 239000000463 material Substances 0.000 claims description 51
- 238000010438 heat treatment Methods 0.000 claims description 48
- 238000004321 preservation Methods 0.000 claims description 38
- 239000013078 crystal Substances 0.000 claims description 33
- 230000003068 static effect Effects 0.000 claims description 30
- 230000006399 behavior Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000002474 experimental method Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 claims description 10
- 238000007906 compression Methods 0.000 claims description 10
- 238000007431 microscopic evaluation Methods 0.000 claims description 9
- 238000009413 insulation Methods 0.000 claims description 7
- 239000013081 microcrystal Substances 0.000 claims description 3
- 238000012938 design process Methods 0.000 claims description 2
- 229910000831 Steel Inorganic materials 0.000 description 47
- 239000010959 steel Substances 0.000 description 47
- 238000004519 manufacturing process Methods 0.000 description 27
- 238000011161 development Methods 0.000 description 12
- 238000012546 transfer Methods 0.000 description 8
- 230000008878 coupling Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 7
- 238000005859 coupling reaction Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- 229910001566 austenite Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 229910052786 argon Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000005686 electrostatic field Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000001192 hot extrusion Methods 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000000518 rheometry Methods 0.000 description 1
- 238000005482 strain hardening Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
-
- 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
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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)
- Forging (AREA)
Abstract
本发明属于塑性成形的数值模拟仿真领域公开了一种大型构件热锻全流程宏微观分析方法及平台。该方法基于多道次高温热模拟实验构建试样材料的流动应力本构模型和微观晶粒数学模型;对试样材料的流动应力本构模型进行修正得到道次间隙残余应变本构模型和多道次流动应力本构模型,编写成用户自定义子程序嵌入到有限元模拟仿真软件中,搭建多道次热锻全流程宏微观分析平台;初步设计待分析大型构件的毛坯形状、尺寸和成形工艺参数并输入多道次热锻全流程宏微观分析预测平台进行有限元模拟;根据模拟结果,确定最佳的坯料形状、尺寸和成形工艺参数。本发明适用于解决大型构件热锻时成形工艺稳定性不足、微观组织不均匀等问题。
Description
技术领域
本发明属于塑性成形的数值模拟仿真领域,更具体地,涉及一种大型构件热锻全流程宏微观分析方法及平台。
背景技术
大型构件是重型机械、大型船舶、航空航天等国家战略领域设备的关键构件,对国家的重工业发展和国防建设起着至关重要的作用。大型构件的制造技术和生产能力是衡量一个国家先进装备制造业发展的重要标准,是国家战略层面的重大需求。高端装备要求大运力和长寿命,这就要求大型构件采用高强的难变形材料和复杂的结构,同时其服役环境大都极其恶劣,对该类构件的力学性能和微观组织的要求愈发苛刻,对大型构件成形工艺参数的优化也越来越受到重视。
由于大型构件体形大、材料难变形、性能要求高和结构复杂等严苛特点,其成形工艺过程和金属内部的演化机制复杂。传统的成形工艺参数是通过实验和人为经验不断“试错”来初步估计的,导致生产周期长、生产成本及相关费用很高,生产过程对能源和材料等消耗大。近年来,我国在大型构件的设备等硬件投入很多,在一些大型构件的“控形”方面有了很快的进展,但是在“控性”方面仍有很大的缺口,传统的“试错法”对于大型构件的“控性”代价太大,且易耗费大量的人力物力和时间。
如今,将实验和工程辅助软件相结合模拟大型构件成形全流程来指导实际生产,这种模式也将越来越多的应用在大型构件的实际生产上。采用数值模拟技术,通过模拟不同工艺参数下成形过程,对比分析工艺参数对最终产品宏观性能和微观组织的影响,优化工艺参数。
