CN117491375B - 一种铝合金铸件氧化膜缺陷的定量表征及评价方法 - Google Patents
一种铝合金铸件氧化膜缺陷的定量表征及评价方法 Download PDFInfo
- Publication number
- CN117491375B CN117491375B CN202410002204.2A CN202410002204A CN117491375B CN 117491375 B CN117491375 B CN 117491375B CN 202410002204 A CN202410002204 A CN 202410002204A CN 117491375 B CN117491375 B CN 117491375B
- Authority
- CN
- China
- Prior art keywords
- fracture
- oxide film
- defect
- characterization
- score
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 119
- 238000005266 casting Methods 0.000 title claims abstract description 62
- 238000012512 characterization method Methods 0.000 title claims abstract description 52
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 35
- 238000011156 evaluation Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000004506 ultrasonic cleaning Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 29
- 230000008569 process Effects 0.000 abstract description 8
- 238000012360 testing method Methods 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 6
- 229910052782 aluminium Inorganic materials 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000001035 drying Methods 0.000 description 4
- 238000009661 fatigue test Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000002893 slag Substances 0.000 description 4
- 238000009864 tensile test Methods 0.000 description 4
- 238000004512 die casting Methods 0.000 description 3
- 239000000155 melt Substances 0.000 description 3
- 238000001000 micrograph Methods 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000009863 impact test Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本发明属于铸件检测技术领域，具体涉及一种铝合金铸件氧化膜缺陷的定量表征及评价方法。包括：随机选取铝合金铸件进行本体取样，获得多个断口；在超景深数码显微镜下依次观察试样断口，表征每个断面上氧化膜的数量、长度、面积及相对应断面面积；进行数据统计与分析，获得铝合金铸件氧化膜缺陷的缺陷率、最大长度、平均缺陷面积占比；分别计算得到第一分值Q1、第二分值Q2、第三分值Q3，获得综合判据总分值Q来判断铝合金铸件氧化膜缺陷的严重程度，评价铸件质量优劣。解决了铝合金铸件氧化膜缺陷无法检测的问题，完善了铝合金铸件质量检测，避免了铸件批次不合格，有利于减少试验资源浪费、推进工艺优化、减少开发成本。
Description
技术领域
本发明属于铸件检测技术领域，具体涉及一种铝合金铸件氧化膜缺陷的定量表征及评价方法。
背景技术
铸造铝合金密度小、比强度高，具有优良的铸造性能、机械性能、可加工性能、耐腐蚀性能，被广泛用于汽车、航空、航天等领域。随着汽车轻量化的要求以及新能源汽车的发展，汽车零部件中铝合金铸件比例不断增加，例如控制臂、转向节、车轮等，对铝合金铸件质量要求更加严格。
