新型Fe-Cr-Mo-V系热强耐蚀钢的设计

论文摘要

本文利用人工神经网络技术,建立了一个以合金成分及其含量和热处理条件为输入,以合金性能为输出的BP人工神经网络。该BP网络为14×12×12×4的四层结构。通过调试,其训练结果和测试结果都比较理想。利用BP网络对高温合金的成分和热处理工艺对性能的影响进行了分析,并建立了由成分及其含量和工艺参数到性能的预报模型,在预报网络模型中输入合金成分含量和工艺参数就能比较精确地预测合金性能。利用粒子群优化算法对成分和热处理工艺进行了计算设计。在计算设计的时候,重点考虑合金的红硬性的同时兼顾合金的耐腐蚀性,确定合金的体系为Fe-Cr-Mo-V系,合金的组成元素有:铁、镍、碳、铬、锰、钼、钒。经过粒子群优化计算得出了3个成分体系,其含碳量分别为0.3wt.%、0.4wt.%、0.48wt.%。利用THERMO-CALC软件以人工神经网络优化的Fe-Cr-Mo-V系热强耐蚀钢为对象,研究了碳、铬、钼、钒含量变化对合金的平衡相图的影响。计算了含碳量为0.3wt.%、0.4wt.%、0.48wt.%的Fe-Cr-Mo-V系钢的垂直截面图,并利用平衡相图和合金相随着温度变化曲线图优化了热处理工艺。含碳量为0.3wt.%的合金的淬火和回火温度分别为1140℃和470℃,含碳量为0.4wt.%的合金的淬火和回火温度为1080℃和560℃,而碳含量为0.48wt.%的合金的淬火和回火温度则为1200℃和550℃。并利用Thermo-Calc计算和预测了合金中的相。本文冶炼了人工神经网络所计算的3种成分的合金,并按照THERMO-CALC优化的工艺进行热处理。通过试样的XRD和金相观察验证了THERMO-CALC计算和预测的结果。对合金的红硬性、耐腐蚀性进行了评价。测试发现碳含量为0.48wt.%的Fe-Cr-Mo-V热强耐蚀钢,能同时兼有较高的红硬性和良好的常温耐腐蚀性。论文对新型合金的设计思路对于新材料的设计、新工艺的开发具有积极意义。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 高红硬性热强钢的研究现状
• 1.3 合金耐腐蚀性的研究
• 1.4 人工神经网络在材料研究中的进展和现状
• 1.4.1 性能识别和预测
• 1.4.2 工艺优化
• 1.5 相图计算的研究进展和现状
• 1.6 主要研究内容
• 第2章 材料及研究方法
• 2.1 合金体系与成分设计方法
• 2.1.1 合金体系的确定
• 2.1.2 网络模型与算法
• 2.1.3 粒子群优化算法的原理及算法流程
• 2.1.4 程序实现
• 2.2 合金热力学计算与热处理工艺的优化
• 2.2.1 相图计算原理
• 2.2.2 热处理工艺优化方法
• 2.3 试样的冶炼
• 2.4 试样的热处理
• 2.5 组织结构分析
• 2.5.1 显微组织分析
• 2.5.2 X射线衍射分析
• 2.6 性能测试
• 2.6.1 硬度测试
• 2.6.2 耐腐蚀试验
• 2.6.3 合金红硬性的测试
• 第3章 合金的设计和优化
• 3.1 BP网络设计
• 3.1.1 隐层数目的选择
• 3.1.2 各层单元数的选择
• 3.1.3 设定网络初始值
• 3.2 样本数据
• 3.2.1 样本的收集
• 3.2.2 学习样本的处理
• 3.3 网络系统的训练
• 3.3.1 训练结果
• 3.3.2 网络检测
• 3.4 基于粒子群优化算法的合金反向优化设计
• 3.4.1 PSO的参数设置
• 3.4.2 优化结果
• 3.5 预测成分及其含量和热处理条件对高温硬度的影响
• 3.5.1 合金元素对高温硬度的影响
• 3.5.2 热处理条件对高温硬度的影响
• 3.6 本章小结
• 第4章 合金热力学计算与热处理工艺优化
• 4.1 合金元素对平衡相图的影响
• 4.1.1 碳含量对合金平衡相图的影响
• 4.1.2 铬含量对合金平衡相图的影响
• 4.1.3 钼含量对合金平衡相图的影响
• 4.1.4 钒含量对合金平衡相图的影响
• 4.2 合金热处理工艺优化
• 4.2.1 合金平衡相图计算
• 4.2.2 相图分析及热处理工艺确定
• 4.3 本章小结
• 第5章 合金的制备和表征
• 5.1 合金的制备
• 5.2 合金的热处理
• 5.3 合金显微组织与相组成
• 5.3.1 合金的金相图
• 5.3.2 合金的XRD图
• 5.4 合金的性能表征
• 5.4.1 硬度测试
• 5.4.2 合金的红硬性
• 5.4.3 合金的极化曲线
• 5.5 本章小结
• 结论
• 参考文献
• 致谢