System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及钢连铸,尤其涉及一种合金钢多组元体系凝固热力学的计算方法。
技术介绍
1、随着合金钢中合金元素的种类和数量的增加,钢的抗腐蚀、耐高温、抗热裂能力和耐磨损等性能得到了提高,因此在航空航天、高铁、轮船等方面服役,其服役的工况环境比较复杂,所以对合金钢零部件的质量要求尤其严格。由于合金钢在连铸凝固过程中发生包晶相变,易导致连铸坯凝固坯壳不均匀生长,诱发表面纵裂纹。另外,凝固过程中合金元素的偏析同时会产生大尺寸碳化物,甚至往往会成为钢中危害钢材质量的裂纹源,并在后续的热处理中也不会被完全消除。因此,对于合金钢相变特征温度和溶质微观偏析的计算对其连铸凝固质量控制具有重要意义。
2、早期的研究工作采用数值方法来计算多元合金钢的凝固过程,并对凝固过程中多种溶质元素的偏析行为进行数值计算。在阐述凝固过程热力学行为的模型中,maw j(international journal ofminerals metallurgy and materials,2014,21(3):234-239)利用杠杆模型和scheil模型探究了20crmnti中元素的偏析行为,然而在实际凝固过程中溶质元素在固相中的扩散是有限扩散,而杠杆模型假设的固相中溶质元素完全扩散以及scheil模型假设固相中溶质元素完全无扩散都是不准确的。brody-fleming(transactionof american institute of mining,metallurgical,and petroleum engineers,1966(236):615-
3、综上所述,虽然ueshima模型能够计算普碳钢和微合金钢的相变特征温度和溶质微观偏析,但是随着合金元素的种类和含量的提升,现有的模型未能充分考虑溶质元素之间的相互作用对多合金钢的相变特征温度和溶质微观偏析计算的影响。
技术实现思路
1、本专利技术要解决的技术问题是针对上述现有技术的不足,提供一种合金钢多组元体系凝固热力学的计算方法,计算多合金钢不同溶质元素含量下的伪二元相图fe-i,获得δ/γ相转变温度数据集,建立δ/γ相转变温度bp神经网络预测模型,并对液相线温度求解公式进行优化,解决在求解相转变温度时溶质元素之间的相互作用的技术问题,将bp神经网络预测模型和液相线温度求解公式耦合至ueshima模型,实现对多合金钢相变特征温度和溶质微观偏析的计算。
2、为解决上述技术问题,本专利技术所采取的技术方案是:一种合金钢多组元体系凝固热力学的计算方法,首先计算多合金钢不同含量下溶质元素的伪二元相图fe-i,获得δ/γ相转变温度数据集,建立δ/γ相转变温度bp神经网络预测模型,对bp神经网络预测模型进行训练;并对液相线温度求解公式进行优化,进而将bp神经网络预测模型和液相线温度求解公式耦合至ueshima模型,得到bp-ueshima模型;建立凝固过程中不同冷却速率与二次枝臂间距的关系;然后根据bp-ueshima模型实现对多合金钢相变特征温度和溶质微观偏析的计算;具体方法为:
3、步骤1:计算多合金钢不同含量下各溶质元素的伪二元相图,并对伪二元相图进行处理获得δ/γ相转变温度数据集,基于此数据集,建立δ/γ相转变温度bp神经网络预测模型,而且对模型进行训练;
4、步骤1.1:计算多合金钢不同含量下溶质元素的伪二元相图,从伪二元相图中提取获得δ/γ相转变温度和所对应的不同溶质元素的含量;
5、步骤1.2:建立bp神经网络预测模型;基于δ/γ相转变温度数据集中的数据特征确定输入层和输出层的神经元数量;此外还要确定隐藏层的神经元数量;其中,输入层神经元的数量由溶质元素的种类决定,输出层只有温度一个特征信号,因此输出层只有一个神经元;
6、根据bp神经网络结构,进入隐藏层中第z个神经元节点的输入信号为netz,如下共所示:
7、
8、该神经元节点的输出信号oz:
9、
10、进入输出层第g个神经元节点的输入信号netg:
11、
12、该输出层神经元节点的输出信号为dg:
13、
本文档来自技高网...【技术保护点】
1.一种合金钢多组元体系凝固热力学的计算方法,其特征在于:首先计算多合金钢不同含量下溶质元素的伪二元相图,获得δ/γ相转变温度数据集,建立δ/γ相转变温度Bp神经网络预测模型,对Bp神经网络预测模型进行训练;并对液相线温度求解公式进行优化,进而将Bp神经网络预测模型和液相线温度求解公式耦合至Ueshima模型,得到Bp-Ueshima模型;建立凝固过程中不同冷却速率与二次枝臂间距的关系;然后根据Bp-Ueshima模型实现对多合金钢相变特征温度和溶质微观偏析的计算。
