CN115034092B - 含夹杂物的粉末高温合金低周疲劳寿命的预测方法 - Google Patents

含夹杂物的粉末高温合金低周疲劳寿命的预测方法 Download PDF

Info

Publication number
CN115034092B
CN115034092B CN202210951456.0A CN202210951456A CN115034092B CN 115034092 B CN115034092 B CN 115034092B CN 202210951456 A CN202210951456 A CN 202210951456A CN 115034092 B CN115034092 B CN 115034092B
Authority
CN
China
Prior art keywords
low
cycle fatigue
inclusions
fatigue life
dimensionless
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
Application number
CN202210951456.0A
Other languages
English (en)
Other versions
CN115034092A (zh
Inventor
冯业飞
李倩
周晓明
邹金文
王旭青
罗学军
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.)
AECC Beijing Institute of Aeronautical Materials
Original Assignee
AECC Beijing Institute of Aeronautical Materials
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 AECC Beijing Institute of Aeronautical Materials filed Critical AECC Beijing Institute of Aeronautical Materials
Priority to CN202210951456.0A priority Critical patent/CN115034092B/zh
Publication of CN115034092A publication Critical patent/CN115034092A/zh
Application granted granted Critical
Publication of CN115034092B publication Critical patent/CN115034092B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0001—Type of application of the stress
    • G01N2203/0005—Repeated or cyclic
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058—Kind of property studied
    • G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
    • G01N2203/0073—Fatigue
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/022—Environment of the test
    • G01N2203/0222—Temperature
    • G01N2203/0226—High temperature; Heating means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/026—Specifications of the specimen
    • G01N2203/0284—Bulk material, e.g. powders
    • 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
    • G06F2119/04—Ageing analysis or optimisation against ageing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明公开了一种含夹杂物的粉末高温合金低周疲劳寿命的预测方法，包括以下步骤：制备不含夹杂物的低周疲劳试样，开展不同应变幅下的粉末高温合金低周疲劳寿命测试，通过应变控制低周疲劳寿命测试和数据处理，建立粉末高温合金的Manson‑Coffin公式；制备含夹杂物的低周疲劳试样，开展不同应变幅下的粉末高温合金低周疲劳寿命测试，建立夹杂物特征参数与粉末高温合金低周疲劳寿命的数学关系式；建立含夹杂物特征参数的粉末高温合金低周疲劳寿命的预测模型；基于夹杂物特征参数和应变幅进行粉末高温合金低周疲劳寿命预测。该方法建立了考虑夹杂物特征参数并包含裂纹萌生寿命的低周疲劳寿命的预测模型，使预测精度更高更精准。

