CN1201880C - 一种热轧过程带钢组织演变与性能预测的方法 - Google Patents
一种热轧过程带钢组织演变与性能预测的方法 Download PDFInfo
- Publication number
- CN1201880C CN1201880C CN 02109026 CN02109026A CN1201880C CN 1201880 C CN1201880 C CN 1201880C CN 02109026 CN02109026 CN 02109026 CN 02109026 A CN02109026 A CN 02109026A CN 1201880 C CN1201880 C CN 1201880C
- Authority
- CN
- China
- Prior art keywords
- module
- mark
- calculate
- rolling
- grain size
- 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.)
- Expired - Lifetime
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 39
- 239000010959 steel Substances 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005096 rolling process Methods 0.000 claims abstract description 43
- 238000010438 heat treatment Methods 0.000 claims abstract description 31
- 238000001816 cooling Methods 0.000 claims abstract description 27
- 238000005098 hot rolling Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000012805 post-processing Methods 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 7
- 229910001566 austenite Inorganic materials 0.000 claims description 32
- 229910000859 α-Fe Inorganic materials 0.000 claims description 31
- 238000001953 recrystallisation Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 23
- 230000009466 transformation Effects 0.000 claims description 21
- 238000002425 crystallisation Methods 0.000 claims description 17
- 230000008025 crystallization Effects 0.000 claims description 17
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 16
- 229910052799 carbon Inorganic materials 0.000 claims description 16
- 229910001562 pearlite Inorganic materials 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 13
- 229910001563 bainite Inorganic materials 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 239000013078 crystal Substances 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 6
- 230000008676 import Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 229910017112 Fe—C Inorganic materials 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 6
- 238000005272 metallurgy Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000005094 computer simulation Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 8
- 230000007704 transition Effects 0.000 description 6
