CN107586942B - 一种基于多元回归分析的铸钢件热处理工艺的设计方法 - Google Patents

Abstract

本发明公开了一种基于多元回归分析的铸钢件热处理工艺的设计方法，该方法的主要步骤包括：建立铸钢件热处理升温速度与影响升温速度的影响因子之间的预测模型，并制定大量的实验方案，对实验数据进行回归分析，最终确定大型铸钢件热处理的升温速度计算公式，以此计算公式指导大型铸钢件热处理工艺参数的选择，避免了热处理工艺参数选择的盲目性，保证了大型铸钢件热处理工艺的稳定性，也提高了铸件质量的稳定性。

Description

一种基于多元回归分析的铸钢件热处理工艺的设计方法

技术领域

本发明涉及大型铸钢件的热处理工艺，具体为基于多元回归分析的铸钢件热处理工艺的设计方法。

背景技术

对大型铸钢件采用合适的热处理工艺，可以消除铸态组织缺陷，降低铸件应力，获得良好的力学性能。对于大型铸钢件，选择具体的热处理工艺时，既要保证铸件满足标准要求的力学性能，又要保证铸件不开裂、无裂纹、变形量小，由于铸件尺寸大、吨位大、结构复杂，因此满足上述技术要求要综合考虑热处理的工艺方法、参数设计，热处理的工艺参数主要是升温速度、降温速度、保温温度和保温时间,其中升温速度、降温速度的选择很重要，不仅影响热处理周期和效率，还影响铸件的组织状态，及铸件内部的应力大小。升温速度、降温速度除了受制于加热设备的能力外，还需考虑生产效率以及升温速度、降温速度的快慢对铸件应力的影响。不同的升温速度、降温速度，对铸件内部应力的影响不同，因而产生裂纹的多少和变形量的大小也不同。对于大型铸钢件的升温速度和降温速度的选择，目前没有具体的规范和明确且简单的计算依据。而保温温度和保温时间的选择，有统一和成熟的计算方法。

目前行业内，有一些软件可以模拟不同升温、降温速度对铸件内部的应力影响，但软件费用高，模拟过程复杂且用时长，模拟技术不成熟，因此适用范围有限。

发明内容

本发明的目的在于提供一种符合实际生产、简单有效地计算大型铸钢件热处理的升温速度和降温速度，同时能够防止铸件在热处理过程中出现开裂和变形的技术缺陷，而且利于大型铸钢件的生产、提高生产效率、节约成本。

本发明提出一种基于多元回归分析的铸钢件热处理工艺设计方法，该方法的具体步骤如下：

步骤一、找出决定铸钢件升温速度和降温速度的因素，主要有C、Mn、Cr、Mo、V、Ni、Cu等化学成分的质量分数，即质量百分比，以及铸件的尺寸大小、形状、最大壁厚、结构复杂程度、铸件相邻部位最大壁厚比、铸件的状态(例如，是否经过加工、焊接或者铸态)、加热设备的能力及功率、加热设备炉膛的保温性及装炉量等。

步骤二、从步骤一中找到决定铸钢件升温速度和降温速度的本质影响因素，并将其设定为自变量X₁、X₂、X₃、……、X_i，并建立基于多元回归分析的升温速度的预测模型,所述模型为Y_i＝α+β₁X₁+β₂X₂+β₃X₃+…+β_iX_i

式中，Y_i表示达到预期的热处理性能要求，且未出现开裂、裂纹、变形等缺陷时的升温速度；α为预测模型的常数项系数；β₁、β₂、β₃…β_i表示预测模型自变量的系数；

进一步，所述本质影响因素为碳当量、铸件的最大壁厚、铸件相邻部位最大壁厚比。

除Fe以外的C、Mn、Cr、Mo、V、Ni、Cu等化学成分的质量分数，质量分数越高，对应的碳当量碳当量就越大，因此，各成分含量对热处理升温速度和降温速度的影响，可以转化为碳当量的大小对升温速度、降温速度的影响，因此，材质种类即碳当量是影响升温速度、降温速度的本质影响因素。

铸件的尺寸大小与铸件的形状、最大壁厚、结构复杂程度对升温速度、降温速度的影响效果相比，其影响作用显著较小。例如，当铸件尺寸较大时，如果壁厚尺寸较小、结构不复杂、形状也简单，其升温速度、降温速度的设定值较高；当铸件尺寸较大时，如果壁厚尺寸较大、结构不复杂、形状也简单，其升温速度、降温速度的设定值较低；铸件的尺寸大小主要影响的是相应的加热设备大小和加热均匀性的要求。

铸件的最大壁厚越厚，升温速度、降温速度就要越慢，反之，则升温速度、降温速度要快些。壁厚越厚，如果升温度速度、降温速度较快，铸件表面和心部温差就会越大，铸件的应力就会越大，易导致铸件开裂或原有缺陷扩大以及变形。

