基于晶粒尺寸变化动态预测高温合金拉伸性能的方法技术

本发明专利技术涉及一种基于晶粒尺寸变化动态预测高温合金拉伸性能的方法，包括建立高温合金γ相晶粒尺寸与高温合金固溶工艺参数的关系模型步骤、建立高温合金拉伸性能与高温合金热处理工艺参数的关系步骤、建立所述高温合金的热处理工艺参数、γ相晶粒尺寸与拉伸性能的神经网络模型的步骤。本发明专利技术建立了虑及初始γ相晶粒尺寸D0、温度和时间影响的高温合金γ相晶粒尺寸理论计算式，并且在建立拉伸性能预测模型时，将微观组织参数的动态演化作为了Pi

【技术实现步骤摘要】
基于晶粒尺寸变化动态预测高温合金拉伸性能的方法


[0001]本专利技术涉及金属材料热处理领域，具体涉及一种高温合金拉伸性能的预测方法。

技术介绍

[0002]热处理是调控高温合金微观组织、提高合金性能的重要手段。不同热处理工艺可以获得不同的γ相晶粒尺寸、强化相形貌和数量，而不同微观组织对材料的拉伸性能有着重要的影响。因此，有必要建立材料的组织性能预测模型，获得高温合金的热处理工艺参数、微观组织与拉伸性能之间的映射关系，从而通过优化热处理参数，以达到精准调控组织性能的目的。
[0003]文献“TC4合金热等静压热处理力学性能的BP人工神经网络预测，程嘉浩、金书正、杜晓懿等，世界有色金属，2020，552(12)：156
‑
157.”公开了一种基于BP人工神经网络模型，预测热等静压热处理工艺下材料的抗拉强度、延伸率的方法。该方法以热等静压热处理的温度、保温时间和压力为输入参数，建立了包括输入层、隐藏层和输出层的三层神经网络模型，对热等静压热处理后合金的抗拉强度和延伸率进行了高精度预测。但是文献在建模过程中仅考虑了热处理工艺参数对拉伸性能的影响，尚未考虑热处理过程中材料组织的动态演化对拉伸性能的影响。然而，如图1所示，高温合金在热处理过程中其γ相晶粒尺寸会发生显著的变化，尤其当固溶温度接近γ
′
相回溶温度时，γ
′
相的回溶会导致γ相晶粒尺寸显著粗化，最终使得合金拉伸性能明显降低，因此，采用文献的建模方法无法识别材料的微观组织演化，更不能根据处理工艺参数、微观组织预测合金拉伸性能，也不能动态的预测热处理工艺参数、微观组织与拉伸性能三者之间的映射关系，存在较大的局限性。