然而,大部分数模拟软件只能进行常见材料的宏观变形和温度场的模拟分析,不能直接进行宏微观耦合分析,并且对于大型构件多道次成形模拟的流动应力本构模型采取的是经验公式,并未考虑到多道次变形间的相互影响,多道次变形中的材料软化行为也会对材料的再结晶数学模型和流动应力本构模型产生很大的影响,导致大型构件模拟的精确度不高。
但是,很多软件提供用户自定义子程序功能,可以通过对有限元软件进行二次开发,建立适用于所需材料的宏观应力计算模块和微观组织演化计算模块耦合分析预测平台,模拟不同变形条件下的成形全流程,为实际生产提供合适的工艺方案和工艺参数。
中国专利CN 105373683 A采用Absoft Pro Fortran语言编译20CrMnTiH钢的动态再结晶、亚动态再结晶和晶粒长大微观组织分析模拟模块,预测20CrMnTiH钢在热变形中微观组织分布和演化,为实际生产中20CrMnTiH钢产品热成形工艺方案提供技术基础。但是该方法存在以下不足:该分析模拟模块制局限于20CrMnTiH钢的单次变形微观组织演化的预测,调用软件自身精度不高的流动应力本构模型,未进行对宏观变形的应力-应变场进行二次开发;并且未考虑到大型构件往往需要多道次变形才能达到其形状、尺寸和性能,多道次变形中前一道次变形和道次间隙影响着后一道次变形的宏微观演化,从而导致采用此方法分析出来的结果精度不高,难以与实际生产有期望的对照和指导作用。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种大型构件热锻全流程宏微观分析平台的开发方法,其目的在于,提供一种预测大型构件多道次宏微观耦合的预测方法及平台,尤其适用于解决大型构件热锻时成形工艺稳定性不足、微观组织不均匀等问题,为实际生产工艺参数的优化提供理论依据,并指导大型构件的实际生产全流程。
为实现上述目的,按照本发明的一个方面,提供了一种大型构件热锻全流程宏微观分析方法,包括以下步骤:
离线建模阶段:
步骤1:基于多道次高温热模拟实验,对试样进行热模拟压缩实验得到试样材料在宏观上不同热变形条件下的高温热变形行为规律,构建试样材料的流动应力本构模型和微观晶粒数学模型,所述微观晶粒数学模型包括晶粒长大模型、动态再结晶模型、静态再结晶模型和亚动态再结晶模型;
步骤2:对试样材料的流动应力本构模型进行修正得到道次间隙残余应变本构模型和多道次流动应力本构模型,搭建多道次热锻模拟的主程序;将修正后的流动应力本构模型和微观晶粒数学模型编写成用户自定义子程序嵌入到有限元模拟仿真软件中,得到多道次热锻全流程宏微观分析平台;
在线分析阶段:
步骤3:初步设计待分析大型构件的毛坯形状、尺寸和成形工艺参数并输入步骤2中得到的多道次热锻全流程宏微观分析预测平台,建立待分析大型构件的热锻有限元模型,并进行有限元模拟;如果模拟结果达到实际生产构件的宏微观性能目标,则认为当前设计工艺参数合理,否则根据当前模拟结果,对待分析大型构件的毛坯形状、尺寸进行微调,重新设计相应成形工艺参数及重新进行模拟判断,直至模拟结果达到实际生产构件的宏微观性能目标;
步骤4:根据步骤3中的模拟结果,确定最佳的坯料形状、尺寸和成形工艺参数。
进一步地,步骤3中,所述多道次热锻全流程宏微观分析预测平台执行所述多道次热锻模拟的主程序的步骤如下:
当大型构件多道次热锻模拟计算开始时,主程序开始读入Process、温度、应变及等效应变速率的值,判断Process值的大小,调用步骤1中相应的数学模型,其中:
若Process的值等于0时,判断为变形前的加热保温阶段,调用该阶段晶粒长大微观晶粒数学模型;
若Process的值等于1时,判断为初始道次变形阶段,调用材料的流动应力本构模型和动态再结晶微观晶粒数学模型;
若Process的值等于2时,判断为道次间隙阶段,调用残余应变本构模型和静态再结晶和亚动态再结晶微观晶粒数学模型;
若Process的值等于3时,判断为后续道次变形阶段,调用多道次的流动应力本构模型和动态再结晶预测子程序,若还有后续道次则返回道次间隙阶段,直至最终道次变形结束。
进一步地,所述加热保温阶段包括:当前道次热锻模拟变形前开始进行加热保温,赋予待分析大型构件初始晶粒尺寸与平均晶粒尺寸初始值后计算时间增量,以此调用晶粒长大模型计算加热保温后的平均晶粒尺寸;不断迭代更新每一步的平均晶粒尺寸的值,直至加热保温结束;当加热保温结束后最终的平均晶粒尺寸作为后续下一道次的变形过程及变形后的加热保温阶段中的初始晶粒尺寸进行计算。
进一步地,变形阶段包括:变形开始时继承变形前的温度场、流动应力和晶粒尺寸,判断参数Process数值和材料的应变速率;
首先判断参数Process数值是否为1或3,若参数Process的数值为1,则调用材料的流动应力本构模型计算流动应力;若参数Process的数值为3,则调用多道次流动应力本构模型计算流动应力;
再判断材料的应变速率,若应变速率大于0则判断此时开始发生变形;接着判断材料的总应变是否大于等于临界应变,若总应变大于等于临界应变说明材料发生了动态再结晶;调用动态再结晶子程序,判断动态再结晶体积分数是否大于等于预设阈值,若动态再结晶体积分数大于等于预设阈值,则说明动态再结晶已经发生完全,令动态再结晶体积分数为1,否则继续计算动态再结晶体积分数、动态再结晶晶粒尺寸和平均晶粒尺寸。
进一步地,所述道次间隙阶段包括:继承变形后所有参数值,调用道次间隙残余应变本构模型计算残余应力,并将残余应力赋值到材料的流动应力;判断此刻应变与临界应变的大小,若间隙阶段单元的应变大于或等于临界应变时说明该单元发生动态再结晶,之后判断动态再结晶体积分数的大小;
若动态再结晶体积分数大于预设阈值则动态再结晶发生完全,反之则动态再结晶未发生完全,之后会发生亚动态再结晶;
计算亚动态再结晶体积分数与晶粒尺寸,若亚动态再结晶体积分数大于预设阈值,说明此时亚动态再结晶已发生完全,令亚动态再结晶体积分数为1,反之继续计算亚动态再结晶体积分数与晶粒尺寸;
若间隙阶段单元的应变小于临界应变则直接进入静态再结晶的计算,若静态再结晶体积分数大于预设阈值,说明此时静态再结晶已发生完全,令静态再结晶体积分数为1,反之继续计算静态再结晶体积分数与晶粒尺寸。
进一步地,步骤2中,还包括如下对多道次热锻全流程宏微观分析平台进行可行性评估的方法:在有限元模拟软件中建立简单模型,设置不同工艺参数模拟热锻各个阶段的宏微观行为,并与实际实验值进行对比分析,评估热锻全流程微观组织模拟的可靠性和准确性,所述全流程微观组织模拟包括热保温中的晶粒长大行为模拟、变形中的动态再结晶行为模拟、间隙保温中的亚动态再结晶行为模拟与静态再结晶行为模拟。