铝合金铸件的质量好坏对其使用性能、服役寿命具有决定性影响。在实际铸造过程中，铝合金铸件如A356压铸件内部不可避免的会出现缩孔缩松、氧化膜夹渣等铸造缺陷，缺陷严重会影响产品质量，因此生产流程需进行质量检测以把控铝合金铸件质量。目前X光检测方法已被广泛应用，但其仅能检测缩孔缩松类缺陷；目前并没有检测铝合金铸件内部氧化膜缺陷的相关技术。
铝合金铸件内部氧化膜缺陷形成有两方面原因：一是铝熔体中本就存在氧化膜夹渣，熔体净化工艺后，生产线熔体夹渣评价如K模法为等级评价且具有滞后性；二是压铸机集渣包并不能完全去掉氧化膜，且熔体在压铸机内充型过程中可能会形成紊流生成新的氧化膜。氧化膜的存在割裂了铸件基体，在承受载荷时尤其是循环载荷时氧化膜处易形成应力集中产生微裂纹，在循环应力作用下会加速铸件开裂导致疲劳失效。这些因素说明了铝合金铸件尤其是承力铝合金铸件进行氧化膜缺陷检测的重要意义。
因此目前需要引入一种铝合金铸件内部氧化膜缺陷的检测方法，判断氧化膜缺陷的严重程度，评价铸件质量。
发明内容
本发明目的在于，提出一种铝合金铸件氧化膜缺陷的定量表征及评价方法，以解决铝合金铸件内部氧化膜缺陷无法进行检测的问题，能够完善铝合金铸件的质量检测流程，可有效避免铸件批次不合格问题，推进工艺技术优化。
根据本发明的目的，提供一种铝合金铸件氧化膜缺陷的定量表征及评价方法，包括以下步骤：
（1）根据产品型号，随机选取铝合金铸件，标记需要进行检测的部位，将待检测部位切割成N个试样并在试样中间预加工坡口，固定试样一端后沿坡口位置进行物理打断，试样打断后依次标记序号1,2…i…N，获得N个断口后进行超声波清洗，超声波清洗溶液为无水乙醇；
（2）断口宏观表征：选用超景深数码显微镜50倍镜头，使用景深合成加图像拼接功能，获得断口宏观照片，依次观察第i个断口氧化膜缺陷的数量Mi，使用图像处理功能表征该断口面积SGi；
（3）对存在氧化膜缺陷的断口进行微观表征：超景深数码显微镜切换到100-500倍镜头，获得氧化膜缺陷微观照片，对第i个断口存在的Mi个氧化膜依次表征出氧化膜缺陷长度Di-1, Di-2…Di-Mi并得到该断口氧化膜缺陷最大长度Di=max（Di-1, Di-2…Di-Mi）；表征氧化膜缺陷面积Si-1, Si-2…Si-Mi 并得到该断口氧化膜缺陷总面积Si= Si-1＋Si-2＋…＋Si-Mi，计算出氧化膜缺陷总面积与该断口面积占比Ri=Si/SGi；
（4）数据统计与分析：所有断口表征完后，统计存在氧化膜的断口数量NG及这些断口的缺陷面积占比之和RG，RG=ΣRi；计算断口缺陷率w= NG/N×100%、断口缺陷最大长度d=max（Di）、断口平均缺陷面积占比r= RG/NG；
（5）质量评价：根据得到的三个结果断口缺陷率w、断口缺陷最大长度d、断口平均缺陷面积占比r，分别计算得到第一分值Q1、第二分值Q2、第三分值Q3，然后通过计算得到最终判据总分值Q，总分值Q数值越高，缺陷危害越小，铸件质量越好。
另外，可通过铸件其它性能检测：在铸件本体相应位置制取力学性能样品，测试样品的抗拉强度、屈服强度、延伸率；对同批次铸件进行相应台架试验等，对总分值Q数值判断结果进行验证。注意，后续其它检测是铸件质量评价体系的一部分，并非验证总分值Q有效性的简单增加。
优选地，所述步骤（1）中试样打断的方式为冲击断裂，包括利用敲击、摆锤冲击。
优选地，所述步骤（1）中试样沿坡口打开后获得的两个断口具有相同特征断面，只需标记其中一个，断面数量N不少于10个。
优选地，所述步骤（2）、（3）中所用超景深数码显微镜是实现断口宏观表征、微观表征及尺寸、面积测量的工具，其可被具有类似功能的其它显微镜及软件替代，包括但不限于体视镜、扫描电子显微镜SEM。
优选地，所述步骤（3）中第i个断口不存在氧化膜缺陷时，不必测量断面面积，省略所述步骤（3）的微观表征步骤。
优选地，所述步骤（5）中所述第一分值Q1、第二分值Q2、第三分值Q3的计算方法为：Q1=（100%-w）×100，0≤w≤100%；当d≥dq 时，Q2=0，当d＜dq时 ，Q2=（dq-d）/ dq×100，其中dq为临界氧化膜长度；当r≥rq 时，Q3=0，当r＜rq 时，Q3=（rq-r）/rq×100，其中rq为标准氧化膜平均缺陷面积占比；dq、rq的数值定义标准可根据相应产品及缺陷敏感度进行调整。
优选地，所有断口均没有氧化膜缺陷时，Q1、Q2、Q3值均为100分。
优选地，所述步骤（5）中所述综合判据总分值Q的计算方法为：Q=Q1×a1＋Q2×a2＋Q3×a3，其中a1、a2、a3分别为第一影响因子、第二影响因子、第三影响因子，0≤a1，a2，a3≤100%且a1＋a2＋a3=100%，第一影响因子、第二影响因子、第三影响因子可根据铸件产品标准及不同客户要求进行相应调整；总分值Q越高，氧化膜缺陷危害越小，铸件质量越好。