2.根据权利要求1所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述方法包括以下步骤:
3.根据权利要求2所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述步骤1的具体方法为:
4.根据权利要求3所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述Bp神经网络预测模型具体为:
5.根据权利要求4所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述步骤1.3根据建立的Bp神经网络结构,对δ/γ相转变温度数据集行分类,以训
6.根据权利要求5所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述步骤2.1根据Ueshima模型理论,将凝固组织近似为临边相接的正六棱柱形态,并忽略溶质沿枝晶的轴向扩散;设定在凝固过程中枝晶的横截面区域以正六边形形态向外扩张,根据对称性原则选取正六边形1/6的等边三角形作为溶质微观偏析模型的计算域;将计算域均匀地划分为Node_n个计算节点;相邻两节点间距为Δx;j为节点序号;Aj代表j节点的面积;Lj代表j节点和j+1节点之间的界面长度;Delt_n为δ相总节点数;Solid_n为固相总节点数;由于枝晶尺寸大小的计算域属于微米尺度,同一时刻下,设定计算域内不存在温度差异;溶质微观偏析模型设定溶质原子在液相中均匀混合,在固相中的有限扩散满足菲克第二定律。
7.根据权利要求6所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:步骤2.2所述液相线温度TL和虚拟液相线温度TL′如下公式所示:
8.根据权利要求6所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述步骤2.3的具体方法为:
9.根据权利要求8所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述步骤2.4的具体方法为:
10.根据权利要求9所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:步骤3所述溶质微观偏析模型计算域尺寸是指连铸坯中的枝晶臂间距的一半,通过实验手段获得不同冷却速率下的凝固组织,经腐蚀实验后统计或者冷却速率和枝晶二次枝臂间距之间的经验公式确定。
...【技术特征摘要】
1.一种合金钢多组元体系凝固热力学的计算方法,其特征在于:首先计算多合金钢不同含量下溶质元素的伪二元相图,获得δ/γ相转变温度数据集,建立δ/γ相转变温度bp神经网络预测模型,对bp神经网络预测模型进行训练;并对液相线温度求解公式进行优化,进而将bp神经网络预测模型和液相线温度求解公式耦合至ueshima模型,得到bp-ueshima模型;建立凝固过程中不同冷却速率与二次枝臂间距的关系;然后根据bp-ueshima模型实现对多合金钢相变特征温度和溶质微观偏析的计算。
2.根据权利要求1所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述方法包括以下步骤:
3.根据权利要求2所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述步骤1的具体方法为:
4.根据权利要求3所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述bp神经网络预测模型具体为:
5.根据权利要求4所述的一种合金钢多组元体系凝固热力学的计算方法,其特征在于:所述步骤1.3根据建立的bp神经网络结构,对δ/γ相转变温度数据集行分类,以训练数据集、验证数据集和测试数据集按一定的比例随机分类,然后对bp神经网络进行训练;采用均方误差函数mse对期望值t和输出值dg进行计算,判断bp神经网络输出层的输出值是否满足要求需要,如下公式所示:
6.根据权利要求5所述的一种合金钢多组元体系凝固热力学的计算方法,其特...
【专利技术属性】
技术研发人员:朱苗勇,罗腾飞,王卫领,商庭瑞,罗森,蔡兆镇,
申请(专利权)人:东北大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。