按照本发明的另一方面,提供了一种多道次热锻全流程宏微观分析平台,按照如前任一项所述的大型构件热锻全流程宏微观分析方法中的离线阶段构建而成。
总体而言,本发明所构思的以上技术方案与现有技术相比,通过采用有限元模拟仿真方法指导实际生产,能够取得下列有益效果:
1、本发明提供了一种大型构件热锻全流程宏微观分析平台的开发方法,可以实现对大型构件成形全流程工艺参数的模拟控制。通过大型构件宏微观分析平台,可以根据不同工艺参数下的模拟结果,优化工艺参数方案指导实际生产,提高大型构架各方面力学性能和微观组织均匀性,适用于不同温度、变形道次、变形量、保温时间和应变速率等变形条件下的热成形,通过控制热成形过程中的宏观应变和微观组织实现对大型构件不同应力状态变形的宏微观调控,从而来获得满足晶粒度指标和性能均匀性要求的高质量大型构件,满足大型构件在极端服役条件的质量要求,延长使用寿命,为大型复杂构件“控形、控性”提供一种积极有效的方法,为国家重器的制造提供有力支持。
2、本发明的效率高。采用计算机有限元软件模拟大型构件成形全流程,计算机的计算效率高,相比于传统的“试错法”,模拟不同工艺参数方案下成形过程的时间比实际实验生产的时间要少的多,节约了探索工艺参数的时间,缩短了生产周期,提高了生产效率。
3、本发明的适用性广泛。通过对不同材料子程序的编译和耦合,有限元软件可以对所需材料的各种构件进行力学性能和微观组织进行预测分析,不仅适用与简单构件的单道次成形,也适用于复杂大型构件的多道次成形。
4、本发明成本低。对于大型构件的成形,只需在计算机上模拟优化工艺参数,无需实际的生产实验,大大节约了人力物力和时间。尤其对于大型构件,有效地避免了稀有材料和能源的浪费,并为其生产提供了可复制的理论依据。
5、本发明为数字化、智能化制造奠定了一定的基础。
附图说明
图1是本发明优选实施例的大型构件热锻全流程宏微观分析方法的流程图
图2是本发明优选实施例的300M钢圆柱体模拟的有限元模型图;
图3是本发明优选实施例的多道次热锻宏微观耦合预测平台主程序的计算流程图;
图4是本发明优选实施例的加热保温阶段的计算流程图;
图5是本发明优选实施例的变形阶段的计算流程图,包括单道次和多道次变形阶段宏微观计算和预测子程序的流程图;
图6是本发明优选实施例的道次间隙阶段的计算流程图;
图7是本发明优选实施例的加热保温过程模拟值与实验值对比图;
图8是本发明优选实施例的变形及变形后保温过程模拟值与实验值对比图;
图9是本发明优选实施例的300M大型飞机起落架外筒模锻目标形状图;
图10是本发明优选实施例的300M大型飞机起落架外筒模锻全流程(预锻和终锻)有限元模型;
图11是本发明优选实施例的300M大型飞机起落架外筒终锻结束等效应变和平均晶粒尺寸分布情况。
图12是本发明优选实施例的300M大型飞机起落架外筒模锻的最佳坯料形状。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,作为一个优选的实施例,本实施例基于DEFORM软件和高强钢材料,对本发明的大型构件全流程宏微观分析平台的开发与使用进行介绍:
步骤1:构建试样材料的流动应力本构模型和微观晶粒数学模型
基于多道次高温热模拟实验,对高强钢进行热模拟实验,根据实验数据分析得到在宏观上不同温度、不同应变速率和不同道次下高强钢的高温热变形行为规律,构建高强钢的流动应力本构模型,分析在压缩状态下变形温度和应变速率等对高强钢微观组织演变规律,构建高强钢的奥氏体晶粒长大和动态再结晶等微观晶粒尺寸模型,并在实验过程中采集高强钢的热物性参数;
步骤2:多道次热锻全流程宏微观分析平台搭建
基于步骤1中构建的宏观流动应力模型和微观晶粒尺寸模型,构建多道次的流动应力本构模型等,搭建模锻多道次模拟的主程序,对主程序的各个部分进行子程序的编写,将模型利用编译器(例如AbsoftFortran8.0)编写成用户自定义子程序嵌入到有限元模拟仿真软件DEFORM-3D软件(也可以是ABAQUS、MARC等)中进行二次开发,并进行可行性评估,得到多道次模锻宏微观耦合模拟的多道次热锻全流程宏微观分析平台,搭建该高强钢的材料库;
步骤3:宏微观性能判断
分析大型构件的结构,根据构件的形状特征进行加工方法和工艺方案的设计,通过毛坯-预锻件联合优化设计的方法,计算毛坯形状和尺寸,初步设计成形的工艺参数;
根据步骤2中得到的DEFORM-3D多道次模锻宏微观耦合模拟预测平台及上述毛坯形状、尺寸和工艺参数,在DEFORM前处理中建立有限元模型,定义坯料和模具的材料属性,设置各项工艺参数,在自定义单元变量中设置Process值,进行有限元模拟计算,如果模拟结果达到实际生产构件的各个宏观性能要求和保持晶粒尺寸均匀,则认为当前设计的模锻工艺参数合理,否则根据当前模拟结果,对坯料形状和尺寸进行微调,重新设计模锻工艺参数及模拟判断,直至模拟结果达到实际生产构件的宏微观性能目标;
优选地,步骤3中,所述多道次热锻全流程宏微观分析预测平台执行所述多道次热锻模拟的主程序的步骤如下:
当大型构件多道次热锻模拟计算开始时,主程序开始读入Process、温度、应变及等效应变速率的值,判断Process值的大小,调用步骤1中相应的数学模型,其中:
若Process的值等于0时,判断为变形前的加热保温阶段,调用该阶段晶粒长大微观晶粒数学模型;
若Process的值等于1时,判断为初始道次变形阶段,调用材料的流动应力本构模型和动态再结晶微观晶粒数学模型;
若Process的值等于2时,判断为道次间隙阶段,调用残余应变本构模型和静态再结晶和亚动态再结晶微观晶粒数学模型;
若Process的值等于3时,判断为后续道次变形阶段,调用多道次的流动应力本构模型和动态再结晶预测子程序,若还有后续道次则返回道次间隙阶段,直至最终道次变形结束。
优选地,所述加热保温阶段包括:当前道次热锻模拟变形前开始进行加热保温,赋予待分析大型构件初始晶粒尺寸与平均晶粒尺寸初始值后计算时间增量,以此调用晶粒长大模型计算加热保温后的平均晶粒尺寸;不断迭代更新每一步的平均晶粒尺寸的值,直至加热保温结束;当加热保温结束后最终的平均晶粒尺寸作为后续下一道次的变形过程及变形后的加热保温阶段中的初始晶粒尺寸进行计算。
优选地,变形阶段包括:变形开始时继承变形前的温度场、流动应力和晶粒尺寸,判断参数Process数值和材料的应变速率;