优选地，本发明所述的断口平均缺陷面积占比，是基于所制备断口的断面尺寸相当，对存在氧化膜的断口依次计算缺陷面积占比后计算平均值得到，可减少断口面积表征量。
关于其它缺陷面积占比的统计方法，例如计算总氧化膜面积占总断面面积的占比，属于本发明的简单改造与延伸，可根据铸件检测情况选择对应方式。
优选地，本发明中所述总分值Q=Q1×50%＋Q2×30%＋Q3×20%。
优选地，本发明中，选定同款铸件产品，对不同批次/工艺抽检进行质量检测分析，然后进行对比。
针对铝合金铸件内部氧化膜缺陷检测技术的空白，本发明具有以下优势：
（1）解决了铝合金铸件在生产过程中内部出现氧化膜缺陷无法进行检测的问题，完善了铸件质量检测流程；
（2）通过对断口定量表征，对氧化膜数量、长度、面积进行了多方面分析，详细描述了氧化膜缺陷的存在状况；
（3）根据表征结果从断口缺陷率、最大长度、平均缺陷面积占比定义了三个评价分数，得到综合判据总分值Q，使该评价方法的结果全面且直观；
（4）通过随机抽检铝合金铸件的氧化膜缺陷，避免产品出现批次质量不合格，降低产品风险，还可以减少后续试验资源浪费；
（5）本方法可结合软件开发及试验结果建立氧化膜缺陷数据库，一方面可以促进此方法完善优化、迭代升级；另一方面可结合工艺参数判断铝合金铸件的质量波动情况，为工艺改进提供参考数据和方向。
（6）本方法成本低，可实现，易于标准化，可推广至生产线检测流程评价铸件质量。
附图说明
图1为铝合金铸件的质量检测流程图；
图2为本发明铝合金铸件氧化膜缺陷的定量表征及评价方法的流程简图；
图3的（A）、（B）分别为实施例1的典型宏观照片、典型微观照片；
图4的（A）、（B）分别为实施例2的典型宏观照片、典型微观照片；
图5的（A）、（B）分别为实施例3的典型宏观照片、典型微观照片。
具体实施方式
下文的描述用于阐释本发明的技术方案，以便本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明精神和范围的其他技术方案。同时，值得注意的是，文中结合某一实施例描述的特征或特性并不一定限于该特定的实施方式，也不表示与其他实施方式互斥，在本领域技术人员的能力范围内，可以考虑实现不同实施例中各个特征的不同组合方式。
本领域技术人员可以理解，本发明中的“步骤Sn”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
除非另有限定，否则本文中使用的所有用语（包括技术用语和科学用语），均具有与本领域普通技术人员通常理解相同的含义，并可依据它们在相关技术描述上下文中的语境作具体解释。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
下面结合具体实施例对本发明做进一步说明，且本发明的内容不限于下述实施例。其中包括步骤：
S1：确定产品为某款21寸铸铝车轮，X光检测合格后，在同批次车轮中随机抽检，选取车轮内轮缘为检测部位并将内轮缘切割成30个试样且在试样中间预加工坡口，将试样沿坡口依次敲击打开后获得30个断口并依次标记序号1,2…i…29,30。
标记完成后对断口进行超声波清洗，超声波清洗溶液为无水乙醇，断口清洗后及时吹干。
S2：进行断口宏观表征。选用超景深数码显微镜为检测工具，选择50倍镜头，使用景深合成＋图像拼接功能，获得断口宏观照片，依次观察第i个断口氧化膜缺陷的数量Mi，使用图像处理功能表征该断口面积SGi；
S3：对存在氧化膜缺陷的断口进行微观表征：超景深数码显微镜切换到100-500倍镜头，获得氧化膜缺陷微观照片，对第i个断口存在的Mi个氧化膜依次表征出氧化膜缺陷长度Di-1, Di-2…Di-Mi并得到该断口最大长度Di=max（Di-1, Di-2…Di-Mi）；表征氧化膜缺陷面积Si-1, Si-2…Si-Mi 并得到该断口氧化膜总面积Si= Si-1＋Si-2＋…＋Si-Mi，计算出氧化膜缺陷与该断口面积占比Ri=Si/SGi；
S4：数据统计与分析：所有断口表征完后，统计存在氧化膜的断口数量NG及这些断口的缺陷面积占比之和RG，RG=ΣRi；计算断口缺陷率w= NG/N×100%、断口缺陷最大长度d=max（Di）、断口平均缺陷面积占比r= RG/NG。
S5：依据所选产品、标准以及数据库，选定临界氧化膜长度dq为2.5mm，标准氧化膜平均缺陷面积占比rq为1%，计算得到第一分值Q1、第二分值Q2、第三分值Q3：
Q1=（100%-w）×100，0≤w≤100%；
；
；
根据输出的三个结果：缺陷率w、缺陷最大长度d、平均缺陷面积占比r，分别计算得到Q1、Q2、Q3。
根据Q= Q1×50%＋Q2×30%＋Q3×20%，得到最终判据总分值Q，Q分值越高代表铸件质量越好。
图1为铝合金铸件的质量检测流程图，其中依据本发明方法的氧化膜检测为新增流程。下面通过选定的某款21寸铸铝车轮，根据图2氧化膜缺陷检测的步骤示意图，对不同批次进行氧化膜缺陷检测，结合铸件本体力学性能试验结果及铸件冲击试验结果，通过实施例1-3对本发明进行说明。