- 229910000975 Carbon steel Inorganic materials 0.000 description 4
- 239000010962 carbon steel Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010079 rubber tapping Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910001567 cementite Inorganic materials 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- KSOKAHYVTMZFBJ-UHFFFAOYSA-N iron;methane Chemical compound C.[Fe].[Fe].[Fe] KSOKAHYVTMZFBJ-UHFFFAOYSA-N 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Heat Treatment Of Steel (AREA)
Abstract
本发明涉及带钢轧制技术,具体地说是一种热轧过程带钢组织演变与性能预测的方法。它由前处理模块、加热模块、轧制模块、冷却相变模块、力学性能模块和后处理六个模块组成,前处理模块的功能是从数据库中读取热轧过程所需的工艺参数,为后续流程提供初始条件;所述加热模块、轧制模块、冷却相变模块及力学性能模块 是完成对热轧过程各个冶金物理量动态的模拟,预测出带钢最终的组织性能;所述后处理模块的功能是完成热轧过程模拟结果的显示输出。本发明能预测产品最终性能,省时、省力、准确、高效。
Description
技术领域
本发明涉及带钢轧制技术,具体地说是一种热轧过程带钢组织演变与性能预测的方法。
背景技术
在现有技术中,带钢轧制后需经测试(抗拉强度、屈服强度及延伸率)才能投放市场,生产周期较长,占用产房空间较大,对于量大面广的带钢产品来说,它以几分钟轧制一卷的速度进行轧制,所以生产后的测试量很大,既浪费人力、又浪费物力,并且因在测试中有人为因素,又或多或少会影响测试精度。如果能够通过计算机模拟手段预测产品的性能,达到免检的程度,这无疑是令人鼓舞的。为了达到这一目的,就应该了解在轧制冷却过程的各个参数的变化过程,而大生产中对组织变化的观察和测试是不可能的。随着计算机技术的发展,可以借助模拟手段,动态地模拟热轧过程带钢组织和性能的变化过程,从而能够预测产品的最终性能,但该技术目前国内还未见报道。
发明内容
本发明的目的是提供一种能预测产品最终性能的热轧过程带钢组织演变与性能预测的方法。
为实现上述目的,本发明的技术方案是:由前处理模块、加热模块、轧制模块、冷却相变模块、力学性能模块和后处理六个模块组成,前处理模块的功能是从数据库中读取热轧过程所需的工艺参数,为后续流程提供初始条件;所述加热模块、轧制模块、冷却相变模块及力学性能模块是完成对热轧过程各个冶金物理量动态的模拟,预测出带钢最终的组织性能;所述后处理模块的功能是完成热轧过程模拟结果的显示输出;具体如下:
所述前处理模块具体流程为:首先从数据库中读取生产工艺参数,包括:钢种及化学成分、钢坯规格和产品规格、生产工艺设定的参数(包括轧辊半径、粗轧道次数、冷却方式以及加热炉出炉温度、粗轧出口温度、终轧温度、卷曲温度),在确认前输入分段数,确认后显示输入参数汇总结果,再检查输入参数是否正确,如有错误则可返回重新读取生产工艺参数,如输入无误则按段转入加热模块;
所述加热模块的功能是利用经验公式计算出完全奥氏体化后晶粒长大的尺寸,具体流程为:先从前处理模块所选择的参数,结合现场加热曲线确定最终加热炉温度;然后利用具体经验公式 结合通过试验确定的钢坯的初始晶粒度,计算出奥氏体晶粒尺寸,将其作为轧制模块的初始条件;
所述轧制模块包括粗轧和精轧两步,在轧制过程中发生再结晶,使晶粒细化,当前道次计算结果作为下一道次计算的初始条件(粗轧第一道次取加热模块计算出的奥氏体晶粒尺寸作为初始晶粒尺寸),根据现场设定的粗轧道次数进行轧制,粗轧最后一道次的计算结果作为精轧第一道次的初始条件,精轧过程与粗轧过程相同,每道次具体流程如下:
首先计算出本道次的温度、应变ε和残余应变,利用上道次计算的晶粒尺寸计算出临界应变εc,并与当前道次计算出的应变ε进行比较,若ε>εc,则发生动态再结晶,若ε<=εc则发生静态再结晶;当发生动态再结晶时,利用动态再结晶模型
给出再结晶分数Xv,并判断是否Xv>0.95,若>0.95,则发生完全动态再结晶,此时还要判断道次时间t是大于1秒还是小于等于1秒,据此来选择晶粒尺寸的计算公式;当Xv<=0.95时,则未发生完全动态再结晶,然后根据未发生完全再结晶的模型
直接计算出奥氏体晶粒尺寸;当发生静态再结晶时,在利用静态再结晶模型
计算出再结晶分数Xv,并判断Xv是否>0.95,若>0.95,则发生完全静态再结晶,此时还要判断道次时间t是大于1秒还是小于等于1秒,据此来选择晶粒尺寸的计算公式;若Xv<=0.95时,则未发生完全动态再结晶,再根据未发生完全再结晶的模型
直接计算出奥氏体晶粒尺寸;
