一种高温合金设计方法及开发系统技术方案

本申请公开了一种高温合金设计方法及开发系统。设计方法包括：获得多种不同成分及比例的高温合金；对所述高温合金进行热力学计算和Scheil

【技术实现步骤摘要】
一种高温合金设计方法及开发系统


[0001]本专利技术涉及高温合金增材制造
，更具体地，涉及一种高温合金设计方法及开发系统。

技术介绍

[0002]高温合金材料以优异的综合力学性能、抗热腐蚀及抗氧化能力，是航空发动机和燃气轮机的关键部件的核心材料。增材制造作为一项颠覆性制造技术，能够实现无模具、高复杂度结构一体成型，可作为新型高复杂度内腔结构叶片的制备技术。但高温合金的增材制造目前仍存在许多问题，如高温合金成分与增材制造工艺不匹配、增材制造高温合金部件易出现以裂纹为主的冶金缺陷。为了解决以上问题，除了改善工艺参数外，面向增材制造技术的新型高温合金提出了新的设计需求。
[0003]针对增材制造工艺，设计出可打印性良好的专用高温合金是很有必要的，目前国内外用到的高温合金设计方法主要有以下几种：
[0004]1、第一性原理计算。根据第一性原理设计高温合金的基体相/强化相，针对目标物性参数调整合金成分；
[0005]2、CALPHAD相图计算。通过热力学计算模拟得到高温合金的凝固路径、相图、热物理性质等参数，调整合金成分从而改善其对增材制造工艺的适配性；
[0006]3、其他合金设计方法。包括常用的经验公式、传统合金设计理论方法等。
[0007]4、机器学习方法。通过大数据收集对合适的机器学习算法进行训练，得到有效的预测模型，从而指导合金设计。
[0008]以上方法都逐渐成为有效的合金设计手段，但存在计算量大、硬件要求高、很难实现高通量合金设计。
[0009]为了加速高温合金的设计过程，亟需开发一种新的增材制造专用高温合金设计方法。
[0010]公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