实施例
（S1）某款21寸铸铝车轮，批次/工艺一，X光检测合格后随机抽检，选取车轮内轮缘为检测部位并将内轮缘切割成30个试样且在试样中间预加工坡口，将试样沿坡口依次敲击打开后获得30个断口并依次标记序号1,2…i…29,30。标记完成后用无水乙醇溶液对断口进行超声波清洗，断口清洗后及时吹干。
（S2）进行断口宏观表征。选用超景深数码显微镜为检测工具，选择50倍镜头，使用景深合成＋图像拼接功能，获得断口宏观照片，依次观察第i个断口氧化膜缺陷的数量Mi，使用图像处理功能表征该断口面积SGi；典型宏观照片如图3中（A）所示；
（S3）根据宏观表征结果，对存在氧化膜缺陷的断口进行微观表征：切换100倍镜头，获得氧化膜缺陷微观照片，对第i个断口存在的Mi个氧化膜依次表征出氧化膜缺陷长度Di-1, Di-2…Di-Mi并得到该断口最大长度Di=max（Di-1, Di-2…Di-Mi）；表征氧化膜缺陷面积Si-1, Si-2…Si-Mi 并得到该断口氧化膜总面积Si= Si-1＋Si-2＋…＋Si-Mi，计算出氧化膜缺陷与该断口面积占比Ri=Si/SGi；典型微观照片如图3中（B）所示；
（S4）进行数据分析与统计：表征完所有断口后，统计存在氧化膜的断口数量为3个，计算出断口缺陷率w为10%、断口缺陷最大长度d为0.696mm、断口平均缺陷面积占比r为0.052%。
表1 批次/工艺一断口关键表征及数据分析结果汇总
（S5）根据输出的三个判据结果：w=10%、d=0.696mm、r=0.052%，计算得到：
Q1=（100%-w）×100，0≤w≤100%；得到Q1=90；
Q2=（2.5-d）/ 2.5×100，d＜2.5；得到Q2=72.2；
Q3=（1%-r）/1%×100，r＜1% ；得到Q3=94.8；
Q= Q1×50%＋Q2×30%＋Q3×20%，得到判据总分值Q分值为86。
在车轮内轮缘处取样制备Φ6拉伸试棒，拉伸性能检测依据IS06892-1:2016标准执行，5个试样拉伸性能平均值为屈服强度214Mpa、抗拉强度297Mpa、延伸率12.6%。同批次车轮进行径向疲劳试验，车轮疲劳寿命为343万转。
实施例
（S1）同款21寸铸铝车轮，批次/工艺二，X光检测合格后随机抽检，选取车轮内轮缘为检测部位并将内轮缘切割成30个试样且在试样中间预加工坡口，将试样沿坡口依次敲击打开后获得30个断口并依次标记序号1,2…i…29,30。标记完成后用无水乙醇溶液对断口进行超声波清洗，断口清洗后及时吹干。
（S2）进行断口宏观表征。选用超景深数码显微镜为检测工具，选择50倍镜头，使用景深合成＋图像拼接功能，获得断口宏观照片，依次观察第i个断口氧化膜缺陷的数量Mi，使用图像处理功能表征该断口面积SGi；典型宏观照片如图4中（A）所示；
（S3）根据宏观表征结果，对存在氧化膜缺陷的断口进行微观表征：切换100倍镜头，获得氧化膜缺陷微观照片，对第i个断口存在的Mi个氧化膜依次表征出氧化膜缺陷长度Di-1, Di-2…Di-Mi并得到该断口最大长度Di=max（Di-1, Di-2…Di-Mi）；表征氧化膜缺陷面积Si-1, Si-2…Si-Mi 并得到该断口氧化膜总面积Si= Si-1＋Si-2＋…＋Si-Mi，计算出氧化膜缺陷与该断口面积占比Ri=Si/SGi；典型微观照片如图4中（B）所示；
（S4）进行数据分析与统计：表征完所有断口后，统计存在氧化膜的断口数量为11个，计算出断口缺陷率w为36.7%、断口缺陷最大长度d为1.256mm、断口平均缺陷面积占比r为0.285%。
表2 批次/工艺二断口关键表征及数据分析结果
（S5）根据输出的三个判据结果：w=36.7%、d=1.256mm、r=0.285%，计算得到：
Q1=（100%-w）×100，0≤w≤100%；得到Q1=63.3；
Q2=（2.5-d）/ 2.5×100，d＜2.5；得到Q2=49.8；
Q3=（1%-r）/1%×100，r＜1% ；得到Q3=71.5；
Q= Q1×50%＋Q2×30%＋Q3×20%，得到判据Q分值为61。
在车轮内轮缘处取样制备Φ6拉伸试棒，拉伸性能检测依据IS06892-1:2016标准执行，5个试样拉伸性能平均值为屈服强度212Mpa、抗拉强度285Mpa、延伸率8.9%。同批次车轮进行径向疲劳试验，车轮疲劳寿命为186万转。
实施例
（S1）同款21寸铸铝车轮，批次/工艺三，X光检测合格后随机抽检，选取车轮内轮缘为检测部位并将内轮缘切割成30个试样且在试样中间预加工坡口，将试样沿坡口依次敲击打开后获得30个断口并依次标记序号1,2…i…29,30。标记完成后用无水乙醇溶液对断口进行超声波清洗，断口清洗后及时吹干。
（S2）进行断口宏观表征。选用超景深数码显微镜为检测工具，选择50倍镜头，使用景深合成＋图像拼接功能，获得断口宏观照片，依次观察第i个断口氧化膜缺陷的数量Mi，使用图像处理功能表征该断口面积SGi；典型宏观照片如图5中（A）所示；
