CN117995331B - 铝合金产品的微观孔洞及对宏观服役性能影响的预测方法 - Google Patents
铝合金产品的微观孔洞及对宏观服役性能影响的预测方法 Download PDFInfo
- Publication number
- CN117995331B CN117995331B CN202410401940.5A CN202410401940A CN117995331B CN 117995331 B CN117995331 B CN 117995331B CN 202410401940 A CN202410401940 A CN 202410401940A CN 117995331 B CN117995331 B CN 117995331B
- Authority
- CN
- China
- Prior art keywords
- simulation
- casting
- microscopic
- node
- finite element
- 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
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004088 simulation Methods 0.000 claims abstract description 191
- 238000005266 casting Methods 0.000 claims abstract description 149
- 230000001413 cellular effect Effects 0.000 claims abstract description 47
- 238000013507 mapping Methods 0.000 claims abstract description 29
- 230000012010 growth Effects 0.000 claims abstract description 21
- 238000007711 solidification Methods 0.000 claims abstract description 21
- 230000008023 solidification Effects 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000001816 cooling Methods 0.000 claims description 23
- 239000000463 material Substances 0.000 claims description 17
- 210000001787 dendrite Anatomy 0.000 claims description 13
- 230000006911 nucleation Effects 0.000 claims description 9
- 238000010899 nucleation Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 239000007790 solid phase Substances 0.000 claims description 3
- 238000004781 supercooling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 2
- 229910001338 liquidmetal Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000008467 tissue growth Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,包括:铸造仿真,划分得到铸造仿真有限元网格,使用铸造仿真软件模拟铸件在相应工艺条件下的凝固过程,获得铸件宏观缩孔以及网格上各节点的物理信息;元胞自动机仿真,利用元胞自动机模型模拟微观组织生长,获得铸造仿真有限元网格各节点处的SDAS值、包括微观缩孔和微观气孔的微观孔洞的形貌、尺寸;力学性能仿真,利用力学性能仿真软件划分铸件的力学和疲劳性能仿真有限元网格,将铸造仿真有限元网格的网格信息映射输入到力学和疲劳性能仿真有限元网格中,得到力学性能仿真结果;疲劳性能仿真,使用力学性能仿真结果,进行疲劳性能仿真,得到在额定工况下铸件的疲劳性能仿真结果。
Description
技术领域