首先判断参数Process数值是否为1或3,若参数Process的数值为1,则调用材料的流动应力本构模型计算流动应力;若参数Process的数值为3,则调用多道次流动应力本构模型计算流动应力;
再判断材料的应变速率,若应变速率大于0则判断此时开始发生变形;接着判断材料的总应变是否大于等于临界应变,若总应变大于等于临界应变说明材料发生了动态再结晶;调用动态再结晶子程序,判断动态再结晶体积分数是否大于等于预设阈值,若动态再结晶体积分数大于等于预设阈值,则说明动态再结晶已经发生完全,令动态再结晶体积分数为1,否则继续计算动态再结晶体积分数、动态再结晶晶粒尺寸和平均晶粒尺寸。
优选地,所述道次间隙阶段包括:继承变形后所有参数值,调用道次间隙残余应变本构模型计算残余应力,并将残余应力赋值到材料的流动应力;判断此刻应变与临界应变的大小,若间隙阶段单元的应变大于或等于临界应变时说明该单元发生动态再结晶,之后判断动态再结晶体积分数的大小;
若动态再结晶体积分数大于预设阈值则动态再结晶发生完全,反之则动态再结晶未发生完全,之后会发生亚动态再结晶;
计算亚动态再结晶体积分数与晶粒尺寸,若亚动态再结晶体积分数大于预设阈值,说明此时亚动态再结晶已发生完全,令亚动态再结晶体积分数为1,反之继续计算亚动态再结晶体积分数与晶粒尺寸;
若间隙阶段单元的应变小于临界应变则直接进入静态再结晶的计算,若静态再结晶体积分数大于预设阈值,说明此时静态再结晶已发生完全,令静态再结晶体积分数为1,反之继续计算静态再结晶体积分数与晶粒尺寸。
上述过程中,所述的预设阈值为经验值,可以依实际实验需求进行设置,例如0.95、0.98等,本发明的实施例中取0.95。
步骤4:根据步骤3中的模拟结果,确定最佳的坯料形状、尺寸和成形工艺参数,并将这些参数应用到实际生产中,测试各项性能,对比分析生产和模拟的误差并分析原因,便于后续对实际生产进行指导。
更进一步的,步骤1中所述的锻件材料为常温下变形困难的高强钢,目标锻件为需要多道次成形的大型构件,高强钢的热模拟实验则是需要高强钢在不同温度、不同变形量、不同应变速率、不同应力状态下、不同道次下进行,从而得到。
更进一步的,步骤2中所述的多道次模锻宏微观耦合模拟预测平台是基于步骤1中高强钢材料的热模拟实验得到的宏观流动应力模型和微观晶粒尺寸模型,将锻造流程中各个道次的宏微观程序耦合到模拟的主程序。步骤2中,还包括如下对多道次热锻全流程宏微观分析平台进行可行性评估的方法:在有限元模拟软件中建立简单模型,设置不同工艺参数模拟热锻各个阶段的宏微观行为,并与实际实验值进行对比分析,评估热锻全流程微观组织模拟的可靠性和准确性,所述全流程微观组织模拟包括热保温中的晶粒长大行为模拟、变形中的动态再结晶行为模拟、间隙保温中的亚动态再结晶行为模拟与静态再结晶行为模拟。
更进一步的,步骤3中初步确定的工艺参数方案是基于步骤1的热模拟实验,参考具体锻件材料的热加工图确定各个工艺参数的大致范围,结合模拟结果,确定合理的工艺参数,再在合理参数中找出最佳工艺参数。
更进一步的,步骤3中毛坯-预锻件联合优化设计方法根据类等势法进行大型构件的毛坯和预锻件的设计,巧妙地避免了大型构件的大尺寸和高复杂度对工作量的增加。主要流程包括:毛坯设计、CAD建模、静电场模拟、等势面点云提取反求造型和Deform-3D锻造模拟和优化设计。
此外,上述发明内容同样适用,如自由锻、热轧和热挤压等热锻工艺。
下面,本实施例以圆柱体模锻成形全流程宏微观为例来对本发明的主要构思进行说明,并用以验证二次开发的程序准确性,锻件材料为300M钢,图2所示为本实施例中300M钢圆柱体的有限元模型。
步骤1:基于多道次高温热模拟实验,对试样进行热模拟压缩实验得到试样材料在宏观上不同热变形条件下的高温热变形行为规律,构建试样材料的流动应力本构模型和微观晶粒数学模型。
具体地,将φ8×12mm的柱状300M钢试样进行多道次热模拟实验,实验方案工艺参数中变形温度为900、950、1000、1050、1100、1150℃,应变速率为0.01、0.1、1、10s-1,变形量为60%,分为1、2、3道次平均变形,在抽真空充氩气的保护气的Gleeble 3500试验机上将试样以10℃/s的升温速率加热到1150℃并保温4min,使得试样奥氏体组织均匀化,然后再以10℃/s的速率降温到变形温度并保温1min,接着按照实验方案设定的变形温度、应变速率和道次进行压缩变形,在变形结束后迅速水淬冷却。
根据上述多道次热压缩实验,300M钢在变形过程中主要经历加工硬化、过渡阶段、动态软化和稳态流变四个流变行为阶段,得到不同变形温度和应变速率下300M钢的压缩变形单道次流动应力曲线和多道次与道次间隙流动应力曲线,建立300M钢单道次、多道次和道次间隙流动应力本构模型。并通过热模拟实验得到300M钢传热过程的一些热物性参数如杨氏模量、泊松比、热膨胀系数、导热系数等。统计不同阶段后的平均晶粒大小和晶粒大小尺寸差,建立300M钢的微观组织演化模型如晶粒长大、动态再结晶、静态再结晶和亚动态再结晶微观晶粒数学模型等。
步骤2:多道次热锻全流程宏微观分析平台搭建
所述用于模拟300M钢热锻宏微观全流程预测平台的主程序和子程序编译,具体包括以下几个步骤:
(1)当300M钢多道次热锻模拟计算开始时,如图2所示,主程序开始读入Process、温度、应变、等效应变速率等参数的值,判断Process值的大小,调用不同阶段的预测子程序;
(2)若Process的值等于0时,判断为变形前的加热保温阶段,如图3所示,调用该阶段晶粒长大预测子程序,赋予300M初始晶粒尺寸与平均晶粒尺寸初始值后计算时间增量,以此调用晶粒长大模型计算加热保温后的平均晶粒尺寸;
(3)若Process的值等于2时,判断为道次间隙阶段,如图4所示,调用修正残余应力的流动应力本构模型和后动态再结晶预测子程序,计算间隙阶段的流动应力,并判断此刻的应变和再结晶体积分数,分别计算动态再结晶、亚动态再结晶和静态再结晶体积分数和晶粒尺寸;
(4)若Process的值为1或3,判断为变形阶段,如图5所示,若Process的值等于1时,判断为初始道次变形阶段,调用单道次热锻流动应力本构模型和动态再结晶预测子程序;若Process的值等于3时,判断为后续道次变形阶段,调用多道次的流动应力本构模型和动态再结晶预测子程序。
图5和图6中的参数含义如下表:
圆柱体模锻成形全流程宏微观模拟是基于DEFORM-3D有限元软件利用ABSOFTFORTRAN8.0编译器将300M钢的流动应力本构模型和微观晶粒数学模型耦合编译到“upd.f”文件中,通过子程序与主程序建立连接搭建300M钢的宏微观耦合的预测平台进行全流程模拟。