（S3）根据宏观表征结果，对存在氧化膜缺陷的断口进行微观表征：切换100倍镜头，获得氧化膜缺陷微观照片，对第i个断口存在的Mi个氧化膜依次表征出氧化膜缺陷长度Di-1, Di-2…Di-Mi并得到该断口最大长度Di=max（Di-1, Di-2…Di-Mi）；表征氧化膜缺陷面积Si-1, Si-2…Si-Mi 并得到该断口氧化膜总面积Si= Si-1＋Si-2＋…＋Si-Mi，计算出氧化膜缺陷与该断口面积占比Ri=Si/SGi；将断口Di与Ri数据进行记录；典型微观照片如图5中（B）所示；
（S4）进行数据分析与统计：表征完所有断口后，统计存在氧化膜的断口数量为23个，计算出断口缺陷率w为76.7%、断口缺陷最大长度d为1.527mm、断口平均缺陷面积占比r为0.346%。
表3 批次/工艺三断口关键表征及数据分析结果
（S5）根据输出的三个判据结果：w=76.7%、d=1.527mm、r=0.346%，计算得到：
Q1=（100%-w）×100，0≤w≤100%；得到Q1=23.3；
Q2=（2.5-d）/ 2.5×100，d＜2.5；得到Q2=38.9；
Q3=（1%-r）/1%×100，r＜1% ；得到Q3=65.4；
Q= Q1×50%＋Q2×30%＋Q3×20%，得到判据总分值Q分值为36。
在车轮内轮缘处取样制备Φ6拉伸试棒，拉伸性能检测依据IS06892-1:2016标准执行，5个试样拉伸性能平均值为屈服强度209Mpa、抗拉强度272Mpa、延伸率6.3%。同批次车轮进行径向疲劳试验，车轮疲劳寿命为95万转。
通过上述实施例，验证了本发明方法的正确性和可靠性，与拉伸试验和疲劳试验结果一致。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。 凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种铝合金铸件氧化膜缺陷的定量表征及评价方法，其特征在于，包括以下步骤：
（1）根据产品型号，随机选取铝合金铸件，标记需要进行检测的部位，将待检测部位切割成N个试样并在试样中间预加工坡口，固定试样一端后沿坡口位置进行物理打断，试样打断后依次标记序号1,2…i…N，获得N个断口后进行超声波清洗，超声波清洗溶液为无水乙醇；
（2）断口宏观表征：选用超景深数码显微镜50倍镜头，使用景深合成加图像拼接功能，获得断口宏观照片，依次观察第i个断口氧化膜缺陷的数量Mi，使用图像处理功能表征该断口面积SGi；
（3）对存在氧化膜缺陷的断口进行微观表征：超景深数码显微镜切换到100-500倍镜头，获得氧化膜缺陷微观照片，对第i个断口存在的Mi个氧化膜依次表征出氧化膜缺陷长度Di-1,Di-2…Di-Mi并得到该断口氧化膜缺陷最大长度Di=max（Di-1,Di-2…Di-Mi）；表征氧化膜缺陷面积Si-1,Si-2…Si-Mi 并得到该断口氧化膜缺陷总面积Si=Si-1＋Si-2＋…＋Si-Mi，计算出氧化膜缺陷总面积与该断口面积占比Ri=Si/SGi；
（4）数据统计与分析：所有断口表征完后，统计存在氧化膜的断口数量NG及这些断口的缺陷面积占比之和RG，RG=ΣRi；计算断口缺陷率w=NG/N×100%、断口缺陷最大长度d=max（Di）、断口平均缺陷面积占比r=RG/NG；
（5）根据断口缺陷率w、断口缺陷最大长度d、断口平均缺陷面积占比r，分别计算得到第一分值Q1、第二分值Q2、第三分值Q3，然后通过计算得到最终判据总分值Q，总分值Q数值越高，缺陷危害越小，铸件质量越好；
所述步骤（5）中所述第一分值Q1、第二分值Q2、第三分值Q3的计算方法为：Q1=（100%-w）×100，0≤w≤100%；当d≥dq时，Q2=0，当d＜dq时，Q2=（dq-d）/dq×100，其中dq为临界氧化膜长度；当r≥rq时，Q3=0，当r＜rq时，Q3=（rq-r）/rq×100，其中rq为标准氧化膜平均缺陷面积占比；dq、rq的数值定义标准可根据相应产品及缺陷敏感度进行调整。
2.根据权利要求1所述的定量表征及评价方法，其特征在于，所述步骤（1）中试样打断方式为冲击断裂，包括利用敲击、摆锤冲击。
3.根据权利要求1所述的定量表征及评价方法，其特征在于，所述步骤（1）中试样沿坡口打断后获得的两个断口具有相同特征断面，只需标记其中一个，断口数量N不少于10个。
4.根据权利要求1所述的定量表征及评价方法，其特征在于，所述步骤（2）、（3）中所用超景深数码显微镜是实现断口宏观表征、微观表征及尺寸、面积测量的工具，可被具有类似功能的其它显微镜及软件替代，包括体视镜、扫描电子显微镜SEM。
5.根据权利要求1所述的定量表征及评价方法，其特征在于，所述步骤（3）中第i个断口不存在氧化膜缺陷时，不必测量断口面积，省略所述步骤（3）的微观表征。