Description

含夹杂物的粉末高温合金低周疲劳寿命的预测方法
技术领域
本发明属于材料性能预测技术领域，具体涉及一种含夹杂物的粉末高温合金低周疲劳寿命的预测方法。
背景技术
众所周知，粉末高温合金具有组织均匀、晶粒细小、屈服强度高、疲劳性能好等优点，目前已成为制备推重比8以上的高性能航空发动机涡轮盘的首选材料。然而，由于在母合金熔炼和粉末制备过程中使用了坩埚材料，导致非金属夹杂物不可避免地渗透进材料中，这些非金属夹杂物的存在会严重降低材料使用的安全性和可靠性。
为了不断提高发动机对涡轮盘使用的安全性和可靠性，必须对含夹杂物的粉末高温合金的低周疲劳寿命进行预测。针对粉末高温合金低周疲劳寿命的预测方法，目前国内外的专家和学者主要从两个方面开展研究：（1）通过观察低周疲劳试验的样品断口，采用统计方法建立夹杂物尺寸与低周疲劳寿命的关系；（2）采用断裂力学方法建立断裂寿命预测模型。
经过调查发现，上述两个研究方面均存在缺陷：采用统计方法统计样品断口夹杂物的尺寸，虽然能够有效的表征夹杂物对粉末高温合金疲劳寿命的影响规律，但是缺乏定量研究和基于统计数据基础之上建立的数学模型；采用断裂力学方法主要考虑裂纹扩展寿命，而忽略了裂纹萌生寿命，然而裂纹萌生寿命占据了疲劳寿命的很大比重，通常裂纹萌生寿命占据比重达80%以上，甚至更高，从而造成材料的严重浪费。因此，需要建立考虑夹杂物特征参数并包含裂纹萌生寿命的低周疲劳寿命的预测模型。
申请公布号为CN111678821A的发明专利公开了一种基于高温合金加工表面完整性的低周疲劳寿命预测方法，包括以下步骤：进行高温合金试样低周疲劳试验，获取疲劳寿命与总应变幅值数据，绘制疲劳寿命与总应变幅值的关系图；选择低周疲劳试验后的高温合金试样，垂直于试样进行轴向切割取样，进行表面化学腐蚀以测量表面的平均面积均方根；选择疲劳寿命试验试样，测量试样加工表面不平度；得到与高温合金平均晶粒面积均方根有关的疲劳寿命预测模型。该技术方案的低周疲劳寿命预测模型是基于不含夹杂物的高温合金，所以预测模型的准确度有待提高。
申请公布号为CN108153928A的发明专利公开了一种含夹杂物粉末高温合金裂纹萌生寿命预测方法，包括以下步骤：定义描述夹杂物周围材料裂纹萌生进程的损伤变量场，定义表征参量，定义循环特征参数，定义损伤变量场变化率方程，预测裂纹萌生寿命。该技术方案建立了预测含夹杂物粉末高温合金裂纹萌生寿命的方法，但其中没有考虑夹杂物特征参数，所以预测方法的准确度有待提高。
发明内容
为解决现有技术中存在的问题，本发明提供一种含夹杂物的粉末高温合金低周疲劳寿命的预测方法，其按照先后顺序包括以下步骤：
步骤一：制备不含夹杂物的低周疲劳试样，开展不同应变幅下的粉末高温合金低周疲劳寿命测试，通过应变控制低周疲劳寿命测试和数据处理，建立粉末高温合金的Manson-Coffin公式；
步骤二：制备含夹杂物的低周疲劳试样，开展不同应变幅下的粉末高温合金低周疲劳寿命测试，建立夹杂物特征参数与粉末高温合金低周疲劳寿命的数学关系式；
步骤三：建立含夹杂物特征参数的粉末高温合金低周疲劳寿命的预测模型；
步骤四：基于夹杂物特征参数和应变幅进行粉末高温合金低周疲劳寿命预测。
优选的是，步骤一中，采用应变控制的Manson-Coffin公式建立如下总应变幅与低周疲劳寿命之间的关系，具体关系式如下：
Figure 668057DEST_PATH_IMAGE001
Figure 381935DEST_PATH_IMAGE002
Figure 223989DEST_PATH_IMAGE003
Figure 353619DEST_PATH_IMAGE004
式中：
Figure 964729DEST_PATH_IMAGE005
——总应变幅，无量纲；
Figure 843649DEST_PATH_IMAGE006
——弹性应变幅，无量纲；
Figure 969737DEST_PATH_IMAGE007
——塑性应变幅，无量纲；
Figure 965374DEST_PATH_IMAGE008
——疲劳强度系数，无量纲；
Figure 696570DEST_PATH_IMAGE009
——疲劳塑性系数，无量纲；
Figure 424355DEST_PATH_IMAGE010
——低周疲劳寿命，周；
Figure 975422DEST_PATH_IMAGE011
——弹性模量，GPa；
Figure 774750DEST_PATH_IMAGE012
——疲劳强度指数，无量纲；
Figure 157190DEST_PATH_IMAGE013
——疲劳塑性指数，无量纲。
在上述任一方案中优选的是，步骤二中，通过观察和统计含夹杂物的低周疲劳试样的断口，建立含夹杂物的低周疲劳寿命与夹杂物的面积、夹杂物距试样表面的距离、外加载荷应变幅的关系，即