DEFORM-3D的二次开发是将上述主程序和各个阶段的子程序编译至usr_upd.f等文件与DEF_SIM_USR_LIB.lib、DEF_SIM__USR_LIB.lib、DEF_SIM_P4P_USR_LIB_lib建立连接生成可执行程序DEF_SIM.exe、DEF_SIM_P4.exe、DEF_SIM_P4P.exe,替换原有可执行程序,覆盖原有程序,至此打开DEFORM-3D有限元软件,在前处理中定义单元变量后提交运算,即调用二次开发程序对300M钢的宏微观的变化情况进行预测。
圆柱体模锻成形大体设计成三个步骤包括加热保温、变形和间隙保温过程。在UG中构建尺寸为φ8x12mm的圆柱体,将圆柱体和模具导入DEFORM中,在前处理窗口中定位模具和圆柱体的相对位置建立此有限元模型,定义模具材料H13,圆柱体材料300M钢,采用相对网格划分法划分四面体网格,工件网格数量为10000,工件与环境的对流换热系数设置为0.02N/sec/mm/℃。
根据300M钢实际生产中的加热保温过程,在DEFORM的Directory里新建多个子目录,进入前处理窗口,对于工件和模具设置相同的保温温度分别为900℃、950℃、1000℃、1050℃、1100℃、1150℃,设置相同的保温时间分别为5min、10min、20min、40min、60min、120min。在自定义单元变量窗口设置初始晶粒尺寸和平均晶粒尺寸为37.74μm,Process值为0,环境温度设置与加热保温温度相同。最终得到300M钢在不同温度、不同保温时间下平均晶粒尺寸的模拟值。
变形阶段与变形温度、应变速率密切相关,进入DEFPRM的前处理窗口,变形温度以50℃为间隔,设置变形温度范围为900℃~1150℃;应变速率以10为倍数间隔设置为0.01s-1~10s-1,试样的压缩变形量设置为60%;在自定义单元变量窗口设置初始晶粒尺寸和平均晶粒尺寸为67.1μm,Process值为1.0,环境温度为25℃,工件与上下模传热,工件温度设置为加热保温后的变形温度,设置摩擦系数为0.3,模具与工件的传热系数设置为11/sec/mm/℃。
在变形后对300M钢进行保温,300M钢会发生亚动态再结晶或静态再结晶,间隙保温阶段则需要对亚动态再结晶和静态再结晶分别设计模拟方案。针对亚动态再结晶在DEFORM的前处理窗口设置如下:在变形阶段的基础上,选择其中的一个方案进行后续的保温,将模拟试样升温至1150℃,加热速度是20℃/s,在该温度下保温5min,随后以10℃/s的速度降低温度至变形温度,3min的保温时间后进行变形模拟,压缩变形量为40%;基于上述设计设置变形温度分别设置为900、1000、1100、1150℃,应变速率为1s-1,保温温度与变形温度一致,保温时间分别设置为10s,在自定义单元变量窗口设置初始晶粒尺寸为67.9μm,Process值为2.0。针对静态再结晶的设置如下:其它参数设置与亚动态再结晶一致,初始温度设置为1050℃、1100℃、1150℃,变形温度设置为1000℃,应变速率设置为1s-1,保温时间分别设置为5s、20s、60s,压缩变形量设置为13%,初始晶粒尺寸设置为202.5μm。
在进行上述设置后,通过对圆柱体模锻成形宏微观全流程包括加热保温过程、变形过程和变形后的间隙保温过程进行模拟分析,并将模拟结果和实验结果进行对比来评估二次开发的准确性,实验结果如图7和8所示,加热保温过程中平均晶粒尺寸模拟值与实验值的线性相关系数为0.97186,加热保温过程的模拟结果与实验结果吻合良好;变形过程动态再结晶体积分数和动态再结晶晶粒尺寸的模拟值与实验值的线性相关系数分别为0.99541和0.99372,变形过程的模拟结果与实验结果吻合良好;间隙保温过程中亚动态再结晶体积分数的模拟值与实验值之间的线性相关系数为0.98215,静态再结晶体积分数的模拟值与实验值之间的线性相关系数为0.95102,间隙保温过程的模拟结果与实验结果吻合良好。在误差允许范围内可以认为300M钢模锻全流程宏微观预测平台的二次开发是准确和可靠的。
在完成平台搭建后,针对在线分析过程,本发明以大型飞机起落架外筒模锻全流程数值模拟来进行说明,材料为300M钢。锻件目标形状如图9所示。
步骤3:构件参数设定及宏微观性能模拟
(1)初步设计待分析大型构件的毛坯形状、尺寸和成形工艺参数
300M大型飞机起落架外筒由V形头部、中间凸起部位和规则圆柱杆部组成,杆部760mm,头部730mm,杆部直径270mm,V型头部高度260mm,锻件总高度550mm。由于300M钢大型飞机起落架外筒尺寸较大,结构不对称,三个凸起高且窄,在轴线方向上横截面积相差很大,头部顶端部分分叉,采用一次成形较为困难,需要经过预锻和终锻两个道次的变形才能得到锻件目标形状,预锻和终锻模具模型如图10(a)和(b)所示。
根据300M钢的热加工图和实际生产需求,大型飞机起落架外筒锻造温度为850~1200℃,在变形过程中锻件与模具之间进行热传递导致锻件温度不断降低,温度较低会导致金属流动困难,成形力增大;温度过高则会发生过烧,经过正交实验模拟,综合考虑将坯料加热到1140℃作为始锻温度。
对300M钢进行热模拟实验,构建300M钢宏微观模型,采集300M热物性参数,编译300M钢宏微观模型计算子程序,搭建300M钢的宏微观耦合的全流程宏微观分析平台,构建DEFORM中300M钢的材料库。
(2)在全流程宏微观分析平台中进行宏微观性能模拟分析
模拟预锻前加热阶段,将坯料模型导入DEFORM前处理中,定义坯料材料为300M钢,设置坯料初始温度设置为25℃,加热温度设置为1140℃,定义每个时间步为60s,加热模拟时间为3小时。采用相对网格划分法划分四面体网格,毛坯网格数量为50000,在自定义单元变量窗口设置Process值为0。预锻阶段继承加热过程结果,在DEFORM前处理中导入预锻前加热最后一步模型,将模具初始温度设置为350℃,上模运行速度为15mm/s,,上模和下模网格数量为20000,边界条件设置为:摩擦因子0.3,毛坯与模具之间的传热系数设置11N/sec/mm/℃,在自定义单元变量窗口设置Process值为1.0,毛坯、模具与环境间的对流交换系数设置0.02N/sec/mm/℃。将模拟步长设置为划分网格最小值的1/3。终锻前加热和终锻参数设置同预锻前加热和预锻过程,终锻前加热过程自定义单元变量窗口设置Process值为2.0,终锻过程自定义单元变量窗口设置Process值为3.0。
