一种高温合金的蠕变曲线预测方法技术

本发明专利技术公开一种高温合金的蠕变曲线预测方法，属于材料科学与工程的技术领域。所述蠕变曲线预测方法基于蠕变条件

【技术实现步骤摘要】
一种高温合金的蠕变曲线预测方法


[0001]本专利技术属于材料科学与工程的
，涉及一种高温合金的蠕变曲线预测方法。

技术介绍

[0002]高温合金以优异的高温综合性能，在过去几十年里被深入研究并得到了迅猛发展，被广泛应用于制造航空发动机、工业燃气轮机热端涡轮叶片等高温部件。金属蠕变是指金属材料在应力作用下，随着时间的作用发生应变变形的现象。
[0003]高温合金在服役过程中通常因为发生蠕变变形而失效，从而导致服役安全和经济损失等问题。为了解决该问题，需要一种能够准确预测高温合金蠕变时间的方法，尤其是一种能够准确预测高温合金不同蠕变条件下某一蠕变应变对应的蠕变中断时间，即可实现对高温合金服役时间的控制，在避免达到蠕变失效之前对其进行最大程度地使用。然而，现有的预测高温合金蠕变时间的方法虽然有很多，但是准确度不高，实用性不强。
[0004]例如：1982年R.M.Evans等人提出的“θ投影法”通过对蠕变曲线的描述，从而实现对任意蠕变条件下某一蠕变应变对应的蠕变中断时间的预测。该方法认为材料在蠕变过程中会发生材料软化和材料硬化的过程，将两个过程用指数方程表示并进行叠加即可得到θ投影法方程。然而该方法并没有考虑在实际加载过程中蠕变真应力的变化，甚至该方程对于蠕变应变量较大的蠕变曲线并不适用。近年来，材料基因工程的迅猛发展让我们意识到机器学习在数据挖掘方面的巨大潜力。对于预测蠕变曲线这类受多种条件影响的非线性曲线，机器学习具有非凡的表现力。
[0005]中国专利CN102331377A公开了一种评估T/P92钢的蠕变性能的方法，显然是基于“θ投影法”，测量的也只是较低温度和较低应力下的蠕变曲线，蠕变应变量较小，并不适合不小于900℃高温的高温合金蠕变曲线测量。
[0006]中国专利CN105628511A公开了一种高温合金蠕变寿命预测方法，该方法虽然是在θ投影法的基础上，引入蠕变过程中材料形状变化导致真应力变化这一因素，得到修正θ投影法，具体形式为：ε＝θ1*(1
‑
exp(θ2*(1+θ5*ε)*t))+θ3*(exp(θ4*(1+θ5*ε)*t)
‑
1)，但是蠕变应变量较小，并不适合是蠕变应变量较大的高温合金蠕变寿命预测。
[0007]故而，虽然近年来建立了各种形式的修正θ方程，在表达蠕变曲线方面取得了较好的效果，但是θ方程参数对蠕变的变形过程非常敏感，与应力以及温度的关系比较分散，故而用θ影射法预测蠕变寿命需要大量的试验数据。
[0008]中国专利CN106568655A公开了一种预测耐热合金蠕变寿命的方法，其中包括建立在Arrhenius定律基础上的蠕变寿命预测模型，在一定范围内只需通过三组蠕变试验数据即可实现有效的蠕变寿命预测；然而其能预测的应力条件较小，并未考虑较大蠕变应变量与蠕变时间的预测不同温度和应力条件下的蠕变曲线，从而也不能够获得对应温度和应力下的蠕变中断时间。
[0009]综上，现有技术并未考虑可以借助机器学习对高温合金不同条件下的蠕变曲线进
行预测，也未考虑较大蠕变应变量与蠕变时间的预测不同温度和应力条件下的蠕变曲线，以获得对应温度和应力下的蠕变中断时间。