本发明涉及材料计算技术领域,具体是铝合金产品的微观孔洞及对宏观服役性能影响的预测方法。
背景技术
铸造铝合金凭借其轻量、高强度、良好的成形性以及在多个工业领域中的广泛应用,已经成为现代制造业中不可或缺的材料之一。在轻量化背景下,通过使用铸造铝合金,汽车制造商能够减轻车辆重量,提高燃油效率,并降低排放;航空航天领域对材料轻量化、强度和耐腐蚀性的要求极高,铸造铝合金正是满足这些需求的理想材料。飞机结构、引擎零部件等许多关键部件都采用铸造铝合金制造,以提高飞行效率和性能。总而言之,铸造铝合金在提高产品性能、降低能耗、推动轻量化技术发展等方面的优势,使其在工业界的地位得到不断巩固和提升。
目前,在铝合金铸件的生产模拟中,铸造仿真软件多考虑凝固过程中产生的宏观缩孔,不能考虑微观孔洞,而元胞自动机模型一次计算只能够对微米、毫米级的空间进行微观组织生长模拟,无法实现铸件整体的微观孔洞预测。
在进行各类仿真模拟时,由于使用的软件不同,彼此之间的数据交互存在很大问题。孔洞的出现会给铝合金的力学性能和疲劳寿命带来巨大的影响,目前,铸造仿真软件无法实现力学性能仿真,而力学性能仿真和疲劳性能仿真软件都不具备考虑缩孔的能力,其采用设置匀质材料所得出的结果与真实情况存在较大差异。因此,完成铸造仿真软件以及元胞自动机所计算出的缩孔信息到力学性能和疲劳性能仿真软件的映射以实现考虑缩孔信息对铝合金性能影响的计算显得尤为迫切。
现有专利文献:
专利文献1(JP2021053662A)中,预测缩孔的步骤是,在铸件内部各点获取内切于铸件表面的虚拟内切球。尺寸较大的虚拟内切球的内部点到铸件表面的距离较大,说明液态金属在内部点处冷却困难。反之,尺寸较小的虚拟内切球内部点到铸件表面的距离较小,说明液态金属在内部点处相对容易冷却;
专利文献2(JP2021094562A)中,预测缩孔的步骤是,建立机器学习模型,通过实际测量学习了气孔发生概率分布之间的关系,在训练后,根据三维体素数据预测缩孔的分布;
专利文献3(JP7256448B2)中,预测缩孔的步骤是,通过根据金属液的温度变化计算凝固时间的铸造分析来预测缩孔的发生;
经对比,上述三篇专利文献集中在宏观尺度的缩孔预测,在微观孔洞的定量分析方面仍有不足。
鉴于此,本发明提供的铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,旨在实现跨尺度地同时预测铸件整体宏观缩孔的位置和微观孔洞形貌体积,还可以模拟铸件整体的二次枝晶臂生长,为力学性能仿真和疲劳性能仿真提供依据。
发明内容
本发明的目的在于提供铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,以解决上述背景技术中提出的问题。
根据本发明的一方面,提供一种铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,包括如下步骤:S1:铸造仿真,划分铸件有限元网格得到铸造仿真有限元网格,使用铸造仿真软件模拟铸件在相应工艺条件下的凝固过程,获得铸件宏观缩孔以及铸造仿真有限元网格上各节点的物理信息;S2:元胞自动机仿真,利用元胞自动机模型模拟微观组织生长,其中,使用铸造仿真有限元网格各节点的物理信息作为元胞自动机模型的输入,开展微观组织生长模拟,获得铸造仿真有限元网格各节点处的SDAS值、包括微观缩孔和微观气孔的微观孔洞的形貌、尺寸;S3:力学性能仿真,利用力学性能仿真软件划分铸件的力学和疲劳性能仿真有限元网格,将铸造仿真有限元网格的网格信息映射输入到力学和疲劳性能仿真有限元网格中,考虑宏观缩孔、微观孔洞和SDAS值对铝合金力学性能的影响,按照使用条件进行力学性能仿真,得到力学性能仿真结果;S4:疲劳性能仿真,使用力学性能仿真结果,考虑宏观缩孔、微观孔洞和SDAS值对铝合金疲劳性能的影响,进行疲劳性能仿真,得到在额定工况下铸件的疲劳性能仿真结果。
优选地,所述步骤S1还包括:S101:建立铸造仿真模型,包括:依据铸造工艺条件设置边界条件和仿真参数;S102:通过对铸造仿真软件的二次开发,输出铸造仿真有限元网格上所有节点在凝固过程中的平均冷却速率,将包括编号和坐标的节点信息输入到铸造仿真结果文件,并输入到数据库中。
优选地,所述步骤S2还包括:S201:以平均冷却速率作为输入,使用元胞自动机模型模拟铸造仿真有限元网格上所有节点处的微观组织生长,获得包括微观孔洞的形貌、尺寸数据以及SDAS值的元胞自动机仿真结果;S202:将元胞自动机仿真结果输入到数据库相应节点处保存,其中,微观孔洞的尺寸用节点处微观孔洞当量直径、节点处微观孔洞最大长度描述。