经过DEFORM的模拟计算锻前加热保温阶段,预锻毛坯进行了3个小时的加热,工件会发生晶粒长大,预锻毛坯经过长时间的加热保温后,内外平均晶粒尺寸趋于一致,工件平均晶粒尺寸最小为140.2μm,最大为140.9μm。
预锻阶段在锻件的凸起处变形量较大,应变分布在1~1.5之间,在飞边处应变最大,最高达到了4.27。预锻阶段锻件大部分区域发生了动态再结晶,动态再结晶部分对晶粒尺寸产生了明显的细化作用。其中发生动态再结晶的区域平均晶粒尺寸细小,大多分布在4μm~30μm之间,未发生动态再结晶和动态再结晶未发生完全的区域晶粒尺寸较为粗大,大多分布在50μm~140μm之间,平均晶粒尺寸的平均值为59.5μm。
预锻后加热保温过程首先发生亚动态再结晶与静态再结晶,由于保温时间足够长,在发生后动态再结晶完全后又发生晶粒长大,起落架整体的晶粒尺寸分布较为均匀,其中大多数区域分布在96μm左右,最小值为9.71μm,最大值为143μm,平均晶粒尺寸的平均值为95.9μm。
终锻结束时,凸起处、起落架头部、飞边处等效应变较大,如图11所示,在飞边区域应变在3~7之间,头部应变在1~7之间,杆部应变在0~0.5之间。平均晶粒尺寸的最小值为6.52μm,最大值为117μm,平均晶粒尺寸大多分布在6μm~50μm之间,平均晶粒尺寸的平均值为37.4μm。与预锻结束时相比,终锻结束后整体平均晶粒尺寸大小分布更加均匀。
步骤4:根据步骤3中的模拟结果,确定最佳的坯料形状、尺寸和成形工艺参数分别如下:
最佳坯料形状:根据步骤3中的模拟结果,同时考虑材料在模具型腔的填充效果,确定最佳的坯料形状如图12所示。坯料杆部为方形等高状,头部形状则接近锻件外形轮廓的等高三角状。
最佳尺寸:方形等高坯料的总体为172981026mm3,杆部区域高度为269.93mm,杆长为750mm,头部三角状的高度为249.11mm,长度为590mm,坯料头部和杆部过渡区域的开口角度为90°。
最佳成形工艺参数:坯料材料为300M钢,模具材料为H13钢,最佳成形工艺参数中预锻前加热过程,环境和坯料初始温度为25℃,加热炉内温度为1140℃,加热时间为3h;预锻过程的坯料初始温度为1140℃,热锻模具初始温度为350℃,上模下压速度为15mm/s,坯料与模具之间的摩擦系数为0.3,坯料与模具之间的传热系数为11N/sec/mm/℃,环境、坯料与模具之间的对流换热系数为0.2N/sec/mm/℃;终锻前加热和终锻过程中的工艺参数与预锻前加热和预锻过程中的保持一致。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种大型构件热锻全流程宏微观分析方法,其特征在于,包括以下步骤:
离线建模阶段:
步骤1:基于多道次高温热模拟实验,对试样进行热模拟压缩实验得到试样材料在宏观上不同热变形条件下的高温热变形行为规律,构建试样材料的流动应力本构模型和微观晶粒数学模型,所述微观晶粒数学模型包括晶粒长大模型、动态再结晶模型、静态再结晶模型和亚动态再结晶模型;
步骤2:对试样材料的流动应力本构模型进行修正得到道次间隙残余应变本构模型和多道次流动应力本构模型,搭建多道次热锻模拟的主程序;将修正后的流动应力本构模型和微观晶粒数学模型编写成用户自定义子程序嵌入到有限元模拟仿真软件中,得到多道次热锻全流程宏微观分析平台;
在线分析阶段:
步骤3:初步设计待分析大型构件的毛坯形状、尺寸和成形工艺参数并输入步骤2中得到的多道次热锻全流程宏微观分析预测平台,建立待分析大型构件的热锻有限元模型,并进行有限元模拟;如果模拟结果达到实际生产构件的宏微观性能目标,则认为当前设计工艺参数合理,否则根据当前模拟结果,对待分析大型构件的毛坯形状、尺寸进行微调,重新设计相应成形工艺参数及重新进行模拟判断,直至模拟结果达到实际生产构件的宏微观性能目标;
步骤4:根据步骤3中的模拟结果,确定最佳的坯料形状、尺寸和成形工艺参数。
2.如权利要求1所述的一种大型构件热锻全流程宏微观分析方法,其特征在于,步骤3中,所述多道次热锻全流程宏微观分析预测平台执行所述多道次热锻模拟的主程序的步骤如下:
当大型构件多道次热锻模拟计算开始时,主程序开始读入Process、温度、应变及等效应变速率的值,判断Process值的大小,调用步骤1中相应的数学模型,其中:
若Process的值等于0时,判断为变形前的加热保温阶段,调用该阶段晶粒长大微观晶粒数学模型;
若Process的值等于1时,判断为初始道次变形阶段,调用材料的流动应力本构模型和动态再结晶微观晶粒数学模型;
若Process的值等于2时,判断为道次间隙阶段,调用残余应变本构模型和静态再结晶和亚动态再结晶微观晶粒数学模型;
若Process的值等于3时,判断为后续道次变形阶段,调用多道次的流动应力本构模型和动态再结晶预测子程序,若还有后续道次则返回道次间隙阶段,直至最终道次变形结束。
3.如权利要求2所述的一种大型构件热锻全流程宏微观分析方法,其特征在于,所述加热保温阶段包括:当前道次热锻模拟变形前开始进行加热保温,赋予待分析大型构件初始晶粒尺寸与平均晶粒尺寸初始值后计算时间增量,以此调用晶粒长大模型计算加热保温后的平均晶粒尺寸;不断迭代更新每一步的平均晶粒尺寸的值,直至加热保温结束;当加热保温结束后最终的平均晶粒尺寸作为后续下一道次的变形过程及变形后的加热保温阶段中的初始晶粒尺寸进行计算。
4.如权利要求2所述的一种大型构件热锻全流程宏微观分析方法,其特征在于,变形阶段包括:变形开始时继承变形前的温度场、流动应力和晶粒尺寸,判断参数Process数值和材料的应变速率;
首先判断参数Process数值是否为1或3,若参数Process的数值为1,则调用材料的流动应力本构模型计算流动应力;若参数Process的数值为3,则调用多道次流动应力本构模型计算流动应力;
再判断材料的应变速率,若应变速率大于0则判断此时开始发生变形;接着判断材料的总应变是否大于等于临界应变,若总应变大于等于临界应变说明材料发生了动态再结晶;调用动态再结晶子程序,判断动态再结晶体积分数是否大于等于预设阈值,若动态再结晶体积分数大于等于预设阈值,则说明动态再结晶已经发生完全,令动态再结晶体积分数为1,否则继续计算动态再结晶体积分数、动态再结晶晶粒尺寸和平均晶粒尺寸。
5.如权利要求2所述的一种大型构件热锻全流程宏微观分析方法,其特征在于,所述道次间隙阶段包括:继承变形后所有参数值,调用道次间隙残余应变本构模型计算残余应力,并将残余应力赋值到材料的流动应力;判断此刻应变与临界应变的大小,若间隙阶段单元的应变大于或等于临界应变时说明该单元发生动态再结晶,之后判断动态再结晶体积分数的大小;