6.根据权利要求1所述的定量表征及评价方法，其特征在于，所有断口均没有氧化膜缺陷时，Q1、Q2、Q3值均为100分。
7.根据权利要求1所述的定量表征及评价方法，其特征在于，所述步骤（5）中所述最终判据总分值Q的计算方法为：Q=Q1×a1＋Q2×a2＋Q3×a3，其中a1、a2、a3分别为第一影响因子、第二影响因子、第三影响因子，0≤a1，a2，a3≤100%且a1＋a2＋a3=100%，第一影响因子、第二影响因子、第三影响因子可根据铸件产品标准及不同客户要求进行相应调整；总分值Q越高，氧化膜缺陷危害越小，铸件质量越好。
8.根据权利要求1所述的定量表征及评价方法，其特征在于，所述的断口平均缺陷面积占比，是基于所制备断口的断面尺寸相当，对存在氧化膜的断口依次计算缺陷面积占比后计算平均值得到，可减少断口面积表征量。
9.根据权利要求7所述的定量表征及评价方法，其特征在于，所述总分值Q=Q1×50%＋Q2×30%＋Q3×20%。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410002204.2A CN117491375B (zh) | 2024-01-02 | 2024-01-02 | 一种铝合金铸件氧化膜缺陷的定量表征及评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410002204.2A CN117491375B (zh) | 2024-01-02 | 2024-01-02 | 一种铝合金铸件氧化膜缺陷的定量表征及评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117491375A CN117491375A (zh) | 2024-02-02 |
| CN117491375B true CN117491375B (zh) | 2024-03-22 |
Family
ID=89683349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410002204.2A Active CN117491375B (zh) | 2024-01-02 | 2024-01-02 | 一种铝合金铸件氧化膜缺陷的定量表征及评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117491375B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62277539A (ja) * | 1986-05-27 | 1987-12-02 | Nippon Steel Corp | 連続鋳造鋳片の品質評価方法 |
| CN101871119A (zh) * | 2010-07-28 | 2010-10-27 | 哈尔滨工业大学 | 一种镁合金表面微弧氧化/喷涂复合膜的制备方法 |
| CN103540987A (zh) * | 2007-05-21 | 2014-01-29 | 株式会社神户制钢所 | Al或Al合金 |
| DE102013224184A1 (de) * | 2013-11-27 | 2015-05-28 | Sms Siemag Ag | Verfahren und Vorrichtung zum Bewerten von Innenfehlern an einem kontinuierlich vergossenen Gießprodukt |
| CN106446835A (zh) * | 2016-09-27 | 2017-02-22 | 山东省科学院新材料研究所 | 一种铝及铝合金中缺陷的定量检测方法 |
| CN210547924U (zh) * | 2019-06-26 | 2020-05-19 | 辽宁忠旺集团有限公司 | 铸造用流槽限流挡渣器 |
| CN111751445A (zh) * | 2019-03-26 | 2020-10-09 | 中国科学院金属研究所 | 一种钛合金构件中夹杂缺陷尺寸的分析和统计方法 |
| CN113607812A (zh) * | 2021-07-16 | 2021-11-05 | 华北电力科学研究院有限责任公司 | 钎焊型铜铝过渡线夹相控阵超声检测试块结构及检测方法 |
| CN113981499A (zh) * | 2021-11-26 | 2022-01-28 | 东莞理工学院 | 一种铝硅合金表面膜层的制备方法 |
| CN116429478A (zh) * | 2023-04-21 | 2023-07-14 | 中信戴卡股份有限公司 | 一种铝合金熔体中夹杂物的取样模具和定量检测方法 |
| CN116539834A (zh) * | 2023-05-18 | 2023-08-04 | 中信戴卡股份有限公司 | 一种快速评价铝液质量的方法 |