Figure 383772DEST_PATH_IMAGE014
，式中：
Figure 359819DEST_PATH_IMAGE015
——变量，无量纲；
Figure 697259DEST_PATH_IMAGE016
——外加载荷应变幅，无量纲；
Figure 137468DEST_PATH_IMAGE017
——夹杂物的面积，
Figure 331689DEST_PATH_IMAGE018
；
Figure 857348DEST_PATH_IMAGE019
——夹杂物距试样表面的距离，
Figure 670583DEST_PATH_IMAGE020
。
在上述任一方案中优选的是，步骤二中，夹杂物的面积与低周疲劳寿命之间呈指数关系，最终确定夹杂物特征参数为夹杂物的面积。夹杂物的面积可代表裂纹萌生寿命。
在上述任一方案中优选的是，步骤三中，夹杂物特征参数为内部夹杂物的面积、表面夹杂物的面积。
在上述任一方案中优选的是，步骤三中，含内部夹杂物面积的粉末高温合金低周疲劳寿命的预测模型为
Figure 230877DEST_PATH_IMAGE021
，
式中：
Figure 799262DEST_PATH_IMAGE022
——内部夹杂物的面积，
Figure 812217DEST_PATH_IMAGE018
；
Figure 553777DEST_PATH_IMAGE023
——疲劳强度指数，无量纲；
Figure 974437DEST_PATH_IMAGE024
——疲劳塑性指数，无量纲；
Figure 713723DEST_PATH_IMAGE025
——常数，无量纲；
Figure 886079DEST_PATH_IMAGE026
——常数，无量纲。
在上述任一方案中优选的是，步骤三中，含表面夹杂物面积的粉末高温合金低周疲劳寿命的预测模型为
Figure 103433DEST_PATH_IMAGE027
，式中：
Figure 638320DEST_PATH_IMAGE028
——表面夹杂物的面积，
Figure 610824DEST_PATH_IMAGE018
；
Figure 332792DEST_PATH_IMAGE029
——疲劳强度指数，无量纲；
Figure 619417DEST_PATH_IMAGE030
——疲劳塑性指数，无量纲；
Figure 415335DEST_PATH_IMAGE031
——常数，无量纲；
Figure 762003DEST_PATH_IMAGE032
——常数，无量纲。
在上述任一方案中优选的是，步骤四中，将内部夹杂物的面积、表面夹杂物的面积、外加应变幅分别代入含内部夹杂物面积的粉末高温合金低周疲劳寿命的预测模型、含表面夹杂物面积的粉末高温合金低周疲劳寿命的预测模型中，即可得到含夹杂物的粉末高温合金低周疲劳寿命。
本发明针对粉末高温合金，制备了含夹杂物的低周疲劳试样，系统地开展了夹杂物的面积、夹杂物距试样表面的距离、应变幅等因素对粉末高温合金低周疲劳寿命的影响。通过观察试样断口，采用统计方法建立了夹杂物特征参数与低周疲劳寿命的定量关系，确定了夹杂物面积与低周疲劳寿命呈指数关系，且夹杂物面积是影响粉末高温合金低周疲劳寿命的主要因素。在应变控制的Manson-Coffin公式中，应变幅与低周疲劳寿命呈指数关系，因此将夹杂物面积代入Manson-Coffin公式中，建立含夹杂物面积的粉末高温合金低周疲劳寿命的预测模型。本发明的预测模型基于大量试验样品和试验数据得出。
本发明在断口统计观察的基础上，建立了考虑夹杂物面积、包含裂纹萌生寿命的粉末高温合金低周疲劳寿命的预测模型，可基于夹杂物的面积和应变幅预测粉末高温合金的低周疲劳寿命。通过该模型，建立了粉末高温合金涡轮盘疲劳失效性能的判据，为提高航空发动机的安全性和可靠性提供了技术支撑。
本发明含夹杂物的粉末高温合金低周疲劳寿命的预测方法，操作简单便捷，可根据夹杂物的面积和外加条件直接计算低周疲劳寿命；同时包含裂纹萌生寿命，使预测精度更高更精准；采用该方法预测低周疲劳寿命，内部夹杂物为±2倍分散带内，表面夹杂物为±3倍分散带内。
附图说明
图1为按照本发明预测方法的一优选实施例中采用含内部夹杂物面积的粉末高温合金低周疲劳寿命预测模型的预测寿命与试验寿命的对比图；
图2为按照本发明预测方法的图1所示实施例中采用含表面夹杂物面积的粉末高温合金低周疲劳寿命预测模型的预测寿命与试验寿命的对比图。
具体实施方式
为了更进一步了解本发明的发明内容，下面将结合具体实施例详细阐述本发明。
按照本发明含夹杂物的粉末高温合金低周疲劳寿命的预测方法的一优选实施例，采用FGH96合金（主要含有