技术实现思路

[0004]本专利技术的目的在于避免现有技术的不足，针对高温合金热处理时γ相晶粒尺寸的复杂演化，且该演化对拉伸性能影响显著的材料特点，提供了根据热处理工艺试验和组织定量结果，建立了高温合金热处理时的γ相晶粒长大计算公式，并建立了热处理工艺参数、微观组织参数与高温合金拉伸性能的神经网络关系模型，并最终能够预测高温合金拉伸性能的一种基于晶粒尺寸变化动态预测高温合金拉伸性能的方法。
[0005]为实现上述目的，本专利技术采取的技术方案为：一种基于晶粒尺寸变化动态预测高温合金拉伸性能的方法，包括以下步骤：
[0006]步骤一：建立高温合金γ相晶粒尺寸与高温合金固溶工艺参数的关系模型，
[0007]在不同的固溶温度和固溶时间下对所述的高温合金进行固溶处理，对固溶处理后的高温合金试样的γ相晶粒进行金相定量，从而获得在不同固溶温度与固溶时间的固溶处理后γ相晶粒尺寸试验值，从而建立固溶温度和固溶时间与高温合金γ相晶粒尺寸对应表；然后，基于Anelli模型，建立高温合金γ相晶粒初始尺寸、固溶处理后γ相晶粒尺寸与固溶温度、固溶时间之间的数学模型，表示为模型公式(1)：
[0008][0009]式中，D0和D
t
分别为γ相初始晶粒尺寸和固溶处理后的γ相晶粒尺寸，单位为μm；t为固溶时间，单位为min；T为固溶温度，单位为K；Q为扩散激活能，单位为kJ
·
mol
‑1；R为气体常数，为8.3145J
·
mol
‑1·
K
‑1；n为γ相晶粒长大指数，m为时间指数，A为合金材料参数；
[0010]即获得固溶温度和固溶时间对高温合金γ相晶粒尺寸影响的关系模型；
[0011]步骤二：建立高温合金拉伸性能与高温合金热处理工艺参数的关系，
[0012]对步骤一所述的固溶处理后的高温合金试样进行拉伸试验，从而建立在不同固溶温度、固溶时间的固溶处理后高温合金拉伸性能对应关系表，即得到获得固溶温度和固溶时间对高温合金拉伸性能的影响规律；
[0013]步骤三：建立所述高温合金的热处理工艺参数、γ相晶粒尺寸与拉伸性能的神经网络模型：
[0014]根据步骤一和步骤二分别建立的关系并基于混合Pi
‑
sigma模糊神经网络模型，建立以固溶温度、固溶时间和γ相晶粒尺寸为模型输入，以高温合金拉伸的屈服强度、抗拉强度、延伸率和断面收缩率作为模型输出的神经网络模型，即获得了高温合金γ相晶粒尺寸、高温合金热处理工艺参数及高温合金拉伸性能之间的映射关系，实现了基于晶粒尺寸变化高温合金拉伸性能的动态预测。
[0015]进一步的，还包括对所述模型公式(1)中合金材料参数的优化步骤：
[0016]a)对所述的模型公式(1)移项并对两端取对数得到定量模型公式(3)：
[0017][0018]定量模型公式(3)中，在0～6中选取至少六个数作为γ相晶粒长大指数n的初始值，将每一个γ相晶粒长大指数n的初始值以及步骤一中所述对应表中的初始γ相晶粒尺寸值和固溶处理后γ相晶粒尺寸试验值及固溶时间t值代入所述的定量模型公式(3)中，再通过多元线性回归方法获得每一个γ相晶粒长大指数n的初始值所对应的合金材料参数lnA、时间指数m和扩散激活能Q值；
[0019]b)将步骤a)中所得到的每一个γ相晶粒长大指数n的初始值所对应的合金材料参数lnA、γ相晶粒时间指数m和扩散激活能Q值代入所述的模型公式(1)中，从而获得不同固溶温度与固溶时间的固溶处理后γ相晶粒尺寸计算值；将步骤一中所述的固溶处理后γ相晶粒尺寸试验值与计算值的平均相对误差作为目标函数AARE，其表达式为公式(4)：
[0020][0021]式中，N为固溶处理试验的组数，E
i
为所述固溶处理后γ相晶粒的尺寸试验值，C
i
为所述固溶处理后γ相晶粒尺寸计算值；
[0022]c)计算每一个γ相晶粒长大指数n值所对应的目标函数AARE，通过多项式拟合建立所述目标函数AARE与γ相晶粒长大指数n值的关系式，对拟合得到的多项式求最小值，即获得平均相对误差最小时的γ相晶粒长大指数n值；
[0023]将平均相对误差最小时的γ相晶粒长大指数n值代入步骤b)中所述的定量模型公
式(3)，并重复步骤b)，即得到所述平均相对误差最小时的n值所对应的合金材料参数lnA、γ相晶粒时间指数m和扩散激活能Q值；并将此时的合金材料参数lnA、γ相晶粒时间指数m和扩散激活能Q值及γ相晶粒长大指数n值作为最终对应关系参数代入所述的模型公式(1)，得到固溶处理后γ相晶粒尺寸的预测值，即精准得到了所述固溶温度和固溶时间与高温合金γ相晶粒尺寸的关系模型，保证了所述的模型公式(1)在不同固溶温度与固溶时间的固溶处理后γ相晶粒尺寸的准确预测。
[0024]进一步的，还包括对所述模型公式(1)计算所述固溶处理后γ相晶粒尺寸的预测值精度验证的步骤：
[0025]将所述的固溶处理后γ相晶粒尺寸的预测值与固溶处理后γ相晶粒尺寸的试验值的平均相对误差作为目标函数ARE和相关性系数R作为模型预测精度的衡量指标，计算公式分别如公式(5)和(6)所示：
[0026][0027][0028]式中，N为固溶处理试验本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于晶粒尺寸变化动态预测高温合金拉伸性能的方法，其特征在于，包括以下步骤：步骤一：建立高温合金γ相晶粒尺寸与高温合金固溶工艺参数的关系模型，在不同的固溶温度和固溶时间下对所述的高温合金进行固溶处理，对固溶处理后的高温合金试样的γ相晶粒进行金相定量，从而获得在不同固溶温度与固溶时间的固溶处理后γ相晶粒尺寸试验值，从而建立固溶温度和固溶时间与高温合金γ相晶粒尺寸对应表；然后，基于Anelli模型，建立高温合金γ相晶粒初始尺寸、固溶处理后γ相晶粒尺寸与固溶温度、固溶时间之间的数学模型，表示为模型公式(1)：式中，D0和D