优选地,所述步骤S3还包括:S301:对铸造仿真结果文件、元胞自动机结果文件进行映射输入,完成力学性能仿真模型在网格节点层面的材料赋予;S302:按照铸件的使用要求,完成约束和载荷的施加,进行力学性能仿真;S303:得到力学性能仿真结果文件,生成仿真结果报告并保存。
优选地,所述步骤S4还包括:S401:对力学性能仿真结果文件、铸造仿真结果文件和元胞自动机结果文件进行映射输入,完成疲劳性能仿真模型在网格节点层面的材料赋予;S402:按照铸件的国标规定或使用条件,进行疲劳性能仿真;S403:得到疲劳性能仿真结果文件,生成仿真结果报告并保存。
优选地,在S102中,数据库以铸件有限元网格节点的坐标为主键,每一行的字段包括:节点坐标、节点编号、节点处的平均冷却速率、节点处的宏观缩孔率、节点处微观孔洞当量直径、节点处微观孔洞最大长度、节点处的SDAS值,其中,节点坐标、节点编号、节点处的平均冷却速率、节点处的宏观缩孔率来自于铸造仿真;节点处微观孔洞当量直径、节点处微观孔洞最大长度、节点处的SDAS值来自于元胞自动机仿真。
优选地,元胞自动机模型中包含用于预测微观孔洞中的微观缩孔的凝固缩孔预测模型和以过冷度为驱动力的枝晶形核和生长模型,以平均冷却速率作为枝晶形核和生长模型的输入,以枝晶形核和生长模型所提供的各元胞固相分数信息输入凝固缩孔预测模型,对形成孔洞所需的压力降进行计算以预测凝固缩孔。
优选地,所述映射输入通过网格信息映射算法实现,该网格信息映射算法用于:自动读取铸造仿真软件输出的网格信息;自动读取铸造仿真软件输出的宏观缩孔信息;自动读取元胞自动机仿真输出的微观孔洞信息和SDAS值;自动实现网格信息的映射;自动实现力学性能仿真软件对宏观缩孔、微观孔洞信息和SDAS值的影响分析;自动进行力学性能仿真软件在网格节点层面的材料赋予。
优选地,宏观缩孔、微观孔洞与SDAS值对铝合金力学性能的影响表示为铝合金屈服强度、断裂应变、杨氏模量与宏观缩孔、微观孔洞和SDAS值的数学关系式,和/或,宏观缩孔、微观孔洞与SDAS值对疲劳性能参数的影响表示为铝合金抗拉强度、疲劳强度与宏观缩孔、微观孔洞和SDAS值的数学关系式。
根据本发明的另一方面,提供一种记录介质,记录有计算机程序,所述计算机程序用于使计算机实现任一项上述的方法。
与现有技术相比,本发明的有益效果是:
1.本发明可从宏观尺度精确地预测铝合金铸件的孔洞位置和体积信息,从微观尺度精确地预测铝合金铸件的微观孔洞(包括缩孔和气孔)的形貌和尺寸。
2.本发明可以实现孔洞以及SDAS值对铝合金铸件力学性能以及疲劳寿命影响的预测,可用于指导铸造工艺的改进以及精确地进行相应铝合金铸造产品的强度和疲劳性能的仿真研究和实验探索。
附图说明
图1为本发明一种铝合金产品的微观孔洞及对宏观服役性能影响的预测方法的示例性流程图;
图2为本发明一实施例方法的流程图;
图3为本发明一实施例的铸件在铸造仿真软件中得到的宏观缩孔结果;
图4为本发明一实施例的铸件在力学性能仿真软件中,在网格层面考虑宏观缩孔、微观孔洞和SDAS值对杨氏模量、屈服强度等参数影响的情况下赋予材料后的结果示意图;
图5为本发明的预测方法的示意性流程图;
图6 为对应图3 的一节点上通过元胞自动机模型仿真得到的微观孔洞模拟结果;
图7 为对应图3 的一节点上通过元胞自动机模型仿真得到的二次枝晶臂模拟结果。
具体实施方式
下面结合附图详细描述本发明的示例性实施例。下文描述的和附图示出的示例性实施例旨在教导本发明的原理,使本领域技术人员能够在若干不同环境中和对于若干不同应用实施和使用本发明。因此,本发明的保护范围由所附的权利要求来限定,示例性实施例并不意在、并且不应该被认为是对本发明保护的范围的限制性描述。而且,为了便于描述,附图中所示出的各个部分的尺寸并不一定是按照实际的比例关系绘制的,涉及到方位描述,皆为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另外具体说明,否则在实施例中阐述的部件和组装步骤的顺序以及数值不限制本发明的范围。而且本文中所陈述的任何数值范围旨在包括其中包含的所有子范围,使用“数值A~数值B”表示的数值范围是指包含端点数值A、B的范围。本领域技术人员可以理解,本发明中的“第一”、“第二”、“步骤”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。例如某步骤二、三可以对调或并行。步骤标号之后附以单引号或双引号可用以表示与之前的步骤标号所指代的内容相应或相同。
为实现上述目的,本发明提供如下技术方案,如图5所示,包括如下步骤:
S1:铸造仿真,划分铸件有限元网格得到铸造仿真有限元网格,使用铸造仿真软件模拟铸件在相应工艺条件下的凝固过程,获得铸件宏观缩孔以及网格上各节点的物理信息(参见图3、图 6、图 7);
S2:元胞自动机仿真,模拟微观组织生长,使用铸造仿真有限元网格各节点的物理信息,作为元胞自动机模型的输入,开展微观组织生长模拟。获得铸造仿真有限元网格各节点处的SDAS值、微观孔洞(包括微观缩孔和微观气孔)的形貌和尺寸;
S3:力学性能仿真,划分铸件的力学和疲劳性能仿真有限元网格(即,力学性能仿真与疲劳性能仿真使用同一个有限元网格),使用网格映射算法将铸造仿真有限元网格的网格信息映射到力学和疲劳性能仿真有限元网格中,考虑宏观缩孔、微观孔洞和SDAS值对铝合金产品力学性能的影响,按照使用条件进行力学性能仿真,得到应力应变等参数(参见图4);
S4:疲劳性能仿真,使用步骤S3得到的力学性能仿真结果,考虑宏观缩孔、微观孔洞和SDAS值对铝合金产品疲劳性能的影响,按照铸件的国标规定或使用条件进行疲劳性能仿真,得到在额定工况下零件的疲劳性能仿真结果,例如使用寿命等参数。
进一步地,所述步骤S1具体还包括:
S101:建立铸造仿真模型,包括:依据铸造工艺条件设置边界条件和仿真参数;
S102:通过对铸造仿真软件的二次开发,输出铸造仿真有限元网格上所有节点在凝固过程中的平均冷却速率(亦称节点冷速,参见图1),同时将节点的坐标与编号一同输入到铸造仿真结果文件,再输入到数据库中。
进一步地,所述步骤S2具体还包括:
S201:以S102中铸造仿真的平均冷却速率作为输入,使用元胞自动机模型模拟铸造仿真有限元网格上所有节点处的微观组织生长,获得微观孔洞的形貌、尺寸数据,SDAS值;
S202:将S201中元胞自动机仿真结果输入到数据库相应节点处保存,其中,包括用于描述孔洞尺寸的节点处微观孔洞当量直径、节点处微观孔洞最大长度,以及节点处的SDAS值。
进一步地,所述步骤S3具体还包括:
S301:对铸造仿真结果文件、元胞自动机结果文件进行映射输入,完成力学性能仿真模型在网格节点层面的材料赋予;
S302:按照铸件的使用要求,完成约束和载荷的施加,进行力学性能仿真;
S303:得到力学性能仿真结果文件,生成力学性能仿真结果报告并保存。
进一步地,所述步骤S4具体还包括:
S401:对力学性能仿真结果文件、铸造仿真结果文件和元胞自动机结果文件进行映射输入,完成疲劳性能仿真模型在网格节点层面的材料赋予;
S402:按照铸件的国标规定或使用条件,进行疲劳性能仿真;
S403:得到疲劳性能仿真结果文件,生成疲劳性能仿真结果报告并保存。
进一步地,S102中,数据库以铸造仿真有限元网格节点的坐标为主键,每一行的字段包括:节点坐标、节点编号、节点处的平均冷却速率、节点处的宏观缩孔率(ShrinkagePorosity,参照图3、图 6、图 7)、节点处微观孔洞当量直径、节点处微观孔洞最大长度、节点处的SDAS值。
进一步地,S102中,节点坐标、节点编号、节点处的平均冷却速率、节点处的宏观缩孔率来自于铸造仿真;节点处的微观孔洞当量直径、节点处的微观孔洞最大长度、节点处的SDAS值来自于元胞自动机仿真。
元胞自动机模型中包含用于预测微观孔洞中的微观缩孔的凝固缩孔预测模型和以过冷度为驱动力的枝晶形核和生长模型。以铸造仿真的平均冷却速率作为枝晶形核和生长模型的输入,以枝晶形核和生长模型所提供的各元胞固相分数信息输入凝固缩孔预测模型,对形成孔洞所需的压力降进行计算,以达到预测凝固缩孔的目的。
进一步地,通过自主研发的映射算法实现二者(即,铸造仿真软件、元胞自动机模型)与力学性能仿真软件之间的精准映射。
进一步地,利用python语言编写能后台调用的代码,实现两种不同有限元网格之间的信息传递,包括节点、网格处的坐标信息、孔洞信息以及SDAS值的信息。
进一步地,所述网格信息映射算法具有如下功能:
自动读取铸造仿真软件输出的网格信息;
自动读取铸造仿真软件输出的宏观缩孔信息;
自动读取元胞自动机输出的微观孔洞信息和SDAS值;
自动实现网格信息的映射;
自动实现力学性能仿真软件对宏观缩孔、微观孔洞信息和SDAS值的影响分析;
自动进行力学性能仿真软件在网格节点层面的材料赋予。
进一步地,宏观缩孔、微观孔洞与SDAS值对力学性能参数具体影响的探究,具体为:通过一系列实验和调研得出铝合金屈服强度、断裂应变、杨氏模量与宏观缩孔、微观孔洞和SDAS值的一般数学关系式。
进一步地,通过自主研发的映射算法实现二者(即,铸造仿真软件、元胞自动机模型)与疲劳性能仿真软件的精准映射。
进一步地,利用python语言编写能后台调用的代码,实现两种不同有限元网格之间的信息传递,包括节点、网格处的坐标信息、孔洞信息以及SDAS值的信息。