若动态再结晶体积分数大于预设阈值则动态再结晶发生完全,反之则动态再结晶未发生完全,之后会发生亚动态再结晶;
计算亚动态再结晶体积分数与晶粒尺寸,若亚动态再结晶体积分数大于预设阈值,说明此时亚动态再结晶已发生完全,令亚动态再结晶体积分数为1,反之继续计算亚动态再结晶体积分数与晶粒尺寸;
若间隙阶段单元的应变小于临界应变则直接进入静态再结晶的计算,若静态再结晶体积分数大于预设阈值,说明此时静态再结晶已发生完全,令静态再结晶体积分数为1,反之继续计算静态再结晶体积分数与晶粒尺寸。
6.如权利要求1所述的一种大型构件热锻全流程宏微观分析方法,其特征在于,步骤2中,还包括如下对多道次热锻全流程宏微观分析平台进行可行性评估的方法:在有限元模拟软件中建立简单模型,设置不同工艺参数模拟热锻各个阶段的宏微观行为,并与实际实验值进行对比分析,评估热锻全流程微观组织模拟的可靠性和准确性,所述全流程微观组织模拟包括热保温中的晶粒长大行为模拟、变形中的动态再结晶行为模拟、间隙保温中的亚动态再结晶行为模拟与静态再结晶行为模拟。
7.一种多道次热锻全流程宏微观分析平台,其特征在于,按照权利要求1~6任一项所述的大型构件热锻全流程宏微观分析方法中的离线阶段构建而成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210677340.2A CN115015318B (zh) | 2022-06-15 | 2022-06-15 | 一种大型构件热锻全流程宏微观分析方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210677340.2A CN115015318B (zh) | 2022-06-15 | 2022-06-15 | 一种大型构件热锻全流程宏微观分析方法及平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115015318A true CN115015318A (zh) | 2022-09-06 |
CN115015318B CN115015318B (zh) | 2024-04-19 |
Family
ID=83075055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210677340.2A Active CN115015318B (zh) | 2022-06-15 | 2022-06-15 | 一种大型构件热锻全流程宏微观分析方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115015318B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116913440A (zh) * | 2023-09-14 | 2023-10-20 | 燕山大学 | 建立变形参数动态变化下多道次热变形本构模型的方法 |
CN116933594A (zh) * | 2023-07-24 | 2023-10-24 | 哈尔滨工业大学 | 一种GH4169Plus合金盘类锻件晶粒度预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120232685A1 (en) * | 2011-03-09 | 2012-09-13 | GM Global Technology Operations LLC | Systems and methods for computationally developing manufacturable and durable cast components |
CN105373683A (zh) * | 2015-12-11 | 2016-03-02 | 武汉理工大学 | 一种20CrMnTiH钢热变形过程微观组织演化规律的预测方法 |
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 |
US20170102689A1 (en) * | 2015-10-09 | 2017-04-13 | Amir Khajepour | System and method for real time closed-loop monitoring and control of material properties in thermal material processing |
CN110619157A (zh) * | 2019-08-30 | 2019-12-27 | 西安理工大学 | 一种钛合金焊接熔池微观组织演化的模拟方法 |
-
2022
- 2022-06-15 CN CN202210677340.2A patent/CN115015318B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120232685A1 (en) * | 2011-03-09 | 2012-09-13 | GM Global Technology Operations LLC | Systems and methods for computationally developing manufacturable and durable cast components |
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 |
US20170102689A1 (en) * | 2015-10-09 | 2017-04-13 | Amir Khajepour | System and method for real time closed-loop monitoring and control of material properties in thermal material processing |
CN105373683A (zh) * | 2015-12-11 | 2016-03-02 | 武汉理工大学 | 一种20CrMnTiH钢热变形过程微观组织演化规律的预测方法 |
CN110619157A (zh) * | 2019-08-30 | 2019-12-27 | 西安理工大学 | 一种钛合金焊接熔池微观组织演化的模拟方法 |
Non-Patent Citations (3)
Title |
