素化淬火-分配-回火钢设计和强塑性增强的研究

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:ccwawa
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
作为淬火&分配(Quenching and Partitioning,Q&P)工艺的改进,淬火-分配-回火(Quenching-Partitioning-Tempering,Q-P-T)工艺可以使得超高强度钢具有更好的强度和塑性平衡。自我们课题组徐祖耀院士于2007年提出Q-P-T工艺以来,已经对低碳和中碳低合金Q-P-T马氏体钢进行了系统的研究。Q-P-T马氏体钢的强度和塑性随含碳量从低碳到中碳的增加而提高。Q-P-T钢的强度和塑性是否可以通过增加碳到高碳范围而进一步提高,是一个值得进一步研究的问题。此外,Q-P-T工艺还缺乏工艺设计理论模型,Q&P工艺碳约束平衡(Constrained Carbon Equilibrium,CCE)热力学模型不能保证残留奥氏体体积分数(Volume Fraction of Retained Austenite,VRA)及其碳含量(Carbon content in Retained austenite,Cγ)预测的准确性。为此本文建立了具有双界面(马氏体/碳化物和马氏体/奥氏体)迁移的QPT-LE(局域平衡)热动力学模型用于Q-P-T钢的设计。开发出了具有目前最高性价比的素化高碳Q-P-T钢,并且揭示了其高强塑性的机理。论文的主要结论如下:首先在考虑奥氏体分解和碳化物析出的基础上,建立了双界面(马氏体/碳化物和马氏体/奥氏体)迁移的QPT-LE(Local Equilibrium)模型,用于预测奥氏体体积分数及其碳含量在分配/回火过程中的演化。与不考虑碳化物析出和界面迁移的CCE热力学模型和不考虑碳化物析出的QP-LE热动力学模型相比,QPT-LE模型能更好地预测高碳Q-P-T钢中VRA和Cγ。此外,通过QPT-LE模型揭示了碳化物析出对VRA和Cγ的影响,而考虑碳在位错偏聚的影响可以进一步提高碳化物分数的预测精度。其次,设计了一种高碳钢(Fe-0.67C-1.48Mn-1.53Si-0.038Nb(wt.%)),并采用Q-P-T工艺进行了处理。将高碳钢在810℃进行奥氏体化360 s,然后在170℃盐浴中淬火,然后在另一个400℃盐浴中分配/回火600 s,最后在水中淬火至室温。这个样品被简称为170℃ Q-P-T钢。170℃ Q-P-T钢的强度为1600 MPa,伸长率为28.8%,强塑积(Product of Strength and Elongation,PSE)为46GPa%。此外,该高碳Q-P-T钢具有很高的性/价(强塑积/原料价格)比。同时,我们通过从低碳至高碳含量的增加相继提高了钢的强度和塑性,实现了研究者百年的追求。在该素化高碳Q-P-T钢中的研究中,再次发现了位错越过马氏体/奥氏体界面(Dislocations Across Martensite/Austenite Interface,DAMAI)现象及其增塑效应,在2011年此现象被命名为残留奥氏体吸收位错(Dislocation Absorption by Retained Austenite,DARA)效应,以突出残留奥氏体的增塑作用,本文重新命名为DAMAI效应,直示其本义。通过原位动态拉伸透射电镜(in situ Transmission Electron Microscopy,in situ TEM)观察,从实验上直接证明了DAMAI现象的存在,并通过分子动力学(Molecular Dynamics,MD)模拟从理论上进一步证实了DAMAI现象。DAMAI效应使马氏体“软化”,明显提高了马氏体的变形能力,并显著提高了钢的塑性。由此,我们提出了一种基于DAMAI效应的高强度马氏体钢塑性增强新策略,即平衡残留奥氏体体积分数和力学稳定性,增强DAMAI效应,并且尽可能降低应变诱发马氏体相变。最后通过系统地定量表征低碳和中碳Q-P-T钢的微观组织含量(包括残留奥氏体和碳化物)和Cγ,进一步验证QPT-LE模型的普适性。QPT-LE模型对中低碳Q-P-T钢微观组织分数和Cγ的预测精度明显高于未考虑界面迁移和碳化物析出的CCE热力学模型和未考虑碳化物析出的QP-LE模型。并且得到重要的结论:碳化物析出影响VRA,而界面迁移影响Cγ。当碳化物/马氏体界面碳含量为零时,QPT-LE模型退化为QP-LE模型,因此,QPT-LE模型可用于Q-P-T钢和Q&P钢的设计,这是QPT-LE模型普适性的另一表现。总之,我们所建立的QPT-LE模型将成为Q-P-T钢和Q&P钢工艺和组织设计的新工具。基于DAMAI效应的高强度马氏体钢塑性增强新策略为其他高强塑性马氏体钢的开发提供了一条新途径。
