高温拉伸试验机超塑性拉伸误差分析

分析高温拉伸试验机的拉伸力误差和温度误差,校正试验拉伸力与试验温度,分析试验机拉伸力与温度误差对实验数据的影响.     

TC4钛合金设定m值超塑性拉伸方法

根据TC4钛合金的超塑性变形机理研究成果,结合设定m值超塑性拉伸方法的设计思路,在VISUAL BASIC环境下编写出了设定m值超塑性拉伸控制程序。在完成对该程序充分调试的基础上,对TC4钛合金进行设定m值超塑性高温拉伸试验,在TC4钛合金最佳变形温度850℃的条件下,将m值分别设定为0.3、0.35、0.4、0.45进行高温拉伸试验,获得TC4钛合金延伸率δ分别为704%、762%、819%、858%,再将应变速率敏感指数m值与延伸率δ对应后生成关系曲线并进行回归分析,最终得到TC4钛合金超塑性应变速率敏感指数m值与伸长率δ的关系式。     

铁路轴承保持架的超塑成形工艺参数优化及成形试验

文章对铸造状态的铝青铜进行了超塑性拉伸试验,并以试验结果为样本,借助Levenberg-Marquardt算法对样本进行学习,建立了铸态铝青铜超塑性拉伸条件与其超塑性性能的BP网络模型。基于所建模型,对铸态铝青铜的超塑性成形工艺参数进行了优化,得到最佳的超塑性成形工艺参数,并以此为依据,进行了铁路轴承保持架的超塑性挤压试验。结果表明,所建模型能够较好地反映材料超塑性拉伸条件与超塑性性能间的内在关系,网络模型的输出值和试验值间的误差较小,说明将人工神经网络用于铝青铜超塑性性能预测是可行和有效的。所预测的铝黄铜最佳超塑性条件能够满足保持架超塑成形的需要,且在最佳超塑性条件下成形保持架具有明显的经济效益。     

铅黄铜超塑性能的人工神经网络预测

利用人工神经网络对铅黄铜超塑性能进行了预测研究,通过对试样在不同超塑性拉伸条件下的性能进行学习,建立了拉伸条件与性能的BP网络预测模型.结果表明,所建模型可以较好地反映超塑性拉伸条件与性能问的内在规律,预测值和试验结果吻合良好,其最大误差不超过10%.人工神经网络用于铅黄铜超塑性能的预测具有可行性和有效性.     

5A05铝合金热塑性变形的高温金相观察

为了考察６Ａ０５铝合金高温拉伸时的再结晶过程,用高温金相显微镜,对其在高温热变形时的变化进行观察。发现５Ａ０５铝合金在高温热变在发生了动态再结晶,并且产生了空洞,发生了晶粒滑移和晶体转动,为开展超塑性机理的研究提供了试验设备。     

高温氧化对钛合金超塑性能的影响

研究了Ti-6Al-4V合金在800℃、850℃和900℃高温条件下进行拉伸试验时空气氧化对超塑性能的影响。通过光学显微镜、扫描电镜和X射线衍射分析了该钛合金氧化层的微观形貌和成分组成，并研究其在高温拉伸下的氧化机理。结果表明，高温氧化导致该合金在高温拉伸过程中表面产生氧化层，而在拉伸应力作用下氧化层断裂并向基体扩展，从而严重降低了Ti-6Al-4V合金的超塑性，但不会影响其抗拉强度及屈服强度。     

基于BP神经网络的铅黄铜超塑性能预测

运用BP神经网络方法建立了铅黄铜超塑性状态下伸长率与变形参数之间的预测模型,采用标准前馈式神经网络原理建立了铅黄铜超塑性拉伸试验参数与其伸长率之间的神经网络模型,以试验数据为样本,对所建模型进行训练,较好的预测了铅黄铜超塑拉伸的伸长率,最大的误差也只有4.81%.实现了不同变形工艺参数与伸长率之间的非线性映射,也为优化铅黄铜轴承保持架的超塑性成形参数提供理论和试验依据.伸长率预测值与试验结果吻合良好.     

航空用2124铝合金高温拉伸试验研究

高温下的力学性能对于选用和开发高温材料具有重要意义。对航空用2124铝合金进行了高温拉伸试验研究，比较分析不同的试样尺寸、加热温度、保温时间和拉伸速率对高温拉伸试验结果的影响。试验结果表明：温度和拉伸速率对合金强度的影响非常明显，对塑性的影响不明显；尺寸和保温时间对合金强度和塑性的影响都不太明显。     

钛合金超塑性变形过程中的高斯回归预测

在预设实验条件下,利用Gleeble-3500D热模拟机,完成了钛合金TC4高温超塑性拉伸试验.然后利用处理高度非线性问题的高斯回归技术,借助MATLAB语言编程,对高温超塑性拉伸过程中的流变应力进行了预测,其平均绝对误差0.67 MPa,平均相对误差2.91％.与神经网络预测结果相比,其预测精度更高且简单易行,是钛合金超塑性变形过程中参数预测和优化的可行工具.     

TC6钛合金基于m值的高效超塑变形研究

基于m值的高效超塑变形方法是一种全新的超塑性研究方法。采用该方法对TC6合金进行高温拉伸实验,研究其超塑性性能。实验结果表明,该合金具有较好的超塑性,采用该方法进行实验,能缩短拉伸实验的时间,并且可以获得良好的伸长率。其最佳变形温度为900℃,伸长率为1696%。