所述冷却相变模块以轧制模块给出的奥氏体晶粒度和残余应变作为初始条件,分别计算出铁素体分数、珠光体分数和贝氏体分数,其具体流程如下:首先计算相平衡温度Ae3及相变开始温度,再计算Avrami方程X=1-exp(-kt″)中的参数k,接下来计算各个温度下的相变分数和奥氏体碳浓度,最后利用Scheil法则计算出最大相变分数,再判断结束标志:奥氏体碳浓度Cau大于Fe-C相图浓度CAcm,结果为否定时返回相变分数和奥氏体碳浓度的计算;结果为肯定时相变结束,再利用修正后的经验模型计算出铁素体分数、珠光体分数和贝氏体分数及铁素体晶粒尺寸;
所述力学性能模块以冷却相变模块给出的铁素体分数、珠光体分数、贝氏体分数和铁素体晶粒尺寸作为初始条件,利用修正后的经验模型(资料或文献中的经验模型并不能准确地计算出带钢的力学性能,必须根据生产线的实际情况进行修正)计算出最终带钢的屈服强度、抗拉强度和延伸率,再将数据送至后处理模块;
所述后处理的功能是显示输出计算结果,采用表格、曲线、动画等多种方式对加热、粗轧、精轧、冷却、力学性能五个部分的结果进行输出,还包括一智能报告(包括普通文本报告和Excel报告)。
本发明具有如下优点:
1.能预测产品最终性能。本发明具有分段多点预测的功能,借助模拟手段,能动态地模拟热轧过程带钢组织和性能的变化过程,从而预测产品最终性能,与现有技术中只能测试钢坯头、尾部组织和性能相比,本发明可测试钢坯各个位置的组织性能,且计算结果更加准确、可靠;本发明所提供的智能报告对结果的分析有助于工作人员改进生产的工艺条件,提高产品性能;另外,本发明输出的数据大量、详实,有空间数据、道次数据、时间数据,输出形式多样有表格、曲线、动画,对使用者来说无论是分析工艺制度还是进行理论研究都很有帮助。
2.操作方便,省时、省力。采用本发明方法使现场工作人员无论是开发新钢种还是进行合金设计的工作都变得更容易;本发明提供的数据库中具有大量的生产工艺参数,使用方便,操作简捷;进一步,本发明的界面友好,输入、输出均与生产过程保持一致,易于操作。
3.便于维护、开发。本发明界面部分采用Visual Basic编写,核心计算部分采用Visual C++编写,实现了计算和结果输出的分离,便于程序的调试、升级、维护和移植。
附图说明
图1为本发明整体框图。
图2为图1中前处理模块流程图。
图3为图1中加热模块流程图。
图4为图1中轧制模块流程图。
图5为图1中冷却相变模块流程图。
图6为图1中力学性能模块后处理结果。
具体实施方式
下面结合附图对本发明作进一步详细说明。
实施例1
如图1所示,本发明以普碳钢为研究对象,建立了系统的物理冶金模型,其技术方案是:由前处理模块、加热模块、轧制模块、冷却相变模块、力学性能模块和后处理六个模块组成,前处理模块的功能是从数据库中读取热轧过程所需的工艺参数,为后续流程提供初始条件;所述加热模块、轧制模块、冷却相变模块及力学性能模块是完成对热轧过程各个冶金物理量动态的模拟,预测出带钢最终的组织性能;所述后处理模块的功能是完成热轧过程模拟结果的显示输出;具体如下:
如图2所示,所述前处理模块具体流程为:首先从数据库中读取生产工艺参数,如:钢种为Q235B、化学成分(C=0.143,Mn=0.44,Si=0.171,P=0.015,S=0.017)、钢坯规格为230mm×9000mm和产品规格为9.75mm、生产工艺设定的参数(包括粗轧辊半径1163.5mm、精轧辊半径793.5mm、粗轧道次数为7、冷却方式为前端冷却以及加热炉出炉温度1230℃、粗轧出口温度1120℃、终轧温度850℃、卷曲温度600℃)在确认前输入分段数15,确认后显示输入参数汇总结果,再检查输入参数是否正确,如有错误则可返回读取生产工艺参数,如输入无误则按段转入加热模块;
如图3所示,所述加热模块的功能是利用经验公式计算出完全奥氏体化后晶粒长大的尺寸,具体流程为:先从前处理模块所选择的参数,结合现场加热曲线确定最终加热炉温度为1230℃;然后利用具体经验公式结合通过试验确定的钢坯的初始晶粒度,计算出奥氏体晶粒尺寸,将其作为轧制模块的初始条件;
所述加热模块的物理冶金过程为:Q235B板坯在轧制之前通常要加热到1200℃以上并保温3小时以上,在加热到共析温度(约727℃)时,材料发生奥氏体转变,这个过程被称作奥氏体化过程,此过程对加热制度的制定有重要影响。一般将此过程分成两部分,一是珠光体的溶解,一是铁素体的相变,第一步在高于共析温度时发生,铁素体中渗碳体溶解,由于渗碳体片层间距离较短,这个过程进行较快;第二个过程可在727~856℃温度范围内发生,且受到共析转变线的限制,这个过程发生碳从富碳的奥氏体向先共析铁素体扩散,是扩散型的相变过程。奥氏体化过程结束之后,材料处于约900℃以上的高温区,奥氏体发生晶粒长大。等温情况下,描述晶粒长大的经验公式为
其中D0为时间t=0时即没加热时由实验确定的初始晶粒尺寸,n是晶粒长大指数,k1为常数,Qapp为晶粒长大的激活能,本施实例通过Gleeble1500热模拟实验,确定普碳钢的晶粒长大过程Qapp=190kJ/mol,k1=4.3×109,n=2.6,D0=50um,t=7200s,则D=303um。
如图4所示,所述轧制模块包括粗轧和粗轧两步,在轧制过程中发生再结晶,使晶粒细化,当前道次计算结果作为下一道次计算的初始条件(粗轧第一道次取加热模块计算出的奥氏体晶粒尺寸作为初始晶粒尺寸),根据现场设定的粗轧道次数进行轧制,粗轧最后一道次的计算结果作为粗轧第一道次的初始条件,精轧过程与粗轧过程相同,每道次具体流程如下:
首先计算出本道次的温度(包括空冷引起的温度差、水冷引起的温度差、磨擦热引起的温度差、变形热引起的温差、接触热引起的温差)应变ε和残余应变,利用上道次计算的晶粒尺寸计算出临界应变εc=5.6×10-4·D0 0.3·Z0.17,其中
,并与当前道次计算出的应变ε进行比较,若ε>εc则发生动态再结晶,若ε<=εc则发生静态再结晶;
当发生动态再结晶时,利用动态再结晶模型
给出再结晶分数Xv,并判断是否Xv>0.95,若>0.95,则发生完全动态再结晶,此时还要判断道次时间t是大于1秒还是小于等于1秒,据此来选择晶粒尺寸的计算公式;当Xv<=0.95时,则未发生完全动态再结晶,再根据未发生完全再结晶的模型
直接计算出奥氏体晶粒尺寸;
当发生完全动态再结晶并且道次时间t>1秒时的再结晶粒尺寸为: 当道次时间t<=1秒时的再结晶粒尺寸为
其中dMRX=2.6×104·Z-0.23为动态再结晶完成后晶粒尺寸(μm);
当发生静态再结晶时,在利用静态再结晶模型 计算出再结晶分数Xv,并判断Xv是否>0.95,若>0.95,则发生完全静态再结晶,此时还要判断道次时间t是大于1秒还是小于等于1秒,据此来选择晶粒尺寸的计算公式;当Xv<=0.95时,则未发生完全静态再结晶,然后根据未发生完全再结晶的模型 直接计算出奥氏体晶粒尺寸;
当发生完全静态再结晶并且道次时间t>1秒时的再结晶粒尺寸为: 当道次时间t<=1秒时的再结晶粒尺寸为
其中 为静态再结晶完成后晶粒尺寸(μm);
本实施例粗轧第七道次晶粒尺寸的模拟结果为:75.17um,再结晶分数的模拟结果为:100%,精轧第七道次晶粒尺寸的模拟结果为:13.85um,再结晶分数的模拟结果为:19.47%;
如图5所示,所述冷却相变模块以轧制模块给出的奥氏体晶粒度和残余应变作为初始条件,分别计算出铁素体分数、珠光体分数和贝氏体分数,其具体流程如下:首先计算相平衡温度Ae3及相变开始温度,再计算Avrami方程X=1-exp(-kt″)中的参数k,接下来计算各个温度下的相变分数和奥氏体碳浓度,最后利用Scheil法则计算出最大相变分数,再判断结束标志:奥氏体碳浓度Cau大于Fe-C相图浓度CAcm,结果为否定时返回相变分数和奥氏体碳浓度的计算;结果为肯定时相变结束,得到铁素体分数、珠光体分数和贝氏体分数,再利用修正后的经验模型计算出铁素体晶粒尺寸;
其公式X=1-exp(-kt″)中,X为相变分数,t为时间,k和n为相变参数,钢种为Q235B的普碳钢冷却过程中,奥氏体分解成铁素体和珠光体,奥氏体的相变过程采用位置饱和模型,n值为常数,而k值则是温度的函数,为了正确地描述温度与k的关系,需要慎重选择k=f(T)的形式。
本实施例采用修正的Gauss函数表示:
其中,p(1)、p(2)、p(3)、p(4)为相变参数,与奥氏体的晶粒尺寸和化学成分有关,详见表1:
表1相变参数与化学成分(wt%)和奥氏体晶粒尺寸(μm)的关系
相变开始温度:各个相转变的开始温度可由热力学计算或者试验确定,当温度降到平衡温度Ae3时,铁素体相变开始,Ae3由热力学参数在平衡条件下计算得到,奥氏体转变成铁素体是由碳的体积扩散控制的相变过程,随着铁素体转变的进行,奥氏体中碳的浓度不断增加,奥氏体中碳浓度可由下式计算:
其中Xa为转变的铁素体的分数,C0为初始碳浓度。对于Q235B钢,Ae3、Ae1采用下式计算:Ae3=904.8-374.2C+195.4C2;Ae1=727。铁素体分数受到平衡条件的限制:一定温度下最大的转变分数根据杠杆定律求出。平衡铁素体分数:
平衡珠光体分数:
珠光体相变的开始温度的确定方法为:在平衡相图上,当奥氏体中碳浓度达到外推Acm线时,认为珠光体转变开始。
残余应变对奥氏体转变的影响:定义有效奥氏体晶粒度
式中,ε为残余应变,ε=ε′(1-x),ε′为再结晶过程中的应变,x为奥氏体再结晶份数。所以,考虑残余应力的影响时,将表1中的dr用dr eff代替。
铁素体的晶粒尺寸
其中,dr:奥氏体的晶粒尺寸(μm),q:冷却速率(℃/s),Ceq:C+Mn/6.。上式各系数值如下表2所示:
表2铁素体晶粒尺寸计算模型中各参数
Ceq<0.35 Ccq>0.35
β0=-0.4 β0=22.6
β1=6.37 β1=-57.0
β2=24.2 β2=3
β3=-59 β3=0
β4=22.0 β4=22.0
β5=-0.015 β5=-0.015
如果考虑残余应变的影响,则铁素体的晶粒尺寸为:
所述力学性能模块以冷却相变模块给出的铁素体分数、珠光体分数、贝氏体分数和铁素体晶粒尺寸作为初始条件,利用修正后的经验模型(资料或文献中的经验模型并不能准确地计算出带钢的力学性能,必须根据生产线的实际情况进行修正)计算出最终带钢的屈服强度、抗拉强度和延伸率,再将数据送至后处理模块;
屈服强度、抗拉强度及延伸率是衡量普碳钢力学性能的三个基本指标:抗拉强度计算模为: 屈服强度计算模型为: 延伸率计算模型为:
其中,Vf=80.3%w为铁素体分数,VP=13.0%为珠光体分数,Vb=6.7%为贝氏体分数,df=12.5um为铁素体晶粒尺寸。