| CN116930446A (zh) * | 2022-03-29 | 2023-10-24 | 核工业理化工程研究院 | 一种用于薄壁盘类锻件无损检测缺陷的尺寸规则化方法及其应用 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7623973B1 (en) * | 2008-05-05 | 2009-11-24 | Gm Global Technology Operations, Inc. | Methods and systems to predict fatigue life in aluminum castings |
| US20130078139A1 (en) * | 2011-09-22 | 2013-03-28 | Terry C. Lowe | Control of deformation-induced imperfections to enhance strength of metals and alloys |
-
2024
- 2024-01-02 CN CN202410002204.2A patent/CN117491375B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62277539A (ja) * | 1986-05-27 | 1987-12-02 | Nippon Steel Corp | 連続鋳造鋳片の品質評価方法 |
| CN103540987A (zh) * | 2007-05-21 | 2014-01-29 | 株式会社神户制钢所 | Al或Al合金 |
| CN101871119A (zh) * | 2010-07-28 | 2010-10-27 | 哈尔滨工业大学 | 一种镁合金表面微弧氧化/喷涂复合膜的制备方法 |
| DE102013224184A1 (de) * | 2013-11-27 | 2015-05-28 | Sms Siemag Ag | Verfahren und Vorrichtung zum Bewerten von Innenfehlern an einem kontinuierlich vergossenen Gießprodukt |
| CN106446835A (zh) * | 2016-09-27 | 2017-02-22 | 山东省科学院新材料研究所 | 一种铝及铝合金中缺陷的定量检测方法 |
| CN111751445A (zh) * | 2019-03-26 | 2020-10-09 | 中国科学院金属研究所 | 一种钛合金构件中夹杂缺陷尺寸的分析和统计方法 |
| CN210547924U (zh) * | 2019-06-26 | 2020-05-19 | 辽宁忠旺集团有限公司 | 铸造用流槽限流挡渣器 |
| CN113607812A (zh) * | 2021-07-16 | 2021-11-05 | 华北电力科学研究院有限责任公司 | 钎焊型铜铝过渡线夹相控阵超声检测试块结构及检测方法 |
| CN113981499A (zh) * | 2021-11-26 | 2022-01-28 | 东莞理工学院 | 一种铝硅合金表面膜层的制备方法 |
| CN116930446A (zh) * | 2022-03-29 | 2023-10-24 | 核工业理化工程研究院 | 一种用于薄壁盘类锻件无损检测缺陷的尺寸规则化方法及其应用 |
| CN116429478A (zh) * | 2023-04-21 | 2023-07-14 | 中信戴卡股份有限公司 | 一种铝合金熔体中夹杂物的取样模具和定量检测方法 |
| CN116539834A (zh) * | 2023-05-18 | 2023-08-04 | 中信戴卡股份有限公司 | 一种快速评价铝液质量的方法 |
Non-Patent Citations (5)
| Title |
|---|
| ADC12压铸件卷入氧化膜特征的研究;董普云等;《铸造技术》;20110831;第第32卷卷(第第8期期);第1139-1142页 * |
| Characterization of the double oxide film content of liquid aluminum alloys by computed tomography;G. Gyarmati, et al.;《Materials Characterization》;20190907;第1-10页 * |
| Effect of oxide films, inclusions and Fe on reproducibility of tensile properties in cast Al–Si–Mg alloys: Statistical and image analysis;G. Eisaabadi B et al.;《Materials Science & Engineering A》;20120803;第134–143页 * |