其他文献
金属零件中非金属夹杂物的存在严重削弱了基体的力学性能,因此高端装备用大型锻件对其内部非金属夹杂物的尺寸与分布状态均具有严格限制。现阶段的冶炼技术无法完全去除钢中的非金属夹杂物,对于钢锭内部危害较大的大尺寸硬性夹杂物,锻造变形是使其破碎和弥散的主要途径。因此,针对锻件中硬性夹杂物锻造过程中的破碎与弥散行为展开研究,可为解决生产中由硬性夹杂物导致的锻件制废问题提供相应的理论基础与技术支撑。本文以钢中典
学位
板带热连轧是典型流程工业,其终极目标是短流程化和高度自动化,但在短流程化进程中装备技术容易出现过度刚性连接,导致装备工艺和产品之间柔性适配度低,缺乏柔性调控能力。如ESP精轧机组轧辊磨损严重制约其技术发挥的瓶颈问题。针对板带热连轧短流程化进程中出现的最新热点和共性难题,开展板带无头轧制在线换辊技术及动态轧制理论研究。针对以ESP为代表的无头轧制产线,从在线换辊策略制定及调节模型建立、轧辊撤出及投入
学位
近年来,随着移动智能设备的普及和网络信息技术的迅猛发展,在线社交网络为人们分享信息和交流观点等提供了时间和空间上的便利平台,并逐渐成为社会信息传播的重要途径。特别是当社交网络信息具有很强的吸引力时,极易驱使网民在好奇心的作用下查看和传播信息内容,进而促进信息在较短时间内迅速大规模传播,甚至引发事件升级,给政府治理带来严峻挑战,更有可能威胁社会秩序和国家安全。本文旨在利用传染病动力学模型和种群动力学
学位
我国高等教育体系已基本形成,内涵式发展进入了实质性阶段。高等教育竞争日趋激烈,高等教育市场化倾向日益明显。以习近平同志为核心的党中央把职业教育重视的程度提高到前所未有的高度,强调“职业教育与普通教育是两种不同教育类型,具有同等重要地位”。同时,高层次应用技能型创新人才的数量和结构与市场需求不匹配,教育结构和教育质量都有待进一步提升和改善。地方新建本科院校向应用技术型高校的转型发展是高等教育内涵化发
学位
近年来,随着人工智能、数字媒体、计算机视觉技术的高速发展,神经网络逐步进入人们的视野,各类算法也层出不穷,如:迁移学习算法、dropout系列算法、网络规范化算法等。这些算法在社会各领域均取得了很好的表现,如:门禁、考勤、无人机、无人车、银行网络支付等领域。随着相关技术应用范围越来越广,人们对于网络精度的要求也越来越高。一个好的神经网络不仅需要在训练数据集上表现出良好的性能,也要使其在测试数据集上
学位
Growing and expanding the use of cellular networks nowadays has led to the emergence of creating new generations of telecommunication networks.The race for developing 5G technology has taken a multi o
学位
数字图像和视频被广泛的应用在实际生活中。图像和视频信号通过采集、编码、传输、解码最终到达人们的手中。在这些过程中,信号主要会遭受两种损失,信源编码带来的量化损失和信道噪声带来的信源损失。为了得到优质的图像和视频,增强类算法应运而生,比如超分辨算法、细节增强算法、微光视频去噪算法。它们分别属于分辨率的增强算法、纹理的增强算法、画质的增强算法。本文主要研究了这三大类算法,并利用统计学习的知识提出了新的
学位
在GTAW焊接过程中,焊缝熔透状态的有效检测及控制一直是自动化焊接领域研究的难点和重点,而传感器技术的发展及智能化和自动化的控制理论方法的研究和应用为解决这一难题提供了重要思路,以往针对GTAW焊接过程熔透状态的检测和控制大多只涉及某一种传感器,或虽涉及多传感器融合检测GTAW焊缝熔透状态但是没涉及到形成闭环的控制,也没能够将反映焊缝熔深熔透情况的红外热像信息加入到GTAW多传感信息采集系统中,因
学位
光子器件的性能对光通信以及光互联系统的性能至关重要,影响到最终的误码率和通信容量。在制造光子器件之前,首先需要根据目标性能需求进行光子器件的结构参数设计。光子器件的设计通常需要通过经验不断尝试,或者耗费大量时间进行多次数值仿真,然后将结果与目标响应进行比较,并不断更新结构以获得最终的结构参数。整个过程是基于迭代实现的。另一方面,随着光子器件和光子系统的结构变得越来越复杂,设计过程变得更具挑战性。在
学位
焊接是海工装备制造中的重要环节,也是决定其质量的关键工序之一。我国在主流船型、高技术船舶、海洋工程装备等领域科技创新取得重大突破,但与世界海工装备制造强国相比仍有较大差距,智能制造是海工装备焊接发展的必然趋势,其中的瓶颈问题是实现中厚板的机器人焊接智能化关键技术,诸如焊缝类型识别、自主导引、焊缝实时跟踪和多层多道焊接轨迹在线规划与实时修正等。当前我国船舶制造中焊接的工艺现状主要体现在自动化程度低和
学位