Figure 971267DEST_PATH_IMAGE033
），在650℃下进行低周疲劳寿命测试，所有试验样品的形状均为圆柱形，尺寸均相同（直径12mm，长度90mm），测试环境均相同。
本实施例的预测方法按照先后顺序包括以下步骤：
步骤一：制备不含夹杂物的低周疲劳试样，开展不同应变幅下的粉末高温合金低周疲劳寿命测试，通过应变控制低周疲劳寿命测试和数据处理，建立粉末高温合金的Manson-Coffin公式。
采用应变控制的Manson-Coffin公式建立如下总应变幅与低周疲劳寿命之间的关系，具体关系式如下：
Figure 61583DEST_PATH_IMAGE001
Figure 102220DEST_PATH_IMAGE002
Figure 88631DEST_PATH_IMAGE003
Figure 50770DEST_PATH_IMAGE004
式中：
Figure 351302DEST_PATH_IMAGE005
——总应变幅，无量纲；
Figure 715287DEST_PATH_IMAGE006
——弹性应变幅，无量纲；
Figure 872599DEST_PATH_IMAGE007
——塑性应变幅，无量纲；
Figure 118772DEST_PATH_IMAGE008
——疲劳强度系数，无量纲；
Figure 568469DEST_PATH_IMAGE009
——疲劳塑性系数，无量纲；
Figure 255802DEST_PATH_IMAGE010
——低周疲劳寿命，周；
Figure 787278DEST_PATH_IMAGE011
——弹性模量，GPa；
Figure 458430DEST_PATH_IMAGE012
——疲劳强度指数，无量纲；
Figure 428660DEST_PATH_IMAGE013
——疲劳塑性指数，无量纲。
对FGH96合金的低周疲劳数据进行处理，获得不同应变幅下的迟滞环，得到其半寿命对应的弹性应变幅和塑性应变幅，采用origin软件对不同半寿命弹性应变幅和塑性应变幅对应的低周疲劳寿命进行拟合分析。
在650℃下，弹性模量
Figure 298396DEST_PATH_IMAGE034
，可得
Figure 328669DEST_PATH_IMAGE035
，
Figure 221539DEST_PATH_IMAGE036
，
Figure 995460DEST_PATH_IMAGE037
故应变控制的Manson-Coffin公式如下：
Figure 595068DEST_PATH_IMAGE038
步骤二：制备含夹杂物的低周疲劳试样，开展不同应变幅下的粉末高温合金低周疲劳寿命测试，建立夹杂物特征参数与粉末高温合金低周疲劳寿命的数学关系式。
通过观察和统计含夹杂物的低周疲劳试样的断口，建立含夹杂物的低周疲劳寿命与夹杂物的面积、夹杂物距试样表面的距离、外加载荷应变幅的关系，即
Figure 530663DEST_PATH_IMAGE014
，式中：
Figure 176408DEST_PATH_IMAGE015
——变量，无量纲；
Figure 285179DEST_PATH_IMAGE016
——外加载荷应变幅，无量纲；
Figure 67190DEST_PATH_IMAGE017
——夹杂物的面积，
Figure 439265DEST_PATH_IMAGE018
；
Figure 244410DEST_PATH_IMAGE019
——夹杂物距试样表面的距离，
Figure 94555DEST_PATH_IMAGE020
。
当外加载荷应变幅为0.8%-0.9%时，疲劳裂纹源区主要为夹杂物，当外加载荷应变幅为1.0%-1.2%时，疲劳裂纹源区全部在试样表面，且不含夹杂物，这表明当外加载荷应变幅为0.8%-0.9%时，夹杂物对粉末高温合金的低周疲劳寿命有影响。
对于内部夹杂物而言，夹杂物距试样表面的距离与低周疲劳寿命呈线性关系，低周疲劳寿命随着夹杂物距试样表面距离的增大而增大。由于夹杂物距试样表面距离的变化而产生的低周疲劳寿命的波动基本在±2倍分散带以内，夹杂物距试样表面的距离对低周疲劳寿命的影响相对较小，因此夹杂物距试样表面的距离可做忽略处理。
夹杂物的面积与低周疲劳寿命之间呈指数关系，最终确定夹杂物特征参数为夹杂物的面积。随着夹杂物面积的增大，低周疲劳寿命呈指数降低，当应变幅为0.8%时，低周疲劳寿命与夹杂物面积之间的关系式如下：
Figure 793389DEST_PATH_IMAGE039
步骤三：建立含夹杂物特征参数的粉末高温合金低周疲劳寿命的预测模型。