[0011]本专利技术提出了一种高温合金设计方法及开发系统，其能够设计出符合要求的高温合金的成分及比例。
[0012]本专利技术公开了一种高温合金设计方法，包括：获得多种不同成分及比例的高温合金；
[0013]对所述高温合金进行热力学计算和Scheil
‑
Gulliver模拟，获得所述高温合金在不同温度下的相组成数据；
[0014]基于所述相组成数据计算多种裂纹敏感性系数值；
[0015]基于所述相组成数据和相应温度下的多种裂纹敏感性系数值，建立机器学习预测模型；
[0016]利用所述机器学习预测模型对高温合金的成分及比例进行重新设计；
[0017]根据筛选原则，筛选出符合要求的高温合金的成分及比例。
[0018]可选方案中，所述筛选原则为：裂纹敏感性系数值和相组成符合设定要求。
[0019]可选方案中，所述获得多种不同成分及比例的高温合金的方法包括：
[0020]选择一种高温合金作为基础合金，对所述高温合金的每种元素比例设定最大值和最小值，并设置每种元素比值的变化步长，从而得到多种不同成分及比例的高温合金。
[0021]可选方案中，通过以下公式计算所述裂纹敏感性系数值，
[0022][0023][0024][0025]其中，CSC(Crack Susceptibility Criterion)为一种热裂纹敏感性系数，SCI(Solidification Crack Index)为凝固裂纹系数，SAC(Strain Age Cracking Index)为应力时效裂纹系数，T
l
为液相线温度，T
s
为固相线温度，t
V
为合金处于应力集中区的时间区间，t
R
为合金处于应力释放区的时间区间，t
fs
为合金在固相含量为f
S
时的时间点，T
V
为合金处于应力集中区的温度区间，T
R
为合金处于应力释放区的温度区间，T
fs
为合金在固相含量为f
S
时的时间点，T为温度，f
S
为固相含量，为γ相在固相含量为f时的体积分数，T
γ*
为特征γ相含量时的温度，T
solidus
为γ
′
相固溶温度。
[0026]可选方案中，所述筛选原则为，CSC≤A，SCI≤B，SAC≤C，D温度下γ
′
相含量≥E％，其中A、B、C、D、E为经验值。
[0027]可选方案中，筛选出所述新的高温合金后，所述方法还包括：通过定向能量沉积增材制造工艺，检测筛选出的高温合金的裂纹敏感性。
[0028]可选方案中，通过检测裂纹面积百分比检测筛选出的高温合金的裂纹敏感性。
[0029]本专利技术公开了一种高温合金开发系统，包括：
[0030]相组成数据计算模块，用于对所述高温合金进行热力学计算和Scheil
‑
Gulliver模拟，获得所述高温合金在不同温度下的相组成数据；
[0031]裂纹敏感性系数值计算模块，用于基于所述相组成数据计算多种裂纹敏感性系数值；
[0032]模型建立模块，用于基于所述相组成数据和相应温度下的多种裂纹敏感性系数值，建立机器学习预测模型；
[0033]设计筛选模块，用于利用所述机器学习预测模型对高温合金的组成进行重新设计；筛选出裂纹敏感性系数值和相组成符合要求的新的高温合金。
[0034]其有益效果在于：
[0035]本专利技术通过建立机器学习预测模型，利用多种回归算法对高温合金的增材制造裂纹敏感性、相组成进行快速有效预测，从而进行合金筛选，本专利技术所建立模型的预测结果较为准确，而且能够实现高通量合金设计。
[0036]本专利技术具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理。
附图说明
[0037]通过结合附图对本专利技术示例性实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本专利技术示例性实施例中，相同的参考标号通常代表相同部件。
[0038]图1示出了根据本专利技术的一个实施例的高温合金设计方法的步骤的流程图。
[0039]图2示出了根据本专利技术的一个实施例的机器学习预测模型对裂纹敏感性系数SCI的预测结果图。
[0040]图3示出了根据本专利技术的一个实施例的机器学习预测模型对裂纹敏感性系数CSC的预测结果图。
[0041]图4示出了根据本专利技术的一个实施例的机器学习预测模型对裂纹敏感性系数SAC的预测结果图。
[0042]图5示出了根据本专利技术的一个实施例的优选的高温合金的1000℃拉伸曲线。
[0043]图6示出了根据本专利技术的一个实施例的优选出来的高温合金的宏观金相照片。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.一种高温合金设计方法，其特征在于，包括：获得多种不同成分及比例的高温合金；对所述高温合金进行热力学计算和Scheil
‑
Gulliver模拟，获得所述高温合金在不同温度下的相组成数据；基于所述相组成数据计算多种裂纹敏感性系数值；基于所述相组成数据和相应温度下的多种裂纹敏感性系数值，建立机器学习预测模型；利用所述机器学习预测模型对高温合金的成分及比例进行重新设计；根据筛选原则，筛选出符合要求的高温合金的成分及比例。2.根据权利要求1所述的高温合金设计方法，其特征在于，所述筛选原则为：裂纹敏感性系数值和相组成符合设定要求。3.根据权利要求1所述的高温合金设计方法，其特征在于，所述获得多种不同成分及比例的高温合金的方法包括：选择一种高温合金作为基础合金，对所述高温合金的每种元素比例设定最大值和最小值，并设置每种元素比值的变化步长，从而得到多种不同成分及比例的高温合金。4.根据权利要求1所述的高温合金设计方法，其特征在于，通过以下公式计算所述裂纹敏感性系数值，敏感性系数值，敏感性系数值，其中，CSC(Crack susceptibility criterion)为一种热裂纹敏感性系数，SCI(Solidification crack index)为凝固裂纹系数，SAC(Strain age cracking index)为应力时效裂纹系数，T
l
为液相线温度，T
s
为固相线温度，t
V
为合金处于应力集中区的时间区间，t
R
为合金处于应力释放区的时间区间，t
fs
为合金在固相含量为f
S
时的时间点，T

【专利技术属性】
技术研发人员：梁静静，穆亚航，张雪，李金国，周亦胄，孙晓峰，
申请(专利权)人：中国科学院金属研究所，
类型：发明
国别省市：