所述后处理的功能是显示输出计算结果,采用表格、曲线、动画等多种方式对加热、粗轧、精轧、冷却、力学性能五个部分的结果进行输出,还包括一智能报告(包括普通文本报告和Excel报告),各模块输出的具体内容如下:
1)加热模块输出包括晶粒度-温度-时间曲线和晶粒长大的模拟动画显示;
2)轧制模块(粗轧模块和精轧模块)输出内容为:a)表格数据,包括各个段的各个道次的温度、晶粒尺寸、在结晶分数、应变、应变速率、临界应变、残余应变及空冷引起的温差、水冷引起的温差、摩擦热引起的温差、接触热引起的温差、变形热引起的温差、和再结晶50%的时间,及生产工艺数据,包括各道次的轧制力和轧制时间;b)道次数据,包括各个位置段的温度、晶粒尺寸、再结晶分数随道次变化的曲线;c)时间数据,各个位置段的晶粒尺寸、再结晶分数随时间变化的曲线;d)空间数据,在各个道次不同位置段的温度、晶粒尺寸、再结晶分数的变化曲线;
3)冷却相变模块输出内容为:a)冷却曲线;b)各个段的相变分数随温度变化的曲线和动画;c)卷取之后的铁素体晶粒尺寸曲线;
4)力学性能模块输出内容有两方面:a)抗拉强度、屈服强度、延伸率的曲线;b)性能指标的合理性检查,本发明采用打靶的形式很直观的反映出轧制后钢板的性能落在那个范围之内,参见图6;其中,“①”代表抗拉强度,“②”代表延伸率,“③”代表屈服强度。
5)智能报告的输出内容有两个方面,a)输入参数,即在前处理模块输入的生产工艺参数;b)性能分析,第15段即“尾部”的结果,包括:屈服强度、抗拉强度、延伸率、粗/精轧各个道次的晶粒尺寸、再结晶分数,以及铁素体晶粒尺寸、铁素体分数、珠光体分数、贝氏体分数;此后智能的分析出性能的指标是否合格以及造成这种性能的工艺制度的原因,及系统时间和签名。智能报告按文本形式和Excel形式两种形式输出,在内容上是完全一致的。
本实施例输入、输出结果均与现有技术中鞍钢1780热轧生产线的输入、输出(人工测量)结果一致,证明了本发明能预测产品最终性能,省时、省力、准确、高效。
Claims (3)
1.一种热轧过程带钢组织演变与性能预测的方法,其特征在于:由前处理模块、加热模块、轧制模块、冷却相变模块、力学性能模块和后处理六个模块组成,前处理模块的功能是从数据库中读取热轧过程所需的工艺参数,为后续流程提供初始条件;所述加热模块、轧制模块、冷却相变模块及力学性能模块是完成对热轧过程各个冶金物理量动态的模拟,预测出带钢最终的组织性能;所述后处理模块的功能是完成热轧过程模拟结果的显示输出;
所述前处理模块具体流程为:首先从数据库中读取生产工艺参数,包括:钢种及化学成分、钢坯规格和产品规格、生产工艺设定的参数,在确认前输入分段数,确认后显示输入参数汇总结果,再检查输入参数是否正确,如有错误则可返回重新读取生产工艺参数,如输入无误则按段转入加热模块;
所述加热模块的功能是利用经验公式计算出完全奥氏体化后晶粒长大的尺寸,具体流程为:先从前处理模块所选择的参数,结合现场加热曲线确定最终加热炉温度;然后利用具体经验公式 结合钢坯的初始晶粒度,其中D0为时间t=0时即没加热时由实验确定的初始晶粒尺寸,n是晶粒长大指数,k1为常数,Qapp为晶粒长大的激活能,计算出奥氏体晶粒尺寸,将其作为轧制模块的初始条件;
所述轧制模块包括粗轧和精轧两步,在轧制过程中发生再结晶,使晶粒细化,当前道次计算结果作为下一道次计算的初始条件,其中:粗轧第一道次取加热模块计算出的奥氏体晶粒尺寸作为初始晶粒尺寸,根据现场设定的粗轧道次数进行轧制,粗轧最后一道次的计算结果作为精轧第一道次的初始条件,精轧过程与粗轧过程相同,每道次具体流程如下:
首先计算出本道次的温度、应变ε和残余应变,利用上道次计算的晶粒尺寸计算出临界应变εc,并与当前道次计算出的应变ε进行比较,若ε>εc则发生动态再结晶,若ε<=εc则发生静态再结晶;
所述冷却相变模块以轧制模块给出的奥氏体晶粒度和残余应变作为初始条件,分别计算出铁素体分数、珠光体分数和贝氏体分数,其具体流程如下:首先计算相平衡温度Ae3及相变开始温度,再计算Avrami方程中的参数k,接下来计算各个温度下的相变分数和奥氏体碳浓度,最后利用Scheil法则计算出最大相变分数,再判断结束标志:奥氏体碳浓度Cau大于Fe-C相图浓度CAcm,结果为否定时返回相变分数和奥氏体碳浓度的计算;结果为肯定时相变结束,再利用修正后的经验模型计算出铁素体分数、珠光体分数和贝氏体分数及铁素体晶粒尺寸,其中,平衡铁素体分数:
平衡珠光体分数:
铁素体的晶粒尺寸dα0=(β0+β1·Ceq)+(β2+β3·Ceq)·q-0.5+β4(1-exp(β5dγ),其中,dγ:奥氏体的晶粒尺寸,q:冷却速率,Ceq:C+Mn/6;
所述力学性能模块以冷却相变模块给出的铁素体分数、珠光体分数、贝氏体分数和铁素体晶粒尺寸作为初始条件,利用修正后的经验模型计算出最终带钢的屈服强度、抗拉强度和延伸率,抗拉强度计算模型为Tb=200.0+60.0·Vf+118.0·(VP+Vb)+19.9·pow(df/1000.0-0.5),屈服强度计算模型为:Ts=97.0+64.9·Vf+15.1·(VP+Vb)+17.25·pow(df/1000.0-0.5),延伸率计算模型为:δ=11.0+3.0·Vf+1.53·(VP+Vb)-0.03·Vb+1.8·pow(df/1000.0-0.5),Vf为铁素体分数,VP为珠光体分数,Vb为贝氏体分数,df为铁素体晶粒尺寸,再将数据送至后处理模块;