夹杂物特征参数为内部夹杂物的面积、表面夹杂物的面积。由前述公式可知，弹性应变幅和塑性应变幅均与低周疲劳寿命呈指数关系，故在同时考虑外加载荷应变幅和夹杂物面积的情况下，含内部夹杂物面积的粉末高温合金低周疲劳寿命的预测模型如下：
Figure 70787DEST_PATH_IMAGE021
式中：
Figure 97649DEST_PATH_IMAGE022
——内部夹杂物的面积，
Figure 22923DEST_PATH_IMAGE018
；
Figure 513947DEST_PATH_IMAGE023
——疲劳强度指数，无量纲；
Figure 24562DEST_PATH_IMAGE024
——疲劳塑性指数，无量纲；
Figure 132196DEST_PATH_IMAGE025
——常数，无量纲；
Figure 324143DEST_PATH_IMAGE026
——常数，无量纲。
含表面夹杂物面积的粉末高温合金低周疲劳寿命的预测模型如下：
Figure 607356DEST_PATH_IMAGE027
式中：
Figure 757715DEST_PATH_IMAGE028
——表面夹杂物的面积，
Figure 821486DEST_PATH_IMAGE018
；
Figure 82703DEST_PATH_IMAGE029
——疲劳强度指数，无量纲；
Figure 345057DEST_PATH_IMAGE030
——疲劳塑性指数，无量纲；
Figure 400738DEST_PATH_IMAGE031
——常数，无量纲；
Figure 889488DEST_PATH_IMAGE032
——常数，无量纲。
在外加载荷应变幅为0.8-0.9%的测试条件下，对含内部夹杂物的低周疲劳数据进行处理，采用origin软件对不同半寿命弹性应变幅和塑性应变幅对应的低周疲劳寿命进行拟合分析，可得
Figure 688817DEST_PATH_IMAGE040
所以对于FGH96合金而言，含内部夹杂物面积的粉末高温合金低周疲劳寿命的预测模型为
Figure 8940DEST_PATH_IMAGE041
。
同样，在外加载荷应变幅为0.8-0.9%的测试条件下，对含表面夹杂物的低周疲劳数据进行处理，采用origin软件对不同半寿命弹性应变幅和塑性应变幅对应
的低周疲劳寿命进行拟合分析，可得
Figure 297839DEST_PATH_IMAGE042
Figure 336202DEST_PATH_IMAGE043
所以对于FGH96合金而言，含表面夹杂物面积的粉末高温合金低周疲劳寿命的预测模型为
Figure 673642DEST_PATH_IMAGE044
。
步骤四：基于夹杂物特征参数和应变幅进行粉末高温合金低周疲劳寿命预测。将内部夹杂物的面积、表面夹杂物的面积、外加应变幅分别代入含内部夹杂物面积的粉末高温合金低周疲劳寿命的预测模型、含表面夹杂物面积的粉末高温合金低周疲劳寿命的预测模型中，即可得到含夹杂物的粉末高温合金低周疲劳寿命。
如图1所示，对于FGH96合金，在650℃和0.8%应变幅的条件下，采用含内部夹杂物面积的粉末高温合金低周疲劳寿命预测模型的预测寿命与试验寿命进行对比，发现试验低周疲劳寿命基本在±2倍分散带内，试验数据与预测数据偏差较小，这表明建立的含内部夹杂物面积的粉末高温合金低周疲劳寿命的预测模型能够很好地预测含夹杂物的FGH96合金的低周疲劳寿命。
如图2所示，对于FGH96合金，在650℃和0.8%应变幅的条件下，采用含表面夹杂物面积的粉末高温合金低周疲劳寿命预测模型的预测寿命与试验寿命进行对比，发现试验低周疲劳寿命基本在±3倍分散带内，试验数据与预测数据偏差较小，这表明建立的含表面夹杂物面积的粉末高温合金低周疲劳寿命的预测模型能够很好地预测含夹杂物的FGH96合金的低周疲劳寿命。
本实施例为含夹杂物的粉末高温合金低周疲劳寿命的预测模型，考虑了夹杂物特征参数，同时包含裂纹萌生寿命，试验寿命详见图1和图2。不含夹杂物的粉末高温合金低周疲劳寿命的平均值为14万周。
本实施例的预测方法，操作简单便捷，可根据夹杂物的面积和外加条件直接计算低周疲劳寿命，同时包含裂纹萌生寿命，使预测精度更高更精准。
本领域技术人员不难理解，本发明的含夹杂物的粉末高温合金低周疲劳寿命的预测方法包括上述本发明说明书的发明内容和具体实施方式部分以及附图所示出的各部分的任意组合，限于篇幅并为使说明书简明而没有将这些组合构成的各方案一一描述。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种含夹杂物的粉末高温合金低周疲劳寿命的预测方法，其按照先后顺序包括以下步骤：
步骤一：制备不含夹杂物的低周疲劳试样，开展不同应变幅下的粉末高温合金低周疲劳寿命测试，通过应变控制低周疲劳寿命测试和数据处理，建立粉末高温合金的Manson-Coffin公式；
