[發明專利]針對車軸多道次多工步鍛造成形過程的晶粒尺寸預測方法

在審

• 申請號: 202110042207.5
• 申請日: 2021-01-13
• 公開（公告）號: CN114764525A
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 向華;馬進;莊新村;趙震
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/23;G06F30/27;G01N25/00;G06Q10/04;G06Q50/04;G06F119/08;G06F119/14
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

一種車軸鍛件的晶粒尺寸快速預測方法，基于單道次、雙道次熱模擬實驗和加熱保溫實驗，分別構建所用材料的動態再結晶模型、亞動態再結晶及靜態再結晶模型和晶粒長大模型，從而搭建針對車軸鋼的宏微觀集成仿真平臺，設計不同工藝參數的成形工藝方案并分別在宏微觀集成仿真平臺中對車軸不同工藝方案下的鍛造過程進行全流程晶粒尺寸演變的數值仿真，建立車軸鍛件晶粒尺寸評價標準，獲取用于訓練多層神經網絡的數據集，最后將訓練后的多層神經網絡進行車軸鍛件整體晶粒尺寸及均勻度的快速預測。本發明預測效果明顯優于現有單工序神經網絡建立的晶粒尺寸預測模型，可以對鍛件整體的晶粒尺寸情況進行快速準確預測，大幅提高預測效率，有效抑制現有神經網絡技術在樣本集較小、非線性程度較高時的過擬合現象。

技術領域

本發明涉及的是一種鍛造領域的技術，具體是一種針對車軸多道次多工步鍛造成形過程的晶粒尺寸預測方法。

背景技術

隨著我國高速鐵路的快速發展，高鐵車軸的性能要求也變得越來越高，提高車軸的鍛件性能成為車軸鍛件生產的重要目標。晶粒尺寸及晶粒均勻度是決定車軸鍛件性能的重要因素，因此對于車軸鍛件的晶粒尺寸進行快速預測與控制具有重要的工程意義。

車軸的晶粒尺寸在實際生產過程中難以實現測量和追蹤，只能依賴于經驗通過調整材料性能和工藝參數對車軸鍛造過程的晶粒尺寸進行控制，偶然性較大且難以驗證。利用數值模擬手段可以實現對于車軸鍛件成形過程晶粒尺寸的實時追蹤與評估，但是車軸的不同部位晶粒尺寸差異較大，目前沒有針對車軸鍛件整體晶粒尺寸分布的評價指標，且車軸屬于大鍛件需要多道次多工步成形，有限元模型建模過程復雜且計算時間較長，晶粒尺寸預測效率較低。

發明內容

本發明針對現有技術存在的上述不足，提出一種車軸鍛件的晶粒尺寸快速預測方法，通過系統地建立材料的微觀演變模型并搭建宏微觀集成仿真平臺，實現車軸鍛造過程的晶粒尺寸演變全流程實時追蹤；在此基礎上建立車軸鍛件晶粒尺寸評價標準，可以對鍛件整體的晶粒尺寸分布情況進行有效評估；最后基于神經網絡建立工步之間晶粒尺寸迭代計算的晶粒尺寸預測模型，預測效果明顯優于現有單工序神經網絡建立的晶粒尺寸預測模型，可以對鍛件整體的晶粒尺寸情況進行快速準確預測，大幅提高預測效率，有效抑制現有神經網絡技術在樣本集較小、非線性程度較高時的過擬合現象。

本發明是通過以下技術方案實現的：

本發明涉及一種車軸鍛件的晶粒尺寸快速預測方法，基于單道次、雙道次熱模擬實驗和加熱保溫實驗，分別構建所用材料的動態再結晶模型、亞動態再結晶及靜態再結晶模型和晶粒長大模型，從而搭建針對車軸鋼的宏微觀集成仿真平臺，設計不同工藝參數的成形工藝方案并分別在宏微觀集成仿真平臺中對車軸不同工藝方案下的鍛造過程進行全流程晶粒尺寸演變的數值仿真，建立車軸鍛件晶粒尺寸評價標準，獲取用于訓練多層神經網絡的數據集，最后將訓練后的多層神經網絡進行車軸鍛件整體晶粒尺寸及均勻度的快速預測。

所述的單道次熱模擬實驗包括：900-1200℃的變形溫度區間和0.01-10/s的應變速率區間條件下的壓縮實驗。

所述的動態再結晶模型包括：動態再結晶動力學模型及晶粒尺寸模型其中：ε＞ε_c，X_drx為動態再結晶分數，ε為變形的應變，ε_c為動態再結晶臨界應變，ε_0.5為發生50％動態再結晶時的應變，D_drx為動態再結晶晶粒尺寸(μm)，為應變速率，Q為形變激活能(J/mol)，R為氣體普適常數，T為絕對溫度(K)，a、A、n、b為與車軸鋼材料相關的參數。

所述的雙道次熱模擬實驗包括：溫度在900-1200℃之間、應變速率在0.01-1/s之間、預應變在0.1-0.5之間、初始晶粒尺寸在160-250μm之間、道次間隔設置在1-300s條件下的雙道次壓縮實驗。