| In uence of oxide lm defects generated in lling on mechanical strength of aluminium alloy castings;Dai et al.;《Materials Science and Technology》;20040430;第509-513页 * |
| 铝合金锻件中的氧化膜;徐乐英等;《轻金属》;19881231;第52-56页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117491375A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Houria et al. | Influence of casting defect and SDAS on the multiaxial fatigue behaviour of A356-T6 alloy including mean stress effect | |
| US7933441B2 (en) | Method of inspection for inner defects of an object and apparatus for same | |
| CN117491375B (zh) | 一种铝合金铸件氧化膜缺陷的定量表征及评价方法 | |
| CN113155872B (zh) | 一种连铸坯内部质量无损检测方法 | |
| CN109580677A (zh) | 散斑的制备方法以及材料微区变形的表征方法 | |
| CN114547928B (zh) | 一种基于主成分分析的缺陷形貌等效与寿命评估方法 | |
| CN108830849B (zh) | 一种基于图像处理技术的过/亚共晶Al-Si合金变质分级方法 | |
| CN110763758A (zh) | 一种基于无损检测的缺陷与疲劳性能关系的确定方法 | |
| CN111351810B (zh) | 一种含多尺度缺陷金属断裂失效行为的分析方法 | |
| CN110296847B (zh) | 一种新能源客车的噪声测试方法 | |
| CN109883857B (zh) | 压铸铝合金内部缺陷的快速检测方法 | |
| Sahin et al. | Prediction of fracture stress with regard to porosity in cast A356 alloy | |
| CN114596296A (zh) | 一种高灵敏度的热轧钢卷端面缺陷识别系统及方法 | |
| CN115326846B (zh) | 一种增材制造构件质量评价方法 | |
| JP7218546B2 (ja) | 金属部材－樹脂部材複合体の接合不良検出方法 | |
| Hisasue et al. | Modification of the Algorithm Used by Automated Hematology Analyzer XN-3000 Improves Specificity in the Detection of Schistocytes. | |
| CN117452071B (zh) | 一种生产过程中的电缆线芯电阻检测方法 | |
| CN117848951A (zh) | 一种基于振动疲劳强度评价单晶合金铸件组织缺陷的方法 | |
| Bubonyi et al. | Comparison of CT and metallographic method for evaluation of microporosities of dye cast aluminum parts | |
| CN113552009B (zh) | 一种高强钢边部缺陷敏感性的评价方法 | |
| US11879869B2 (en) | Method for predicting surface quality of burnishing workpiece | |
| CN117851898A (zh) | 一种多粒度变尺度模糊邻域测度与相应的Choquet-like积分及其故障诊断方法 | |
| CN110070543B (zh) | 基于数字化图像处理的全自动连铸坯中心偏析的评级系统 | |
| CN118150327A (zh) | 高温合金环锻件坯料拉伸性能的智能检测方法、装置 | |
| Yu et al. | Characterization of the weak link of wool fibers |
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 |