铸件的结构复杂程度主要通过铸件相邻部位最大壁厚比η来体现。η的大小不仅影响铸件的铸造凝固，也是影响热处理升温速度、降温速度的本质影响因素。η越大，升温速度、降温速度就要越慢，反之，升温度速度、降温速度要快些。η越大，如果升温速度、降温速度较快，铸件厚壁、薄壁表面和心部温差就会越大，且厚壁、薄壁部位的心部之间也有温差，两者的相对温差较大，铸件的应力就会越大，易导致铸件开裂或原有缺陷扩大以及变形。

铸件的状态比如是否经过加工、焊接或者是铸态这些主要是影响铸件热处理的残余应力大小，一般来说，如果这些残余应力较大，铸件进炉后升温速度就要相对慢些，避免加热产生的应力和铸件残余应力叠加造成开裂或原有缺陷扩大以及变形。但是，通过实际检验验证，对于大型铸钢件，加工、焊接过的应力，以及打箱后的铸态残余应力相对较小，且在铸件的加热升温过程中，即有一部分应力即释放，故铸件的状态是升温速度、降温速度的非本质影响因素。

用于加热铸件的加热设备的能力及设备(炉子)的功率是制约设备最大加热速度、冷却速度的外在因素，非决定铸件自身应该采用的加热速度、冷却速度大小的本质因素。

炉膛的保温性越好，铸件的各部位温差越小、升温速度、降温速度可以快些，反之，升温速度、降温速度要慢些。但大型铸钢件所使用的炉子设备保温性均较好，一般不会偏差太大，基本在≤±15℃以内。对升温速度、降温速度的影响为非本质影响因素。

装炉量越大，铸件的不同部位温差以及不同铸件，表层的铸件和非表层的铸件温差较大，升温速度、降温速度需要慢些，反之，升温速度、降温速度可以快些。但对于大型铸钢件，基本上一炉装一件，或者一炉装多件但件与件之间不会多层叠放。故装炉量对升温速度、降温速度的影响为非本质影响因素。

经过生产实践经验及理论依据，最终确定本质影响因素为碳当量、铸件的最大壁厚、铸件相邻部位最大壁厚比。

步骤三、给自变量设定多组不同参数值，并给每组参数值设定一系列不同的升温速度和降温速度，在这些参数值的条件下浇注铸件，并在给定的升温速度和降温速度条件下对铸件进行热处理，再检测铸件的开裂、裂纹、变形情况。

步骤四、选择步骤三中铸件无开裂、无裂纹、变形量满足质量要求的参数值，即多组自变量参数值以及其所对应的升温速度和降温速度。

步骤五、根据步骤四中的数据，采用线性回归分析方法，确定步骤二中预测模型的未知系数；

具体得出的升温速度计算公式为V_升＝(3.90/(Ceq*δ*η))+20；

其中，V_升为升温速度，单位为℃/h；

Ceq为碳当量，Ceq＝C+Mn/6+(Cr+Mo+V)/5+(Ni+Cu)/15，各元素为质量百分比％；

δ为铸件最大壁厚，单位为inch；

η为铸件相邻部位最大壁厚比。

热处理降温速度的计算公式为：V_降＝V_升－(10～20)，单位为℃/h，该热处理降温速度是指铸件在热处理炉内的冷却速度。

本发明的技术效果在于：本发明通过对大量实验方案的数据进行回归分析，确定了大型铸钢件热处理的升温速度和降温速度的设计原则，避免了热处理工艺参数选择的盲目性，保证了大型铸钢件热处理工艺的稳定性，也提高了铸件质量的稳定性。

具体实施方式

基于多元回归分析的铸钢件热处理工艺设计方法，该方法的具体步骤如下：

步骤一、找出决定铸钢件升温速度和降温速度的因素，主要有C、Mn、Cr、Mo、V、Ni、Cu等化学成分的质量分数，即质量百分比，以及铸件的尺寸大小、形状、最大壁厚、结构复杂程度、铸件相邻部位最大壁厚比、铸件的状态(例如，是否经过加工、焊接或者铸态)、加热设备的能力及功率、加热设备炉膛的保温性及装炉量等。

步骤二、从步骤一中找到决定铸钢件升温速度和降温速度的本质影响因素，并将其设定为自变量X₁、X₂、X₃、……、X_i，并建立基于多元回归分析的升温速度的预测模型,所述模型为Y_i＝α+β₁X₁+β₂X₂+β₃X₃+…+β_iX_i；

式中，Y_i表示达到预期的热处理性能要求，且未出现开裂、裂纹、变形等缺陷时的升温速度；α为预测模型的常数项系数；β₁、β₂、β₃…β_i表示预测模型自变量的系数。