所述后处理的功能是显示输出计算结果,采用表格、曲线、动画等多种方式对加热、粗轧、精轧、冷却、力学性能五个部分的结果进行输出。
2.按照权利要求1所述热轧过程带钢组织演变与性能预测的方法,其特征在于:当发生动态再结晶时,利用动态再结晶模型给出再结晶分数Xv,并判断是否Xv>0.95,若>0.95,则发生完全动态再结晶,此时还要判断道次时间t是大于1秒还是小于等于1秒,据此来选择晶粒尺寸的计算公式;当Xv<=0.95时,则未发生完全动态再结晶,再根据未发生完全再结晶的模型直接计算出奥氏体晶粒尺寸。
3.按照权利要求1所述热轧过程带钢组织演变与性能预测的方法,其特征在于:当发生静态再结晶时,在利用静态再结晶模型计算出再结晶分数Xv,并判断Xv是否>0.95,若>0.95,则发生完全静态再结晶,此时还要判断道次时间t是大于1秒还是小于等于1秒,据此来选择晶粒尺寸的计算公式;若Xv<=0.95,则未发生完全静态再结晶,然后根据未发生完全再结晶的模型直接计算出奥氏体晶粒尺寸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 02109026 CN1201880C (zh) | 2002-01-11 | 2002-01-11 | 一种热轧过程带钢组织演变与性能预测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 02109026 CN1201880C (zh) | 2002-01-11 | 2002-01-11 | 一种热轧过程带钢组织演变与性能预测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1431060A CN1431060A (zh) | 2003-07-23 |
CN1201880C true CN1201880C (zh) | 2005-05-18 |
Family
ID=4740453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 02109026 Expired - Lifetime CN1201880C (zh) | 2002-01-11 | 2002-01-11 | 一种热轧过程带钢组织演变与性能预测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1201880C (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102641902A (zh) * | 2011-02-18 | 2012-08-22 | 宝山钢铁股份有限公司 | 精轧相变带钢的轧制压力设定方法 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10256750A1 (de) * | 2002-12-05 | 2004-06-17 | Sms Demag Ag | Verfahren zur Prozesssteuerung oder Prozessregelung einer Anlage zur Umformung, Kühlung und/oder Wärmebehandlung von Metall |
KR100847974B1 (ko) * | 2004-10-14 | 2008-07-22 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 압연, 단조 또는 교정 라인의 재질 제어 방법 및 그 장치 |
CN1641356B (zh) * | 2004-12-13 | 2010-05-26 | 武汉科技大学 | 硬线产品显微组织与力学性能预报系统 |
CN100362332C (zh) * | 2005-03-29 | 2008-01-16 | 东北大学 | 轧制过程在线检测钢板力学性能的方法 |
KR100711471B1 (ko) * | 2005-10-11 | 2007-04-24 | 주식회사 포스코 | 열연강판의 변태량 온라인 측정장치 |
CN101639691B (zh) * | 2007-03-27 | 2011-05-11 | 宝山钢铁股份有限公司 | 钢板冷却控制模拟方法 |
WO2009069198A1 (ja) * | 2007-11-27 | 2009-06-04 | Toshiba Mitsubishi-Electric Industrial Systems Corporation | ゼンジミアミルのロールポジション設定方法 |
CN101320031B (zh) * | 2008-05-27 | 2012-09-26 | 上海实达精密不锈钢有限公司 | 一种奥氏体不锈钢精密钢带的终轧变形量预测方法 |