---|
崔振山;陈文;陈飞;张效迅;: "大锻件控性锻造过程的计算机模拟技术", 机械工程学报, no. 11, 5 June 2010 (2010-06-05) * |
赵明杰等: "Flow characteristics and hot workability of a typical low-alloy high-srength steel during multi-pass deformation", 《INTERNATIONAL JOURNAL OF MINERALA, METALLURGY AND MATERIALS》, 17 February 2024 (2024-02-17) * |
赵明杰等: "高强钢大型构件锻造全流程微观组织演化预测分析", 《塑性工程学报》, 19 October 2023 (2023-10-19) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116933594A (zh) * | 2023-07-24 | 2023-10-24 | 哈尔滨工业大学 | 一种GH4169Plus合金盘类锻件晶粒度预测方法 |
CN116933594B (zh) * | 2023-07-24 | 2024-03-22 | 哈尔滨工业大学 | 一种GH4169Plus合金盘类锻件晶粒度预测方法 |
CN116913440A (zh) * | 2023-09-14 | 2023-10-20 | 燕山大学 | 建立变形参数动态变化下多道次热变形本构模型的方法 |
CN116913440B (zh) * | 2023-09-14 | 2023-11-28 | 燕山大学 | 建立变形参数动态变化下多道次热变形本构模型的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115015318B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105373683B (zh) | 一种20CrMnTiH钢热变形过程微观组织演化规律的预测方法 | |
CN115015318A (zh) | 一种大型构件热锻全流程宏微观分析方法及平台 | |
CN108875213B (zh) | 一种反应堆堆芯热工水力多尺度分析方法 | |
CN109977464B (zh) | 一种基于bp神经网络的活塞切削加工变形量的预测方法 | |
Zhang et al. | Analysis of local loading forming for titanium-alloy T-shaped components using slab method | |
Chen et al. | A design framework for optimizing forming processing parameters based on matrix cellular automaton and neural network-based model predictive control methods | |
US20110098989A1 (en) | Systems and methods for predicting heat transfer coefficients during quenching | |
Feng et al. | Optimization of variable blank holder force in deep drawing based on support vector regression model and trust region | |
Grissa et al. | Three approaches for modeling residual stresses induced by orthogonal cutting of AISI316L | |
Shao et al. | A new approach of preform design for forging of 3D blade based on evolutionary structural optimization | |
CN106649986A (zh) | 一种基于procast仿真平台对铜管水平连铸参数最优化匹配方法 | |
CN114818437A (zh) | 钛合金整体叶盘等温锻造工艺的优化方法 | |
CN115203997A (zh) | 一种基于多变量设计的点阵-实体复合结构拓扑优化方法 | |
CN115186557A (zh) | 一种基于多物理场耦合求解热累积效应的增材制造构件微观组织均匀化调控方法 | |
Liu et al. | Modeling of fast pre-joining processes optimization for skin-stringer panels | |
CN111879910A (zh) | 一种优化锻造工艺参数与组织性能的试验方法 | |
CN116796546A (zh) | 基于小样本学习的高温合金增材制造工艺优化预测方法 | |
CN111368402B (zh) | 一种管材挤压工艺优化方法 | |
CN112877628B (zh) | 低能晶界密度与晶粒尺寸的协调优化方法与系统 | |
CN115204013A (zh) | 一种多轴应力状态下的材料的寿命预测方法 | |
CN113963753A (zh) | 一种Ti-6Al-4V钛合金热变形过程微观组织演化规律的预测方法 | |
Alteyeb et al. | Optimization of cantilever beam for minimum weight using finite element analysis | |
CN102054097A (zh) | 基于cae仿真技术的金属塑性成型产品开发系统 | |
Pilthammar et al. | Framework for simulation-driven design of stamping dies considering elastic die and press deformations | |
CN116910984B (zh) | 压射曲线参数优化方法、装置、电子设备和存储介质 |
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 |