压铸模具用ES-344ESR钢的失效分析

德国产压铸模具用钢ES-344ESR合金,经1 010℃淬火和620℃回火后,压铸生产铸件8 000件后,表面产生严重裂纹.通过成分分析、硬度测试、金相组织观察和扫描电镜断口及组织分析,发现合金反常失效主要来自两个方面的原因.一是合金热处理后,残余奥氏体含量比较多,使用后硬度(HRC28)过低,加上合金中的碳化物呈网状分布,降低了冲击韧性;二是由于变质剂或除气剂中的氯在高温时和水蒸气一道在应力的作用下产生了应力腐蚀.文章最后提出了相应的改进建议.     

热处理工艺对超高强铝合金组织与性能的影响

通过硬度、拉伸性能测试, 金相、扫描电镜、透射电镜观察, X 射线衍射分析, 研究了热处理工艺对新型电磁铸造合金(Al-9.0Zn-2.5～2.8Mg-2.0～2.4Cu-0.1～0.15Zr-0.224Ag)显微组织和性能的影响。结果表明:合金的峰时效制度为120 ℃/24 h。在峰时效条件下, 合金的抗拉强度达到730 MPa, 屈服强度达到705 MPa, 延伸率为8.8 %。合金有显著的时效硬化特性, 其强化机制主要是沉淀强化, 合金的主要强化相为GP 区和η′过渡相。合金的断裂形式为微孔聚集型韧性断裂。     

马氏体时效钢的研究进展

介绍了马氏体时效钢的特点、应用领域、种类及国内外对马氏体时效钢的研究进展,评价了马氏体时效钢中合金元素含量和时效工艺对马氏体时效钢的力学性能的影响,并对该领域目前研究的热点问题进行了探讨.同时,概述了马氏时效钢生产时所存在的一些问题,并提出了解决思路.     

2519铝合金高温变形流变应力的人工神经网络模型

采用Gleeble1500热模拟机对2519铝合金圆柱体轴对称高温压缩变形试验数据(变形温度300~C~500~C，应变速率0．05s^-1～5s^-1）进行了流变应力的人工神经网络建模。在目标函数为0．2、隐层节点数为5、学习率为0．1时，利用所建立的网络模型预测不同热力学状态下材料的流变应力，发现预测数据与试验数据吻合良好，系统误差较小(拟合度为3．3％)，表明已形成了一个知识基的本构关系模型。     

板带钢头部翘曲的有限元分析

为了减轻轧件头部翘曲给轧制过程带来的影响,根据现场轧制工艺,采用弹塑性有限元法建立了三维非对称轧制有限元模型。利用该模型分析热轧板带钢生产过程中轧件头部翘曲的产生机理,并研究了不同轧制工艺下的辊速比、上下表面温差、不同摩擦系数对轧件头部翘曲的影响规律。结果表明,随着压下量的增大,轧件头部翘曲量的增大趋势减缓,采用不同的配辊方案（异径比）可控制其头部翘曲的现象。     

低频电磁铸造Al-Zn-Mg-Cu合金微观组织与性能

采用拉伸性能及电导率测试、透射电镜观察、低应变拉伸试验等手段 ,研究了不同时效工艺对低频电磁铸造Al Zn Mg Cu合金组织和性能的影响。发现合金的T6态峰值时效制度为 12 0℃× 4 8h ,T6处理可使合金强度达到峰值 ,但抗应力腐蚀性能差 ;T73处理后合金强度下降了 5 %～ 6 % ,抗应力腐蚀性能大幅度提高 ;而RRA时效 (回归再时效 )处理基本保持了T6态的强度 ,且抗应力腐蚀性能接近T73态。微观组织分析表明 ,不同时效制度下合金性能的差异主要是由晶内和晶界析出相的大小、形貌及其分布状态决定的。T73和RRA时效处理改善了合金晶界特性 ,有助于阻止氢脆、减缓晶界阳极溶解速度 ,提高合金的抗应力腐蚀能力     

双辊铸轧法制备Al-Fe-Si合金铝箔过程中第二相对表面亮条影响的3D模拟(英文)

利用扫描电子显微镜、能谱分析以及3D有限元模拟等手段研究族聚第二相与表面亮条形成之间的关系。研究表明:铸轧铝箔毛料中的AlFeSi粒子呈族状分布在毛料表面或近表面。硬质团族粒子与冷轧时的纳米油膜相互作用,会使粒子附近的润滑油膜破裂,导致粒子与破裂区域的铝膜基体发生严重变形,与周边产生色差,形成表面亮条。     

Q650低碳贝氏体钢的研制

开发的低碳贝氏体钢Q650(%:0.06～0.08C、1.6～1.8Mn、≤0.3Cr、≤0.06Nb、≤0.02Ti、≤0.15Mo、≤0.05V、≤0.002B)(20～40)mm×(1 600～3 200)mm钢板的生产流程为铁水预处理-120 t转炉-LF精炼-连铸-控轧-控冷。通过控制再结晶区单道次变形量≥15%,累积变形量≥50%,未再结晶区道次累积变形量≥60%,冷却速度15℃/s,终冷温度≥500℃,可获得不同类型的贝氏体相变组织,并具有良好的综合性能。     

Establishment of constitutive relationship model for 2519 aluminum alloy based on BP artificial neural network

An isothermal compressive experiment using Gleeble 1500 thermal simulator was studied to acquire flow stress at different deformation temperatures, strains and strain rates. The artificial neural networks with the error back propagation（BP） algorithm was used to establish constitutive model of 2519 aluminum alloy based on the experiment data. The model results show that the systematical error is small（δ=3.3%） when the value of objective function is 0.2, the number of nodes in the hidden layer is 5 and the learning rate is 0.1. Flow stresses of the material under various thermodynamic conditions are predicted by the neural network model, and the predicted results correspond with the experimental results. A knowledge-based constitutive relation model is developed.     

烧结合金致密化过程及其对性能的影响

配合发动机高质量气门座的研发，对Fe-Cr-Mo-Ni-Co-C粉末烧结合金致密化过程及其对产品性能的影响进行了实验研究。发现该合金的烧结样密度随生坯密度的提高而提高，当生坯密度较低时，其提高的幅度比较小，当心坯密度在6.5-6.7g/cm^3时，其提高的速度迅速增加，当生坯密度超过6.7g/cm^3，其提高速度减小；还发现该合金烧结密度的变化不仅影响试样孔隙数量的变化，而且影响孔隙形状的变化，因此该合金力学性能随密度的变化曲线并不是一条直线，而是一条分为不同阶段的曲线。还通过该合金的烧结密度对其物理性能的影响，导出了所研究合金于不同湿度时的热导率计算方程，进一步研究该合金的物理性能提供了理论依据。