进一步地,宏观缩孔、微观孔洞与SDAS值对疲劳性能参数具体影响的探究,具体为:通过一系列实验和调研得出铝合金抗拉强度、疲劳强度与宏观缩孔、微观孔洞和SDAS值的一般数学关系式。
实施例1
如图1给出了本发明实施例提供的一种铝合金产品的微观孔洞及对宏观服役性能影响的预测方法的示意流程图。如图1所示,该方法包括:
S101’:为铝合金铸件划分铸造仿真有限元网格,按照铸造工艺条件设置边界条件和仿真参数,建立起铸造仿真模型,在仿真的过程中执行S102’;
S102’:铸造仿真软件执行二次开发程序,在仿真开始时读取铸造仿真有限元网格的节点编号、节点坐标、网格编号、网格顶点编号,仿真的过程中监测铸件上所有有限元网格节点的温度场,计算出平均冷却速率后,将上述计算结果输出到铸造仿真结果文件中保存,再输入数据库;
S201’:元胞自动机模型读取S102’中获得的平均冷却速率,在铸造仿真有限元网格节点的位置上计算微观区域的枝晶生长和孔洞形成,实现铸件整体的微观孔洞预测,在元胞自动机仿真结束后,将微观孔洞当量直径、最大长度、以及SDAS值的模拟结果输入数据库;
S301’:力学性能仿真软件划分铸件的力学和疲劳性能仿真有限元网格,使用网格映射算法将铸造仿真有限元网格的网格信息映射到力学和疲劳性能仿真有限元网格中,考虑宏观缩孔、微观孔洞和SDAS值对铝合金力学性能的影响,按照使用条件进行力学性能仿真,得到应力应变等参数;
S401’:疲劳性能仿真软件使用步骤S301’得到的力学性能仿真结果,使用已经包含铸造仿真有限元网格的网格信息的力学和疲劳性能仿真有限元网格,考虑宏观缩孔、微观孔洞和SDAS值对铝合金疲劳性能的影响,按照铸件的国标规定或使用条件进行疲劳性能仿真,得到在额定工况下铸件的使用寿命等参数。
进一步地,考虑宏观缩孔、微观孔洞和SDAS值对铝合金疲劳性能的影响,是通过XCT实验结合拉伸实验,拟合出宏观缩孔、微观孔洞及SDAS对性能的影响表达式,并精确映射到每个网格中。
实施例2
可选地,作为本发明的一个实施例,如图2所示,为本发明铝合金产品的微观孔洞及对宏观服役性能影响的预测方法的具体实施方式,以小型铝合金铸件为例,通过本发明铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,预测铸件内部的宏观缩孔缺陷,以及微观孔洞缺陷,并考虑铸造缺陷预测铸件的力学性能、疲劳性能。具体步骤包括:
S101”:为小型铝合金铸件划分铸造仿真有限元网格;划分结果为:铸件上的四面体网格79935个,节点17020个。继续完成铸造仿真模型的建立;
S102”:仿真运行时自动调用二次开发程序,先读取铸造仿真有限元网格上所有节点的编号和坐标,以及所有四面体网格的标号和顶点编号,并存入相应的铸造仿真结果文件中。然后在仿真运行中计算所有节点的平均冷却速率,并存入相应的铸造仿真结果文件中,仿真结束后,从铸造仿真结果文件中读取17020个节点的编号、坐标、平均冷却速率输入到数据库中保存;
S201”:元胞自动机模型从S102”的铸造仿真结果文件中,或从数据库中读取17020个节点的平均冷却速率,开始微观尺度的凝固过程模拟。并计算获得所有节点上相应位置的微观孔洞信息,包括描述微观孔洞尺寸的当量直径、最大长度,以及节点处的SDAS值;
S202”:元胞自动机模型将S201”模拟得到的数据输入到数据库相应节点的行中;
S301”:为小型铝合金铸件划分力学和疲劳性能仿真有限元网格;划分结果为:铸件上的四面体网格1006个,节点1847个。对铸造仿真结果文件、元胞自动机结果文件进行映射输入,考虑宏观缩孔、微观孔洞和SDAS值对铝合金力学性能的影响,主要考虑杨氏模量、屈服强度等参数的设置,完成力学性能仿真模型在网格节点层面的材料赋予;
S302”:按照小型铝合金铸件的使用要求,完成约束和载荷的施加,进行力学性能仿真得到应力应变等参数;
S303”:得到力学性能仿真结果文件,生成力学性能仿真结果报告并保存。
S401”:对力学性能仿真结果文件、铸造仿真结果文件和元胞自动机结果文件进行映射输入,考虑宏观缩孔、微观孔洞和SDAS值对铝合金疲劳性能的影响,主要考虑抗拉强度、疲劳强度等参数的设置,完成模型在网格节点层面的材料赋予;
S402”:按照铸件的国标规定或使用条件,选择合适的疲劳寿命计算方法进行疲劳性能仿真,得到零件不同部位的寿命预测;
S403”:得到疲劳性能仿真结果文件,生成疲劳性能仿真结果报告并保存。
上述实施例中提供的方法,实现了铝合金铸件孔洞缺陷的跨尺度预测,包括宏观尺度的凝固缩孔预测,以及铸件整体微观尺度二次枝晶臂生长、气孔、凝固缩孔预测。