步骤二：制备含夹杂物的低周疲劳试样，开展不同应变幅下的粉末高温合金低周疲劳寿命测试，建立夹杂物特征参数与粉末高温合金低周疲劳寿命的数学关系式；
步骤三：建立含夹杂物特征参数的粉末高温合金低周疲劳寿命的预测模型；
步骤四：基于夹杂物特征参数和应变幅进行粉末高温合金低周疲劳寿命预测；
步骤一中，采用应变控制的Manson-Coffin公式建立如下总应变幅与低周疲劳寿命之间的关系式
Figure 536373DEST_PATH_IMAGE001
，式中：
Figure 984DEST_PATH_IMAGE002
——总应变幅，无量纲；
Figure 843038DEST_PATH_IMAGE003
——疲劳强度系数，无量纲；
Figure 34985DEST_PATH_IMAGE004
——疲劳塑性系数，无量纲；
Figure 396827DEST_PATH_IMAGE005
——低周疲劳寿命，周；
Figure 16027DEST_PATH_IMAGE006
——弹性模量，GPa；
Figure 830531DEST_PATH_IMAGE007
——疲劳强度指数，无量纲；
Figure 826169DEST_PATH_IMAGE008
——疲劳塑性指数，无量纲；
步骤二中，通过观察和统计含夹杂物的低周疲劳试样的断口，建立含夹杂物的低周疲劳寿命与夹杂物的面积、夹杂物距试样表面的距离、外加载荷应变幅的关系，即
Figure 291785DEST_PATH_IMAGE009
，式中：
Figure 832619DEST_PATH_IMAGE010
——变量，无量纲；
Figure 649265DEST_PATH_IMAGE011
——外加载荷应变幅，无量纲；
Figure 933747DEST_PATH_IMAGE012
——夹杂物的面积，mm2；
Figure 253870DEST_PATH_IMAGE013
——夹杂物距试样表面的距离，mm；
夹杂物的面积与低周疲劳寿命之间呈指数关系，最终确定夹杂物特征参数为夹杂物的面积；
步骤三中，夹杂物特征参数为内部夹杂物的面积和表面夹杂物的面积；含内部夹杂物面积的粉末高温合金低周疲劳寿命的预测模型为
Figure 480452DEST_PATH_IMAGE014
，式中：
Figure 269548DEST_PATH_IMAGE015
——内部夹杂物的面积，mm2；
Figure 606988DEST_PATH_IMAGE016
——疲劳强度指数，无量纲；
Figure 797929DEST_PATH_IMAGE017
——疲劳塑性指数，无量纲；
Figure 195412DEST_PATH_IMAGE018
——常数，无量纲；
Figure 721072DEST_PATH_IMAGE019
——常数，无量纲；
含表面夹杂物面积的粉末高温合金低周疲劳寿命的预测模型为
Figure 612935DEST_PATH_IMAGE020
，式中：
Figure 907650DEST_PATH_IMAGE021
——表面夹杂物的面积，mm2；
Figure 238486DEST_PATH_IMAGE022
——疲劳强度指数，无量纲；
Figure 985862DEST_PATH_IMAGE023
——疲劳塑性指数，无量纲；
Figure 665105DEST_PATH_IMAGE024
——常数，无量纲；
Figure 565059DEST_PATH_IMAGE025
——常数，无量纲。
2.如权利要求1所述的含夹杂物的粉末高温合金低周疲劳寿命的预测方法，其特征在于：步骤四中，将内部夹杂物的面积、表面夹杂物的面积、外加应变幅分别代入含内部夹杂物面积的粉末高温合金低周疲劳寿命的预测模型、含表面夹杂物面积的粉末高温合金低周疲劳寿命的预测模型中，即可得到含夹杂物的粉末高温合金低周疲劳寿命。
CN202210951456.0A 2022-08-09 2022-08-09 含夹杂物的粉末高温合金低周疲劳寿命的预测方法 Active CN115034092B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210951456.0A CN115034092B (zh) 2022-08-09 2022-08-09 含夹杂物的粉末高温合金低周疲劳寿命的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210951456.0A CN115034092B (zh) 2022-08-09 2022-08-09 含夹杂物的粉末高温合金低周疲劳寿命的预测方法