技术实现思路

[0010]本专利技术所要解决的技术问题是现有技术中“θ投影法”和修正“θ投影法”都不能够对蠕变应变量较大的高温合金蠕变寿命预测，而建立在Arrhenius定律基础上的蠕变寿命预测模型也是如此；如何设计预测方法才能够获得较大蠕变应变量与蠕变时间的预测不同温度和应力条件下的蠕变曲线需要亟待解决。
[0011]为解决上述技术问题，本专利技术提供如下技术方案：
[0012]一种高温合金的蠕变曲线预测方法，具体包括如下步骤：
[0013]S1、构建数据集：收集高温合金在不同温度和应力条件下高温合金的高温蠕变曲线，每条高温蠕变曲线包括蠕变温度、蠕变应力、蠕变断裂寿命、蠕变时间和蠕变应变量的数据，将这些数据构成数据集；
[0014]S2、将所述步骤S1中构建的数据集，结合拉森
‑
米勒参数P
LM
(σ)＝103*T*(C
LM
+lgt
f
)进行拟合，求出公式中的待定系数，得到拉森
‑
米勒参数方程，其中T为蠕变温度，t
f
为蠕变断裂寿命，σ为蠕变应力，通过该方程可以求出任意蠕变条件下的蠕变断裂寿命；
[0015]S3、将所述步骤S1中数据集内的蠕变温度、蠕变应力、蠕变断裂寿命、蠕变时间作为输入数据，蠕变应变量作为输出数据，选取BP神经网络构建得到蠕变曲线预测模型BP Model；
[0016]S4、将所述步骤S2所获得的拉森
‑
米勒参数方程和所述步骤S3中获得的蠕变曲线预测模型BP Model模型结合，得到预测不同温度和应力条件下的蠕变曲线，从而获得对应温度和应力下的蠕变中断时间。
[0017]优选地，所述步骤S1中的数据集至少包含6条不同测试条件下的高温蠕变曲线。
[0018]优选地，所述步骤S2中的拉森
‑
米勒参数P
LM
(σ)＝103*T*(C
LM
+lgt
f
)，利用数学分析软件，按最小二乘法回归，将蠕变应力、蠕变温度以及蠕变断裂寿命输入，求出公式中的待定系数C
LM
。
[0019]优选地，所述步骤S2中的拉森
‑
米勒参数P
LM
(σ)＝103*T*(C
LM
+lgt
f
)＝C
0,LM
+C
1,LM
*lgσ+C
2,LM
*lg2σ+C
3,LM
*lg3σ，利用数学分析软件，按最小二乘法回归，将蠕变应力、蠕变温度以及蠕变断裂寿命输入，求出公式中的待定系数C
LM
、C
0,LM
、C
1,LM
、C
2,LM
、C
3,LM
，得到拉森
‑
米勒参数方程，其中T为蠕变温度，t
f
为蠕变断裂寿命，σ为蠕变应力。
[0020]优选地，所述步骤S2中BP Model模型的神经网络结构为4
‑
16
‑8‑8‑
1。
[0021]优选地，所述高温合金的蠕变曲线预测方法蠕变应变量为0
‑
10％，对高温合金蠕变曲线预测的精度比现有技术提高了30％，蠕变断裂时间的预测值与实测值的相对误差降低到20％。
[0022]本专利技术与现有技术相比，具有以下有益效果：
[0023]上述方案中，本专利技术的目的是提出一种基于机器学习的可准确描述高温合金蠕变曲线的预测方法，该方法可在数据集覆盖的蠕变测试条件和蠕变断裂寿命范围内，对高温合金的蠕变曲线做出快速预测。
[0024]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高温合金的蠕变曲线预测方法，其特征在于，具体包括如下步骤：S1、构建数据集：收集高温合金在不同温度和应力条件下高温合金的高温蠕变曲线，每条高温蠕变曲线包括蠕变温度、蠕变应力、蠕变断裂寿命、蠕变时间和蠕变应变量的数据，将这些数据构成数据集；S2、将所述步骤S1中构建的数据集，结合拉森
‑
米勒参数P
LM
(σ)＝103*T*(C
LM
+lgt
f
)进行拟合，求出公式中的待定系数，得到拉森
‑
米勒参数方程，其中T为蠕变温度，t
f
为蠕变断裂寿命，σ为蠕变应力，通过该方程可以求出任意蠕变条件下的蠕变断裂寿命；S3、将所述步骤S1中数据集内的蠕变温度、蠕变应力、蠕变断裂寿命、蠕变时间作为输入数据，蠕变应变量作为输出数据，选取BP神经网络构建得到蠕变曲线预测模型BP Model；S4、将所述步骤S2所获得的拉森
‑
米勒参数方程和所述步骤S3中获得的蠕变曲线预测模型BP Model模型结合，得到预测不同温度和应力条件下的蠕变曲线，从而获得对应温度和应力下的蠕变中断时间。2.根据权利要求1所述的高温合金的蠕变曲线预测方法，其特征在于，所述步骤S1中的数据集至少包含6条不同测试条件下的高温蠕变曲线。3.根据权利要求1所述的高温合金的蠕变曲线预测方法，其特征在于，所述步骤S2中的拉森
‑
米勒参数P
LM
(σ)＝103*T*(C
LM
+lgt
f
)，利用数...

【专利技术属性】
技术研发人员：何金珊，马博浩，王西涛，徐刚，徐金梧，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：