激光诱导击穿光谱的高铁车轮钢晶粒度等级研究

我国高速铁路运行距离长,服役环境多变,对车轮钢的性能要求较高。车轮钢的晶粒尺寸直接影响着车轮钢的力学性能,且晶粒的特征和测量对材料科学有着重要的作用,因此为了保证高速列车的安全运行,对高铁车轮的晶粒度等级进行检测是十分必要的。利用激光诱导击穿光谱(LIBS)实验平台对5个不同晶粒度等级的ER8高速列车车轮钢样品(经过不同热处理得到不同晶粒度等级)进行击穿获取光谱信息,比较了基体元素Fe和合金元素(Cr, Mo, Co)的谱线强度与5个不同晶粒度等级的样品之间的相关性,发现均与样品晶粒度等级存在不同程度的相关性。利用此关系建立以谱线强度为变量的偏最小二乘判别分析(PLS-DA)模型,在建立模型前分别采用标准正态变量变换(SNV)、多元散射校正(MSC)和Savitzky-Golay卷积平滑方法进行预处理。通过比较各种预处理方法,得出采用SNV预处理后建立的模型效果最佳,建模集误判个数为4个,准确率为95.7%,预测集误判个数为3个,准确率为90%。在SNV预处理方法的基础上,分别选择竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和CARS-SPA三种波长筛选方法进行波长筛选,比较基于不同特征波长筛选的模型效果,结果表明,使用CARS进行波段筛选后建立的模型效果最佳,建模集误判个数为2个,准确率为97.9%,预测集的误判个数为1个,准确率为96.7%,模型的准确率均高于90%,可以将不同晶粒度等级的样品进行分类。综合分析以上判别分析模型结果,发现结合SNV预处理和CARS波段筛选后的PLS-DA模型的准确率最高。研究表明,采用激光诱导击穿光谱技术结合偏最小二乘判别分析高铁车轮钢晶粒度等级具有一定可行性,可将其用于评估车轮钢表面晶粒度等级,同时也为LIBS技术应用于不同晶粒度等级的高铁车轮钢研究提供了一定的基础依据。

Al-Ti-C和Al-Ti-B线杆对铝合金扁铸锭晶粒度的影响

介绍Al-Ti-C和Al-Ti-B线杆对铝合金扁铸锭晶粒度的影响,以及Al-Ti-C、Al-Ti-B线杆的添加数量和铸锭晶粒度的关系。经过铝合金铸造生产实践,确认铸锭铸造过程中最佳的送细化剂线杆速度。

基于深度学习的钢材金相图像晶粒度等级评定方法

准确地评定钢材金相组织晶粒度等级能检测材料劣化情况,保障设备的服役安全。针对传统人工评定钢材金相组织晶粒度等级的方法耗时久且易受人工经验影响,评价结果一致性差且不可重复等问题,提出了一种基于深度学习的钢材金相晶粒度等级评定方法。在U-net模型上添加跳跃连接层并减少下采样次数来提高模型的分割准确率并减少网络参数量,在117张验证集上的像素准确率达93.86%,平均像素准确率(mean pixel accuracy,MPA)达86.89%,网络参数量仅为2.02 M。对晶界预测结果进行数字图像处理并结合截点法进行晶粒度等级评定,在测试图像上评定钢材晶粒度等级平均耗时仅8.3 s/张。与人工评级方法相比,本文方法具有准确性、高效性及可重复性。

近液相线铸造6063铝合金二次加热组织

研究了近液相线铸造6063合金锭坯在半固态二次加热过程中的组织变化。结果表明,在固液两相区内,随着加热温度的升高,α相的生长和球化速度变快。本试验中,二次加热的最佳工艺制度为630℃下保温30min,或者640℃下保温25min,此时液相体积分数为23%左右,晶粒平均等级圆直径为160μm左右。

不同挤压方法对6082合金棒材粗晶环的影响

采用相同20MN挤压机、不同挤压方法进行6082棒材挤压试验,使用光学显微镜、电子万能试验机、光谱分析仪对6082试样进行检测分析,研究了制品力学性能、宏观金相组织的粗晶与微观组织的晶粒度等级。结果表明,正向挤压制品基体晶粒度优于反向挤压制品基体晶粒度,可达7级;反向挤压制品皮质层晶粒度等级大于正向挤压制品皮质层晶粒度等级;正向挤压棒材低倍组织中出现粗晶环且尺寸达到3.5mm,不符合技术要求,而反向挤压棒材低倍组织中粗晶环尺寸符合技术要求。在保证低倍无粗晶的条件下,力学性能抗拉强度最高可达379MPa,屈服强度可达364MPa,伸长率可以达到16.5%。

轨道车体6005A铝合金大截面复杂制品性能分析

轨道车体6005A铝合金大截面复杂制品成品率低、型材的尺寸、熔合口不稳定问题一直都是生产上的技术难题。根据技术协议及客户要求,使用光学显微镜、电子万能试验机、布氏硬度计、光谱分析仪、铝型材压力试验机对轨道车体6005A试样进行检测分析,研究了制品力学性能、晶粒度等级与熔合口断口形貌。结果表明:采用225MN挤压机挤压生产的6005A型材力学性能均满足客户要求,且力学性能最大可以达到抗拉强度311 MPa、屈服强度287 MPa、伸长率16.0%、布氏硬度95.2 HB;皮质层晶粒度可以达到1级、基体晶粒度达到6级;熔合口断口截面呈纤维状。

基于ELM的H型钢组织预测专家系统

采用极限学习机建立了H型钢组织预测专家系统,可根据H型钢的化学成分、工艺参数及冷却速度来预测轧后钢种的微观组织、晶粒等级和平均冲击功。以某钢厂H型钢的生产数据为专家系统的数据库,批量预测了H型钢的微观组织、平均冲击功和晶粒等级,预测结果表明,决定系数R2较高,拟合程度好;平均绝对百分比误差较小,精度高。为验证专家系统的可行性,采用与预测相同钢材、相同轧制工艺参数的H型钢进行金相实验和夏比冲击实验,由实验得到的微观组织占比、平均冲击功及晶粒等级与预测值基本一致。结果表明:基于ELM建立的H型钢组织预测专家系统,其预测结果精度高,对实际生产有较好的参考价值。