t
分别为γ相初始晶粒尺寸和固溶处理后的γ相晶粒尺寸，单位为μm；t为固溶时间，单位为min；T为固溶温度，单位为K；Q为扩散激活能，单位为kJ
·
mol
‑1；R为气体常数，为8.3145J
·
mol
‑1·
K
‑1；n为γ相晶粒长大指数，m为时间指数，A为合金材料参数；即获得固溶温度和固溶时间对高温合金γ相晶粒尺寸影响的关系模型；步骤二：建立高温合金拉伸性能与高温合金热处理工艺参数的关系，对步骤一所述的固溶处理后的高温合金试样进行拉伸试验，从而建立在不同固溶温度、固溶时间的固溶处理后高温合金拉伸性能对应关系表，即得到获得固溶温度和固溶时间对高温合金拉伸性能的影响规律；步骤三：建立所述高温合金的热处理工艺参数、γ相晶粒尺寸与拉伸性能的神经网络模型：根据步骤一和步骤二分别建立的关系并基于混合Pi
‑
sigma模糊神经网络模型，建立以固溶温度、固溶时间和γ相晶粒尺寸为模型输入，以高温合金拉伸的屈服强度、抗拉强度、延伸率和断面收缩率作为模型输出的神经网络模型，即获得了高温合金γ相晶粒尺寸、高温合金热处理工艺参数及高温合金拉伸性能之间的映射关系，实现了基于晶粒尺寸变化高温合金拉伸性能的动态预测。2.如权利要求1所述的基于晶粒尺寸变化动态预测高温合金拉伸性能的方法，其特征在于，还包括对所述模型公式(1)中合金材料参数的优化步骤：a)对所述的模型公式(1)移项并对两端取对数得到定量模型公式(3)：定量模型公式(3)中，在0～6中选取至少六个数作为γ相晶粒长大指数n的初始值，将每一个γ相晶粒长大指数n的初始值以及步骤一中所述对应表中的初始γ相晶粒尺寸值和固溶处理后γ相晶粒尺寸试验值及固溶时间t值代入所述的定量模型公式(3)中，再通过多元线性回归方法获得每一个γ相晶粒长大指数n的初始值所对应的合金材料参数lnA、时间指数m和扩散激活能Q值；b)将步骤a)中所得到的每一个γ相晶粒长大指数n的初始值所对应的合金材料参数lnA、γ相晶粒时间指数m和扩散激活能Q值代入所述的模型公式(1)中，从而获得不同固溶温度与固溶时间的固溶处理后γ相晶粒尺寸计算值；将步骤一中所述的固溶处理后γ相晶
粒尺寸试验值与计算值的平均相对误差作为目标函数AARE，其表达式为公式(4)：式中，N为固溶处理试验的组数，E
i
为所述固溶处理后γ相晶粒的尺寸试验值，C
i
为所述固溶处理后γ相晶粒尺寸计算值；c)计算每一个γ相晶粒长大指数n值所对应的目标函数AARE，通过多项式拟合建立所述目标函数AARE与γ相晶粒长大指数n值的关系式，对拟合得到的多项式求最小值，即获得平均相对误差最小时的γ相晶粒长大指数n值；将平均相对误差最小时的γ相晶粒长大指数n值代入步骤b)中所述的定量模型公式(3)，并重复步骤b)，即得到所述平均相对误差最小时的n值所对应的合金材料参数lnA、γ相晶粒时间指数m和扩散激活能Q值；并将此时的合金材料参数lnA、γ相晶粒时间指数m和扩散激活能Q值及γ相晶粒长大指数n值作为最终对应关系参数代入所述的模型公式(1)，得到固溶处理后γ相晶粒尺寸的预测值，即精准得到了所述固溶温度和固溶时间与高温合金γ相晶粒尺寸的关系模型，保证了所述的模型公式(1)在不同固溶温度与固溶时间的固溶处理后γ相晶粒尺寸的准确预测。3.如权利要求2所述的基于晶粒尺寸变化动态预测高温合金拉伸性能的方法，其特征在于，还包括对所述模型公式(1)计算所述固溶处理后γ相晶粒尺寸的预测值精度验证的步骤：将所述的固溶处理后γ相晶粒尺寸的预测值与固溶处理后γ相晶粒尺寸的试验值的平均相对误差作为目标函数ARE和相关性系数R作为模型预测精度的衡量指标，计算公式分别如公式(5)和(6)所示：别如公式(5)和(6)所示：式中，N为固溶处理试验的组数，E
i
为所述的固溶处理后γ相晶粒尺寸试验值，C
i
为所述固溶处理后γ相晶粒尺寸的预测值；由所述的公式(5)和(6)的计算得到的目标函数ARE值越小、R值越接近于1，则固溶处理后γ相晶粒尺寸预测的精度越高，实现所述模型公式(1)对固溶处理后γ相晶粒尺寸计算精度的验证。4.如权利要求3所述的基于晶粒尺寸变化动态预测高温合金拉伸性能的方法，其特征在于，在所述的步骤一中至少进行5
‑
20组固溶温度和固溶时间的固溶处理，并获得固溶温度、固溶时间与高温合金γ相晶粒尺寸对应关系值，选取5
‑
10组对应关系值作为所述固溶处理后γ相晶粒尺寸的试验值，剩余组的对应关系值作为用于对所述固溶处理后γ相晶粒尺寸的预测值精度验证。5.如权利要求1所述的基于晶粒尺寸变化动态预测高温合金拉伸性能的方法，其特征在于，所述步骤三具体建立的神经网络模型至少包括以下部分：
神经网络模型的输入层，输入层包括的三个输入参数分别为：固溶温度T，单位为℃，固溶时间t，单位为min和γ相晶粒尺寸d，单位为μm；神经网络模型的中间层...

【专利技术属性】
技术研发人员：罗皎，郭浩坤，张志刚，李淼泉，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：