进一步地,上述实施例中提供的方法,通过网格映射算法,考虑宏观缩孔、微观孔洞和SDAS值对铝合金力学性能和疲劳性能的影响,主要考虑杨氏模量、屈服强度、抗拉强度、断裂应变、疲劳强度等参数的设置,将孔洞信息和SDAS值的影响耦合进铝合金铸件的力学性能仿真和疲劳性能仿真中,实现了考虑孔洞缺陷的铝合金铸件力学性能以及疲劳性能的预测。
相比现有技术中元胞自动机一次计算只实现微米级,毫米级空间的计算,根据本发明的步骤S2中是对每个有限元网格的节点都进行元胞自动机的计算,可达到计算整个铸件微观组织的目的。
此外,需要说明的是,本领域技术人员显然能够理解到可以通过许多方式来实现本公开涉及的方法和系统。该系统包括对应上述步骤S1至S4的铸造仿真模块、元胞自动机仿真模块、力学性能仿真模块、疲劳性能仿真模块。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开涉及的方法和系统。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (9)
1.一种铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,其特征在于,包括如下步骤:
S1:铸造仿真,划分铸件有限元网格得到铸造仿真有限元网格,使用铸造仿真软件模拟铸件在相应工艺条件下的凝固过程,获得铸件宏观缩孔以及铸造仿真有限元网格上各节点的物理信息;
S2:元胞自动机仿真,利用元胞自动机模型模拟微观组织生长,其中,使用铸造仿真有限元网格各节点的物理信息作为元胞自动机模型的输入,开展微观组织生长模拟,获得铸造仿真有限元网格各节点处的SDAS值、包括微观缩孔和微观气孔的微观孔洞的形貌、尺寸;
S3:力学性能仿真,利用力学性能仿真软件划分铸件的力学和疲劳性能仿真有限元网格,将铸造仿真有限元网格的网格信息映射输入到力学和疲劳性能仿真有限元网格中,考虑宏观缩孔、微观孔洞和SDAS值对铝合金力学性能的影响,按照使用条件进行力学性能仿真,得到力学性能仿真结果;
S4:疲劳性能仿真,使用力学性能仿真结果,考虑宏观缩孔、微观孔洞和SDAS值对铝合金疲劳性能的影响,进行疲劳性能仿真,得到在额定工况下铸件的疲劳性能仿真结果,
元胞自动机模型中包含用于预测微观孔洞中的微观缩孔的凝固缩孔预测模型和以过冷度为驱动力的枝晶形核和生长模型,以平均冷却速率作为枝晶形核和生长模型的输入,以枝晶形核和生长模型所提供的各元胞固相分数信息输入凝固缩孔预测模型,对形成孔洞所需的压力降进行计算以预测凝固缩孔。
2.根据权利要求1所述的铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,其特征在于,所述步骤S1还包括:
S101:建立铸造仿真模型,包括:依据铸造工艺条件设置边界条件和仿真参数;
S102:通过对铸造仿真软件的二次开发,输出铸造仿真有限元网格上所有节点在凝固过程中的平均冷却速率,将包括编号和坐标的节点信息输入到铸造仿真结果文件,并输入到数据库中。
3.根据权利要求2所述的铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,其特征在于,所述步骤S2还包括:
S201:以平均冷却速率作为输入,使用元胞自动机模型模拟铸造仿真有限元网格上所有节点处的微观组织生长,获得包括微观孔洞的形貌、尺寸数据以及SDAS值的元胞自动机仿真结果;
S202:将元胞自动机仿真结果输入到数据库相应节点处保存,其中,微观孔洞的尺寸用节点处微观孔洞当量直径、节点处微观孔洞最大长度描述。
4.根据权利要求3所述的铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,其特征在于,所述步骤S3还包括:
S301:对铸造仿真结果文件、元胞自动机结果文件进行映射输入,完成力学性能仿真模型在网格节点层面的材料赋予;
S302:按照铸件的使用要求,完成约束和载荷的施加,进行力学性能仿真;
S303:得到力学性能仿真结果文件,生成仿真结果报告并保存。
5.根据权利要求4所述的铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,其特征在于,所述步骤S4还包括:
S401:对力学性能仿真结果文件、铸造仿真结果文件和元胞自动机结果文件进行映射输入,完成疲劳性能仿真模型在网格节点层面的材料赋予;
S402:按照铸件的国标规定或使用条件,进行疲劳性能仿真;
S403:得到疲劳性能仿真结果文件,生成仿真结果报告并保存。