经过生产实践经验及理论依据，最终确定本质影响因素为碳当量、铸件的最大壁厚、铸件相邻部位最大壁厚比。

步骤三、给自变量设定多组不同参数值，即给碳当量、铸件的最大壁厚、铸件相邻部位最大壁厚比设定多组不同的参数值，具体详见表1，并给每组参数值设定一系列不同的升温速度和降温速度，具体详见表2，按照表1的方案，在每一组参数下浇注铸件，并按照表2给定的升温速度和降温速度对铸件进行热处理，热处理完毕后再检测统计铸件的开裂、裂纹、变形情况。

步骤四、铸件经过步骤三的热处理后，筛选出铸件无裂纹且变形量符合质量要求的实验方案，具体见表3所示。

步骤五、根据步骤四中的数据，采用线性回归分析方法，确定步骤二中预测模型的未知系数；

具体得出的升温速度计算公式为V_升＝(3.90/(Ceq*δ*η))+20；

其中，V_升为升温速度，单位为℃/h；

Ceq为碳当量，Ceq＝C+Mn/6+(Cr+Mo+V)/5+(Ni+Cu)/15，各元素为质量百分比％；δ为铸件最大壁厚，单位为inch；η为铸件相邻部位最大壁厚比。

热处理降温速度的计算公式为：V_降＝V_升－(10～20)，单位为℃/h，该热处理降温速度是指铸件在热处理炉内的冷却速度。

按照本发明升温速度和降温速度的计算公式制定实施例，验证本发明方法的可靠性。表4是选定的铸件参数，表5中的升温速度和降温速度是按照本发明方案中的计算公式计算所得，并按此热处理参数对铸钢件进行热处理，热处理结束后，检测铸件是否有裂纹缺陷，同时测量变形量的大小。

本发明最后得出的升温速度的计算公式，是基于现场实际生产铸件收集的数据进行回归分析得出的，因为申请人从事多年的铸钢件生产，积累了大量的生产数据，为节约成本，上述所有的实验方案都是从现有的生产数据中筛选出出来的，例如，表1中同一实验组的铸件，在筛选数据时，都是选择同一型号、同一批炉次浇注的铸钢件，确保了铸件化学成分相同，铸件结构完全相同，即铸件的最大壁厚、相邻部位最大壁厚比完全相同。对于一些特殊的研发新产品，为获得最优的铸件性能，对同一批次生产的铸件通常会给定不同的热处理工艺参数以验证热处理工艺的优劣，因此在筛选数据中，尽可能选取研发新产品是生产数据，这样既可以满足表一的要求又可以满足表2的要求。

上述实施例仅仅是在本发明的范围中选取的部分实施例，不作为对本发明技术的限制，任何在本发明构思的基础上，进行工艺参数的排列组合都属于本发明保护的范畴。

表1.按照不同的铸件参数设定的实验分组

表2.给每一组设定不同热处理参数并验证热处理结果。

表3.从表2中筛选出符合要求的数据。

表4.具体实施例

表5.具体实施例的热处理结果

Claims (1)

1.一种基于多元回归分析的铸钢件热处理工艺的设计方法，其特征在于，所述热处理工艺包括热处理的升温速度和降温速度，具体包括以下步骤：

步骤一、找出决定铸钢件升温速度和降温速度的因素；

步骤二、从步骤一中找到决定铸钢件热处理升温速度和降温速度的本质影响因素，所述本质影响因素包括：碳当量、相邻部位的最大壁厚比、最大壁厚，并将其设定为自变量X₁、X₂、X₃、……、X_i，并建立基于多元回归分析的升温速度的预测模型,所述模型为Y_i=α+β₁X₁+β₂X₂+β₃X₃+…+β_iX_i

式中，Y_i表示达到预期的热处理性能要求，且未出现开裂、裂纹、变形等缺陷时的升温速度；α为预测模型的常数项系数；β₁、β₂、β₃…β_i表示预测模型自变量的系数；

步骤三、给自变量设定多组不同参数值，并给每组参数值设定一系列不同的升温速度和降温速度，在这些参数值的条件下浇注铸件，并在给定的升温速度和降温速度条件下对铸件进行热处理，再检测铸件的开裂、裂纹、变形情况；

步骤四、选择步骤三中铸件无开裂、无裂纹、变形量满足质量要求的参数值，即多组自变量参数值以及其所对应的升温速度和降温速度；

步骤五、根据步骤四中的数据，采用线性回归分析方法，确定步骤二中预测模型的未知系数，具体得出的升温速度计算公式为V_升=（3.90/(Ceq*δ*η)）+20，降温速度的计算公式为：V_降=V_升－（10～20），其中，V_升为升温速度，单位为℃/h；Ceq为碳当量，Ceq= C+Mn/6+(Cr+Mo+V)/5+(Ni+Cu)/15，各元素为质量百分比%；δ为铸件最大壁厚，单位为inch；η为铸件相邻部位最大壁厚比。