Publications (2)

Publication Number Publication Date
CN115034092A CN115034092A (zh) 2022-09-09
CN115034092B true CN115034092B (zh) 2022-11-15

Family

ID=83130004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210951456.0A Active CN115034092B (zh) 2022-08-09 2022-08-09 含夹杂物的粉末高温合金低周疲劳寿命的预测方法

Country Status (1)

Country Link
CN (1) CN115034092B (zh)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4857425B2 (ja) * 2001-03-23 2012-01-18 株式会社産学連携機構九州 金属材料の長寿命疲労強度設計法
US8155940B2 (en) * 2008-07-30 2012-04-10 GM Global Technology Operations LLC Methods and systems for predicting very high cycle fatigue properties in metal alloys
US8515688B2 (en) * 2009-03-12 2013-08-20 GM Global Technology Operations LLC Systems and methods to predict fatigue lives of aluminum alloys under multiaxial loading
JP5445727B1 (ja) * 2012-05-29 2014-03-19 新日鐵住金株式会社 部品の破壊評価装置、部品の破壊評価方法、及びコンピュータプログラム
CN103020364B (zh) * 2012-12-18 2015-01-14 武汉大学 预测低合金钢焊缝金属中非金属夹杂物特征参数的方法
CN104142272B (zh) * 2014-07-22 2016-06-08 广东电网公司电力科学研究院 一种超超临界锅炉过-再热器受热面寿命评估方法
CN108072747B (zh) * 2017-11-10 2020-05-19 中国航发北京航空材料研究院 一种高温合金夹杂面积定量估算方法
CN108153928B (zh) * 2017-11-10 2021-02-09 中国航发北京航空材料研究院 一种含夹杂物粉末高温合金裂纹萌生寿命预测方法
CN112417580B (zh) * 2020-04-17 2022-11-22 中国航发北京航空材料研究院 一种考虑保载效应的高温低周疲劳寿命预测方法
CN111678821A (zh) * 2020-06-23 2020-09-18 山东大学 基于高温合金加工表面完整性的低周疲劳寿命预测方法
CN114547928B (zh) * 2022-01-14 2024-06-07 北京航空航天大学 一种基于主成分分析的缺陷形貌等效与寿命评估方法