6.根据权利要求5所述的铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,其特征在于,在S102中,数据库以铸件有限元网格节点的坐标为主键,每一行的字段包括:节点坐标、节点编号、节点处的平均冷却速率、节点处的宏观缩孔率、节点处微观孔洞当量直径、节点处微观孔洞最大长度、节点处的SDAS值,其中,节点坐标、节点编号、节点处的平均冷却速率、节点处的宏观缩孔率来自于铸造仿真;节点处微观孔洞当量直径、节点处微观孔洞最大长度、节点处的SDAS值来自于元胞自动机仿真。
7.根据权利要求5所述的铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,其特征在于,所述映射输入通过网格信息映射算法实现,该网格信息映射算法用于:自动读取铸造仿真软件输出的网格信息;自动读取铸造仿真软件输出的宏观缩孔信息;自动读取元胞自动机仿真输出的微观孔洞信息和SDAS值;自动实现网格信息的映射;自动实现力学性能仿真软件对宏观缩孔、微观孔洞信息和SDAS值的影响分析;自动进行力学性能仿真软件在网格节点层面的材料赋予。
8.根据权利要求1所述的铝合金产品的微观孔洞及对宏观服役性能影响的预测方法,其特征在于,宏观缩孔、微观孔洞与SDAS值对铝合金力学性能的影响表示为铝合金屈服强度、断裂应变、杨氏模量与宏观缩孔、微观孔洞和SDAS值的数学关系式,和/或,宏观缩孔、微观孔洞与SDAS值对疲劳性能参数的影响表示为铝合金抗拉强度、疲劳强度与宏观缩孔、微观孔洞和SDAS值的数学关系式。
9.一种记录介质,记录有计算机程序,其特征在于,所述计算机程序用于使计算机实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410401940.5A CN117995331B (zh) | 2024-04-03 | 2024-04-03 | 铝合金产品的微观孔洞及对宏观服役性能影响的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410401940.5A CN117995331B (zh) | 2024-04-03 | 2024-04-03 | 铝合金产品的微观孔洞及对宏观服役性能影响的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117995331A CN117995331A (zh) | 2024-05-07 |
CN117995331B true CN117995331B (zh) | 2024-06-14 |
Family
ID=90902357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410401940.5A Active CN117995331B (zh) | 2024-04-03 | 2024-04-03 | 铝合金产品的微观孔洞及对宏观服役性能影响的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117995331B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502297A (zh) * | 2023-05-08 | 2023-07-28 | 杭州电子科技大学 | 一种考虑拉刀修磨缺陷的榫槽切削性能预测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112270116B (zh) * | 2020-09-25 | 2024-06-21 | 珠海格力电器股份有限公司 | 产品包装运输静力学分析方法、平台、存储介质及应用 |
CN113312737B (zh) * | 2021-07-28 | 2022-01-07 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种多层次多模式交通仿真路网构建方法 |
CN116702578A (zh) * | 2022-02-28 | 2023-09-05 | 清华大学 | 用于预测多孔互连材料等效热导率的模型确定方法和装置 |
CN116629068A (zh) * | 2023-05-29 | 2023-08-22 | 上海交通大学 | 微纳米混杂增强基元结构复合材料多尺度仿真方法 |
CN116959598A (zh) * | 2023-07-07 | 2023-10-27 | 深圳市万泽中南研究院有限公司 | 受饱和晶粒尺寸控制的合金晶粒生长预测方法 |
-
2024