AU2012388949B2 (en) * | 2012-08-31 | 2016-11-10 | Toshiba Mitsubishi-Electric Industrial Systems Corporation | Material structure prediction apparatus, product manufacturing method and material structure prediction method |
CN103611735B (zh) * | 2013-12-10 | 2015-11-04 | 武汉钢铁(集团)公司 | 一种层流冷却温度监控方法及装置 |
CN103710529B (zh) * | 2013-12-20 | 2015-06-03 | 鞍钢股份有限公司 | 一种基于超快冷系统的q235钢组织性能预报方法 |
CN103761423B (zh) * | 2013-12-31 | 2016-06-29 | 中南大学 | 一种基于pso-elm的热轧板材组织-性能预测方法 |
JP6086155B2 (ja) | 2014-10-10 | 2017-03-01 | Jfeスチール株式会社 | 材料特性値推定方法、材料特性値推定装置、および鋼帯の製造方法 |
CN104729962B (zh) * | 2015-02-13 | 2017-12-29 | 西北工业大学 | Gh4169合金锻件晶粒度分析及预测方法 |
CN104694720B (zh) * | 2015-03-31 | 2017-05-17 | 北京首钢股份有限公司 | 一种热轧板卷力学性能预测与判定系统 |
CN106148673B (zh) * | 2015-04-21 | 2018-07-06 | 宝山钢铁股份有限公司 | 一种高碳钢高温加热扩散控制方法 |
CN110799286B (zh) * | 2017-06-20 | 2023-02-28 | 卡尔蔡司工业测量技术有限公司 | 用于增材制造的方法和设备 |
CN109500099B (zh) * | 2018-09-27 | 2020-05-01 | 东南大学 | 一种对低碳钢dsit轧制工艺进行优化的实验方法 |
CN109772905B (zh) * | 2018-12-07 | 2020-06-02 | 湖南华菱涟源钢铁有限公司 | 模拟连铸板轧前加热过程中芯部组织演变的方法 |
CN110263406B (zh) * | 2019-06-13 | 2022-12-06 | 湖南大学 | 低速重载下超大模数齿轮的热处理方法及其优化方法 |
CN110791634A (zh) * | 2019-10-28 | 2020-02-14 | 南京钢铁股份有限公司 | 一种低温压力容器钢热轧板奥氏体晶粒尺寸精确调控方法 |
CN112417639B (zh) * | 2020-09-15 | 2023-08-04 | 东北大学 | 一种热轧低碳钢氧化铁皮结构演变数字解析方法 |
CN113684356B (zh) * | 2021-07-16 | 2022-12-30 | 北京科技大学 | 一种通过控制冷却速度消除齿轮钢中带状组织的方法 |
CN114054511B (zh) * | 2021-11-11 | 2023-11-07 | 中冶赛迪工程技术股份有限公司 | 一种轧件组织性能控制系统、方法、介质及电子终端 |
CN114888094B (zh) * | 2022-04-21 | 2023-01-31 | 东北大学 | 基于冷却过程残余应力预测的轧制板形补偿方法 |
CN115323163A (zh) * | 2022-10-13 | 2022-11-11 | 江苏新恒基特种装备股份有限公司 | 一种奥氏体不锈钢晶粒度控制方法、系统及存储介质 |
-
2002
- 2002-01-11 CN CN 02109026 patent/CN1201880C/zh not_active Expired - Lifetime
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102641902A (zh) * | 2011-02-18 | 2012-08-22 | 宝山钢铁股份有限公司 | 精轧相变带钢的轧制压力设定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1431060A (zh) | 2003-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1201880C (zh) | 一种热轧过程带钢组织演变与性能预测的方法 | |
CN1664500A (zh) | 轧制过程钢板内部组织晶粒尺寸的软测量方法 | |
Zhang et al. | The kinetics and cellular automaton modeling of dynamic recrystallization behavior of a medium carbon Cr-Ni-Mo alloyed steel in hot working process | |
Li et al. | Experimental study and numerical simulation of dynamic recrystallization behavior of a micro-alloyed plastic mold steel | |