Also Published As

Publication number Publication date
CN115034092A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
Zhu et al. Computational-experimental approaches for fatigue reliability assessment of turbine bladed disks
Szczepanski et al. Microstructural influences on very-high-cycle fatigue-crack initiation in Ti-6246
WO2013179877A1 (ja) 部品の破壊評価装置、部品の破壊評価方法、及びコンピュータプログラム
RaviKumar et al. Mechanical and wear behavior of Al7075/Al2O3/SiC hybrid composite
CN111678821A (zh) 基于高温合金加工表面完整性的低周疲劳寿命预测方法
Li et al. Subsurface facets-induced crack nucleation behavior and microstructure-based strength evaluation of titanium alloys in ultra-long life regime
Zhang et al. Grain size based low cycle fatigue life prediction model for nickel-based superalloy
Li et al. Estimation of fatigue crack initiation in the very high cycle fatigue regime for AA7075-T6 alloy using crystal plasticity finite element method
Wang et al. The effects of stress triaxiality, temperature and strain rate on the fracture characteristics of a nickel-base superalloy
CN115034092B (zh) 含夹杂物的粉末高温合金低周疲劳寿命的预测方法
Sun et al. Mechanism of artificial surface defect induced cracking for very high cycle fatigue of Ti alloys
CN108072747B (zh) 一种高温合金夹杂面积定量估算方法
Contescu et al. Effect of air oxidation on pore structure development and mechanical properties of nuclear graphite
Rettberg et al. Detecting recrystallization in a single crystal Ni-base alloy using resonant ultrasound spectroscopy
CN115979804A (zh) 一种增材制造材料寿命预测方法
Bader et al. Effect of stress ratio and v notch shape on fatigue life in steel beam
Abdallah et al. Creep deformation mechanisms in a γ titanium aluminide
Guo et al. Experimental and computational investigation of fretting fatigue characterized by nominal contact pressure in dovetail structures
Brockenbrough et al. Microstructurally based model of fatigue initiation and growth
Liu et al. Crack initiation characteristics and fatigue property of a high-strength steel in VHCF regime under different stress ratios
Nozhnitsky et al. Numerical simulation of spin testing for turbo machine disks using energy-based fracture criteria
Getsov et al. Thermal fatigue resistance of a monocrystalline alloy
Byrne et al. Influence of sub-surface defects on low-cycle fatigue life in a gas turbine disc alloy at elevated temperature
Hyde et al. Fatigue, creep and creep/fatigue behaviour of a nickel base superalloy at 700 C
Sun et al. Analysis of the mechanical properties of Q345R steel in deep-regulating units by the spherical indentation method

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Feng Yefei

Inventor after: Li Qian

Inventor after: Zhou Xiaoming

Inventor after: Zou Jinwen

Inventor after: Wang Xuqing

Inventor after: Luo Xuejun

Inventor before: Feng Yefei

Inventor before: Zhou Xiaoming

Inventor before: Zou Jinwen

Inventor before: Wang Xuqing

Inventor before: Luo Xuejun

GR01 Patent grant
GR01 Patent grant