- 2024-04-03 CN CN202410401940.5A patent/CN117995331B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502297A (zh) * | 2023-05-08 | 2023-07-28 | 杭州电子科技大学 | 一种考虑拉刀修磨缺陷的榫槽切削性能预测方法 |
Non-Patent Citations (1)
Title |
---|
车辆悬架零部件载荷谱提取方法研究;郎玉玲 等;《振动与冲击》;20210131;103-110 * |
Also Published As
Publication number | Publication date |
---|---|
CN117995331A (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Upadhyay et al. | Numerical analysis perspective in structural shape optimization: A review post 2000 | |
US8655476B2 (en) | Systems and methods for computationally developing manufacturable and durable cast components | |
CN104866673B (zh) | 一种轴压加筋柱壳的开口补强方法 | |
CN108009336B (zh) | 一种微桁架结构承载和热防护结构的多目标优化方法 | |
CN109376497B (zh) | 一种极小曲面连续梯度多孔结构的获取方法 | |
Nguyen et al. | Conformal lattice structure design and fabrication | |
CN102339351B (zh) | 离心压气机叶轮轮盘截面形状优化方法 | |
Sonmez | Shape optimization of 2D structures using simulated annealing | |
CN111597631B (zh) | 基于自适应代理模型的汽车风阻系数优化方法 | |
CN112765732B (zh) | 一种基于选区激光熔化工艺的航空叶片拓扑优化设计方法 | |
CN102508965B (zh) | 定向凝固叶片生产的自适应变速抽拉仿真方法 | |
CN104750948A (zh) | 一种处理飞行器设计中多极值多约束问题的优化方法 | |
Silva et al. | A novel approach to optimize the design of parts for additive manufacturing | |
CN117995331B (zh) | 铝合金产品的微观孔洞及对宏观服役性能影响的预测方法 | |
CN109255141B (zh) | 一种汽车车身正向概念设计截面形状优化方法 | |
CN113792420B (zh) | 一种考虑界面的单向随机纤维复合材料微观结构生成方法 | |
Chen et al. | Mesoscale modeling of dynamic recrystallization: multilevel cellular automaton simulation framework | |
CN111036909B (zh) | 金属快速成型过程中晶粒组织数值预测方法 | |
JP4303252B2 (ja) | 鋳造方案評価装置 | |
CN109210001B (zh) | 一种超塑成形空心扭转叶片的设计方法 | |
Jie et al. | The modal analysis of automotive exhaust muffler based on PRO/E and ANSYS | |
CN112115563B (zh) | 一种热压罐成型框架式模具的整体拓扑优化设计方法 | |
CN116805102B (zh) | 一种复合容器椭圆封头内型面形状优化设计方法 | |
Jia et al. | Design of central symmetric lattice structure for ocean engineering based on fluid-solid-interaction | |
CN113642214B (zh) | 防振锤谐振频率优化分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |