Tc4合金鍛件室溫力學性能的預報方法
【技術領域】
[0001] 本發明設及一種鍛件力學性能的預報方法，特別是設及一種TC4合金鍛件室溫力 學性能的預報方法。
【背景技術】
[0002] 鍛造工藝決定鍛件內部的微觀組織，鍛件的微觀組織決定鍛件的力學性能，從而 決定鍛件的使用可靠性和使用壽命。因此，在實際生產中，鍛造工藝的優化設計是W滿足鍛 件的力學性能為目標。鐵合金是一種難變形金屬結構材料，在航空航天海洋、能源、化工、機 械、冶金等工業領域得到了大量應用。鐵合金鍛件的力學性能對鍛造工藝參數特別敏感，因 此，通過優化鍛造工藝參數合理有效地控制鍛造工藝，可W獲得滿足力學性能設計要求的 鐵合金鍛件。在鐵合金鍛造生產實施之前，明確鐵合金鍛件力學性能與鍛造工藝參數之間 的關系，預報不同鍛造工藝參數下鐵合金鍛件的力學性能是優選鍛造工藝參數的前提。
[0003] 文獻Γ'32Μη長軸類鍛件鍛后熱處理力學性能的預測與控制[J]，陳國紅，大型鍛鑄 件，2002,4:23-25"公開了一種根據32Μη鋼鍛后回火處理的力學性能與化學成分、回火溫 度修正系數、冷卻條件修正系數、鍛件尺寸修正系數的經驗公式，推算合理的回火溫度。該 方法主要設及到32Μη鋼的化學成分對其鍛件回火處理后強度極限的影響，沒有考慮鍛造工 藝參數對32Μη鋼鍛件力學性能的影響，更不能用于預測鐵合金鍛件的力學性能。
[0004] 文獻2"專利申請號是201010173763的中國發明專利"公開了一種基于人工神經網 絡的Q345焊接接頭力學性能預測方法。該方法針對Q345在特定生產環境和特定生產設備的 焊接接頭力學性能系列試驗，收集試驗數據，篩選整理成人工神經網絡模型訓練樣本；由上 述試驗收集試驗數據訓練人工神經網絡模型，建立Q345焊接工藝參數與其焊接接頭力學性 能之間的映射關系；利用訓練好的人工神經網絡模型進行Q345焊接接頭力學性能的預測。 因此，文獻2提出的力學性能預測方法僅適合于Q345焊接接頭力學性能，不能預測鐵合金鍛 件的力學性能。
[0005] 文獻3"專利申請號是201010195524的中國發明專利"公開了一種基于計算機技術 的焊接接頭力學性能預測的界面系統方法。該方法采用誤差反向傳播算法訓練出常用合金 鋼焊接接頭力學性能預測模型，將訓練好的人工神經網絡模型導入焊接接頭力學性能預測 的界面系統，進行合金鋼焊接接頭力學性能的預測，包括模型管理和維護、力學性能預測、 數據保存和查看Ξ個模塊。因此，文獻3提出的力學性能預測的界面系統方法僅適合于合金 鋼焊接接頭力學性能的預測，不能預測鐵合金鍛件的力學性能。
[0006] 鐵合金與鋼等材料有截然不同的鍛造特性。與其他金屬材料鍛件相比，鐵合金鍛 件的力學性能對鍛造工藝參數更加敏感，對鍛造工藝參數優化設計的影響更加顯著。因此， 預報鐵合金鍛件的力學性能難度特別大。
【發明內容】
[0007] 為了克服現有鐵合金鍛件力學性能無法預報的不足，本發明提供一種TC4合金鍛 件室溫力學性能的預報方法。該方法首先確定TC4合金鍛件的鍛造溫度、變形速率、變形量 的9個隸屬函數和27條模糊規則，再建立TC4合金鍛件室溫強度極限、屈服強度、延伸率、斷 面縮減率的數學模型;采用TC4合金鍛件高溫壓縮變形實驗和室溫力學性能實驗數據，優選 出模糊規則權系數和權值，然后代入TC4合金鍛件室溫強度極限、屈服強度、延伸率、斷面縮 減率的數學模型，得到TC4合金鍛件室溫力學性能的預報模型。本發明預測的TC4合金鍛件 室溫強度極限、屈服強度、延伸率、斷面縮減率的測試樣本結果與實驗結果之間的最大誤差 分別為0.93 %、0.81 %、3.31 %、2.84 %，表明本發明所提供的TC4合金鍛件室溫力學性能的 預報方法具有較高的準確性和可靠性，在此基礎上不僅可W為實際生產優選出合適的鍛造 工藝參數，保證TC4合金鍛件的使用可靠性，而且還可W節省大量的人力和物力。
[0008] 本發明解決其技術問題所采用的技術方案是:一種TC4合金鍛件室溫力學性能的 預報方法，其特點是包括W下步驟：
[0009] 步驟一、先將供應態TC4合金加工成高溫壓縮變形試件，再進行高溫壓縮變形實 驗。在高溫壓縮變形實驗前保溫，壓縮變形時采用高溫潤滑劑保護，W防止TC4合金氧化；
[0010] 步驟二、從步驟一得到的TC4合金高溫壓縮變形試件上取料，加工成室溫力學性能 拉伸試樣，測試得到TC4合金鍛件的室溫強度極限Ob、屈服強度00.2、延伸率δ和斷面縮減率 Φ;其中，強度極限Ob的單位是MPa,屈服強度〇日.2的單位是MPa,延伸率δ的單位是％，斷面縮 減率Φ的單位是％ ;
[0011] 步驟Ξ、對TC4合金鍛件的鍛造溫度Τ、變形速率?和變形量ε進行歸一化處理；其 中，變形溫度Τ的單位是Κ，變形速率?的單位是?Τ?。
[0012] 步驟四、將TC4合金鍛件的鍛造溫度Τ、變形速率和變形量ε設為輸入變量，上述Ξ 個輸入變量劃分為大、中、小Ξ個子集，表示為化A，MI，SM}，室溫強度極限Ob或屈服強度 曰0.2、延伸率δ和斷面縮減率Φ設為輸出函數值；
[0013] 步驟五、確定TC4合金鍛件的鍛造溫度Τ、變形速率?和變形量ε在Ξ個子集的隸屬 函數分別為，
[0023] 式中也為隸屬函數的方差，Tl、Ts分別為絕對鍛造溫度的最大值、最小值，每、％ 分別為變形速率的最大值、最小值，εS分別為變形量的最大值、最小值。
[0024] 步驟六、確定TC4合金鍛件的鍛造溫度Τ、變形速率擔和變形量ε的模糊規則為，
[00巧]模糊規則i:如果Τ是LA，?是LA，e是LA，
[0028] 式中，wi為第i條模糊規則的權值，片、X、知、爲為第i條模糊規則的權系數， Λ為模糊算子的極小運算；
[0029] 步驟屯、建立TC4合金鍛件室溫強度極限、屈服強度、延伸率和斷面縮減率的預報 模型為，
[0030]
[0031] 式中，m為模糊規則數，根據模糊區域劃分，m = 33;
[0032] 步驟八、從TC4合金鍛件的高溫壓縮變形實驗和室溫力學性能實驗中獲得的鍛造 溫度、變形速率、變形量、強度極限、屈服強度、延伸率和斷面縮減率組合中選取多組數據為 教師樣本。采用教師樣本對預報模型式(5)進行訓練，當強度極限、屈服強度、延伸率和斷面 縮減率的累計誤差小于2%時，確定模糊規則的權系數片、片、托和夢巧日模糊規則的權值 將確定的模糊規則權系數和模糊規則權值代入式(5)，即為TC4合金鍛件室溫力學性能， 即強度極限、屈服強度、延伸率和斷面縮減率的預報模型。
[0033] 本發明的有益效果是：該方法首先確定TC4合金鍛件的鍛造溫度、變形速率、變形 量的9個隸屬函數和27條模糊規則，再建立TC4合金鍛件室溫強度極限、屈服強度、延伸率、 斷面縮減率的數學模型;采用TC4合金鍛件高溫壓縮變形實驗和室溫力學性能實驗數據，優 選出模糊規則權系數和權值，然后代入TC4合金鍛件室溫力學性能的數學模型，得到TC4合 金鍛件室溫強度極限、屈服強度、延伸率、斷面縮減率的預報模型。本發明方法預報的TC4合 金鍛件強度極限、屈服強度、延伸率、斷面縮減率的測試樣本結果與實驗結果之間的最大誤 差分別為0.93 %、0.81 %、3.31 %、2.84 %。表明本發明所提供的TC4合金鍛件室溫力學性能 的預報方法具有較高的準確性和可靠性，在此基礎上不僅可W為實際生產優選出合適的鍛 造工藝參數，保證TC4合金鍛件的使用可靠性，而且還可W節省大量的人力和物力。
[0034] 下面結合【具體實施方式】對本發明作詳細說明。
【具體實施方式】
[0035] 本發明TC4合金鍛件室溫力學性能的預報方法具體步