论文部分内容阅读
非晶合金有着较好的室温性能,拥有大的弹性极限和很高的断裂强度,但其室温塑性较差,因而无法采用传统的室温塑性加工工艺进行加工成型,但是过冷液相区的存在使其在较高温度下有着很强的热塑性成型能力,有着较为优秀的成型精度,利用非晶合金的此种性能在微纳米件、微机电系统等方面极具前景。但是目前用于非晶合金热塑性性能研究的多为贵金属基（Pd基、Pt基、Au基）,限于其昂贵的价格,无法大规模应用。钛基非晶合金密度小,比强度高。近年来在众多学者的研究下,研究了诸多大尺寸的Ti基非晶合金,极大的降低了钛基非晶合金的制备难度,但是相较于Pd基、Pt基、Au基非晶合金的热塑性成型性能研究,目前钛基非晶合金热塑性成型性能方面的研究较少,并且多集中于微米级别的研究,尤其是纳米级别的研究尚未见报道,因此本研究选择钛基非晶合金为研究对象,开展了以下工作:首先对母合金Ti45Zr20Be35进行成分设计,形成Ti-Zr-Be-M合金系,包括母合金共17种合金成分。采用真空电弧熔炼铜模吸铸制备钛基非晶合金3mm棒状样品,借助X射线衍射仪,差式扫描量热仪表征非晶合金物性,获取非晶合金的热力学参数。利用静态热机械分析评估非晶合金的热塑性成型性能,结果显示,Ti45Zr20Be35-xFex与(Ti45Zr20Be35)100-xFex体系中当Fe元素的加入量在4 at.%6at.%时,非晶合金的热塑性成型性能相较于母合金均得到了较大提升,其中性能最好的合金Ti45Zr20Be30Fe5的热塑性成型性能更是达到了母合金Ti45Zr20Be35的2.5倍以上。考察了每种合金的热塑性成型性能与热力学参数之间的联系,发现非晶合金的热塑性成型性能与归一化参数S之间有着明确的线性关系。S参数仍需要通过DSC得到的热力学参数计算得到,对于新合金的研制,费时费力,成本高昂。本研究使用MATLAB建立BP神经网络,并通过遗传算法优化其权值阈值,以大量的数据为训练样本,将合金的物理、化学及热力学参数作为网络的输入,以可以反映合金热塑性成型性能的S参数作为网络的输出。在本文研究的钛基非晶合金种选择8种对神经网络的泛化能力进行验证,输出的结果显示,钛基非晶合金由热力学参数计算的S参数与神经网预测的S参数吻合度较高,8组数据不仅有着一致的变化趋势,并且S值之间的误差也均小于15%,个别合金的S值甚至趋于一致,验证了本研究建立的BP神经网络的实用性与泛化能力。由于钛基非晶合金的热塑性变形能力有限,现有对钛基非晶合金的研究多集中在微米尺度,且由于Ti元素性质活泼,高温状态下极易氧化,研究均在真空状态下进行。本研究利用成分设计得到了一种热塑性变形能力极佳的非晶合金Ti45Zr20Be30Fe5。借助静态热机械分析对其升温过程中的粘度变化进行研究,利用等温晶化实验作Ti45Zr20Be30Fe5的TTT曲线,结合粘度温度曲线,选择一个合适的温度,使得非晶合金在此温度下兼具低粘度与较长的孕育时间。结合改善的Hagen–Poiseuille’s方程与Karman的在圆柱坐标系的非线性方程作Ti45Zr20Be30Fe5非晶合金的热塑性成型加工图,指导纳米模压成型工艺参数的选择。在694 K,1/60 s-1的条件下,成功将非晶合金在大气中压入400 nm孔径AAO模具,形成400 nm直径,高径比高于3的纳米柱。通过形成的纳米柱高径比与力的对应,也验证了非晶合金热塑性成型加工图的合理性。