Chen et al. | Recrystallization of 30Cr2Ni4MoV ultra-super-critical rotor steel during hot deformation. Part I: Dynamic recrystallization | |
Chen et al. | Recrystallization of 30Cr2Ni4MoV ultra-super-critical rotor steel during hot deformation. Part Ш: Metadynamic recrystallization | |
Bok et al. | Thermo-mechanical-metallurgical modeling for hot-press forming in consideration of the prior austenite deformation effect | |
Madej et al. | Multi scale cellular automata and finite element based model for cold deformation and annealing of a ferritic–pearlitic microstructure | |
CN102323981B (zh) | 一种预测热轧钢材奥氏体静态再结晶组织演变的方法 | |
CN1664550A (zh) | 轧制过程在线检测钢板力学性能的方法 | |
CN100577315C (zh) | 轧制线的材质预测及材质控制装置 | |
CN103143563B (zh) | 一种利用相变热膨胀防止65Mn热轧板卷塌卷的方法 | |
Quan et al. | A study on the multi-phase transformation kinetics of ultra-high-strength steel and application in thermal-mechanical-phase coupling simulation of hot stamping process | |
CN104238498A (zh) | 热连轧管线钢组织及力学性能预测的方法 | |
Bong et al. | Probing formability improvement of ultra-thin ferritic stainless steel bipolar plate of PEMFC in non-conventional forming process | |
CN109881107A (zh) | 一种具有不同屈强比的热轧q&p980钢及其生产方法 | |
Wojtaszek et al. | Application of processing maps and numerical modelling for identification of parameters and limitations of hot forging process of 80MnSi8-6 steel | |
Szeliga et al. | Stochastic model describing evolution of microstructural parameters during hot rolling of steel plates and strips | |
CN105177445B (zh) | 一种高韧性3.5Ni钢板的制备方法 | |
CN1641356B (zh) | 硬线产品显微组织与力学性能预报系统 | |
CN103710529A (zh) | 一种基于超快冷系统的q235钢组织性能预报方法 | |
Yang et al. | Study of static recrystallization behavior of a nitrogen-alloyed ultralow carbon austenitic stainless steel by experiment and simulation | |
CN110018046B (zh) | 一种节约型双相不锈钢中trip效应致塑性增量的表征方法 | |
Song et al. | Small punch test evaluation of neutron-irradiation-induced embrittlement of a Cr–Mo low-alloy steel | |
Marrapu | Effect of localization criteria and yield criteria in predicting the forming limit diagram (FLD) of DP590 steel sheets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term | ||
CX01 | Expiry of patent term |
Granted publication date: 20050518 |