CN115561076A - 一种蠕墨铸铁抗拉强度的预测方法 - Google Patents
一种蠕墨铸铁抗拉强度的预测方法 Download PDFInfo
- Publication number
- CN115561076A CN115561076A CN202211545532.4A CN202211545532A CN115561076A CN 115561076 A CN115561076 A CN 115561076A CN 202211545532 A CN202211545532 A CN 202211545532A CN 115561076 A CN115561076 A CN 115561076A
- Authority
- CN
- China
- Prior art keywords
- tensile strength
- cast iron
- vermicular cast
- sample
- vermicular
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/20—Metals
- G01N33/204—Structure thereof, e.g. crystal structure
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明涉及一种蠕墨铸铁抗拉强度的预测方法,所述预测方法包括:首先,对蠕墨铸铁标准样品进行定量金相分析,得到组织特征;然后,对蠕墨铸铁标准样品进行抗拉强度测定,得到抗拉强度;之后,根据上述组织特征和抗拉强度,采用模型进行拟合,得到蠕墨铸铁抗拉强度和组织特征的定量关系;最后,测定待测样品的组织特征,利用上述定量关系计算得到所述待测样品的抗拉强度预测值。本发明提供的预测方法综合考虑了蠕墨铸铁中各个组成部分对抗拉强度的影响,建立了基于蠕墨铸铁组织特征和抗拉强度的预测模型,能够根据待测样品的组织特征预测其抗拉强度,并且预测的准确率高,适用范围广。
Description
技术领域
本发明涉及合金性能检测技术领域,具体涉及一种蠕墨铸铁抗拉强度的预测方法。
背景技术
材料性能是影响铸件可靠性的重要因素,发动机产品设计过程中一般关心铸件实际结构下的本体性能。生产制造过程中一般采取两种方式对铸件本体性能进行测试、表征,一是通过本体抽样检测、单铸试棒、附铸试棒的方式来表征批量生产过程中的铸件本体性能;二是通过在熔炼环节的面向金属液化学组分,开展热分析技术或者神经网络自学习技术,建立生产过程熔炼金属液化学组分、工艺参数与性能的关系模型,运用模型来预测性能。
但是,以上两种方式都存在一定的技术限制:(1)抽样检测或者借助试棒方式检测的方法无法实现对铸件的100%检测,且检测过程为破坏性试验,费时费力;(2)通过金属液化学组分,开展热分析技术或者神经网络自学习技术,建立生产过程熔炼金属液化学组分、工艺参数与性能的关系模型,运用模型来预测性能的方式,仅仅局限于熔炼环节,而金属液在型腔内的冷却、凝固过程中的共晶、共析过程尚未考虑,且不同产品结构、不同壁厚条件的生产过程变量对模型准确性的影响很大,一般预测精确度低。
CN114486515A公开了一种基于微观组织和拉伸性能的蠕墨铸铁疲劳强度预测方法,该方法通过对蠕墨铸铁的微观组织观测和静态拉伸实验结果,结合蠕墨铸铁的高周疲劳损伤特点,建立微观组织含量、抗拉强度以及屈服强度与疲劳强度的定量关系。
CN115096726A公开了一种通过珠光体含量和抗拉强度预测蠕墨铸铁疲劳强度的方法,该方法首先选择至少两种不同珠光体含量的蠕墨铸铁,随后进行微观组织检测、拉伸和高周疲劳实验,通过公式推导建立珠光体含量、抗拉强度与疲劳强度之间的关系。
以上方法虽然提供了蠕墨铸铁疲劳强度的预测方法,但是目前仍然无法根据蠕墨铸铁的组织特征预测蠕墨铸铁的抗拉强度。因此,提供一种预测蠕墨铸铁抗拉强度的数学模型,以预测得到蠕墨铸铁件的抗拉强度具有重要意义。
发明内容
针对以上问题,本发明的目的在于提供一种蠕墨铸铁抗拉强度的预测方法,与现有技术相比,本发明提供的预测方法综合考虑了蠕墨铸铁中各个组成部分对抗拉强度的影响,建立了基于蠕墨铸铁组织特征和抗拉强度的预测模型,从而能够根据待测样品的组织特征预测其抗拉强度,并且准确率较高。
为达到此发明目的,本发明采用以下技术方案:
本发明提供一种蠕墨铸铁抗拉强度的预测方法,所述预测方法包括以下步骤:
(1)选定蠕墨铸铁标准样品进行定量金相分析,得到所述蠕墨铸铁标准样品的组织特征;
(2)对步骤(1)所述蠕墨铸铁标准样品进行抗拉强度测定,得到所述蠕墨铸铁标准样品的抗拉强度;
(3)将步骤(1)得到的所述组织特征和步骤(2)得到的所述抗拉强度利用模型进行拟合,得到模型中相关参数的数值,然后将相关参数的数值代入模型,得到蠕墨铸铁的抗拉强度和组织特征的定量关系;
(4)将待测样品进行定量金相分析,得到待测样品的组织特征,然后将待测样品的组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值。
本发明提供的预测方法将蠕墨铸铁的组织特征和蠕墨铸铁的抗拉强度利用模型进行拟合,从而建立组织特征和抗拉强度之间的定量关系,综合考虑了组织中各个组成部分对于抗拉强度的影响。本发明提供的预测方法可以涵盖所有牌号的蠕墨铸铁,而且准确率较高。
本发明中,所述抗拉强度的测定一般采用标准GB/T 228.1-2010《金属材料拉伸试验第1部分:室温试验方法》中规定的方法进行抗拉强度试验,得到抗拉强度的数值。
优选地,步骤(1)所述组织特征包括石墨类特征和基体类特征;所述石墨类特征包括石墨含量和蠕化率;所述基体类特征包括珠光体含量和珠光体片层间距。
本发明中优选控制组织特征包括石墨类特征和基体类特征,能够综合考虑各个类型的组织对抗拉强度的影响,使模型更加准确。
优选地,步骤(1)所述蠕墨铸铁标准样品数量≥10个,例如可以是10个、15个、20个、25个、30个、35个、40个、45个或50个,但不限于所列举的数值,数值范围内其它未列举的数值同样适用。
优选地,步骤(1)所述定量金相分析中,每个蠕墨铸铁标准样品的取样次数≥5次,例如可以是5次、6次、7次、8次、9次或10次,但不限于所列举的数值,数值范围内其它未列举的数值同样适用。
本发明中所述蠕墨铸铁标准样品和待测样品的形状结构完全相同,对于待测样品待测位置的抗拉强度进行预测时,步骤(1)中对蠕墨铸铁标准样品相应的待测位置进行定量金相分析,取样次数≥5次,步骤(2)中也是对蠕墨铸铁标准样品相应的待测位置进行抗拉强度测定,取样次数≥5次。
本发明中,所述蠕墨铸铁标准样品可以是设定不同金属液化学组分和现场工艺条件,然后依次进行熔炼、浇注、凝固和冷却,得到的蠕墨铸铁标准样品;也可以是将不同牌号蠕墨铸铁,依次进行熔炼、浇注、凝固和冷却,得到的蠕墨铸铁标准样品。
优选地,步骤(1)所述石墨含量的范围为8-12.5%,例如可以是8%、10%、10.5%、11%、11.5%、12%或12.5%,但不限于所列举的数值,数值范围内其它未列举的数值同样适用。
优选地,步骤(1)所述蠕化率的范围为80-95%,例如可以是80%、81%、82%、83%、84%、85%、86%、87%、88%、89%、90%、91%、92%、93%、94%或95%,但不限于所列举的数值,数值范围内其它未列举的数值同样适用。
优选地,步骤(1)所述珠光体含量的范围为40-80%,例如可以是40%、50%、52%、54%、56%、58%、60%、62%、64%、66%、68%、70%或80%,但不限于所列举的数值,数值范围内其它未列举的数值同样适用。
优选地,步骤(1)所述珠光体片层间距的范围为1.28-1.65μm,例如可以是1.28μm、1.35μm、1.40μm、1.45μm、1.50μm、1.55μm、1.60μm或1.65μm,但不限于所列举的数值,数值范围内其它未列举的数值同样适用。
本发明优选控制石墨含量、蠕化率、珠光体含量以及珠光体片层间距的范围,可以进一步提升预测的准确性。
优选地,步骤(3)所述模型包括:
其中,e表示抗拉强度,a表示石墨含量,b表示蠕化率,c表示珠光体含量,d表示片层间距,K1、K2、K3、K4、α1、α2、α3、α4、β1、β2、β3、γ1、γ2和δ1均为相关参数,数值为常数。
作为本发明的优选技术方案,所述预测方法包括以下步骤:
(1)选定蠕墨铸铁标准样品进行定量金相分析,得到所述蠕墨铸铁标准样品的组织特征,所述组织特征包括石墨类特征和基体类特征;所述石墨类特征包括石墨含量和蠕化率;所述基体类特征包括珠光体含量和珠光体片层间距;
所述蠕墨铸铁标准样品数量≥10个,每个蠕墨铸铁标准样品的取样次数≥5次,所述石墨含量的范围为8-12.5%,所述蠕化率的范围为80-95%,所述珠光体含量的范围为40-80%,所述珠光体片层间距的范围为1.28-1.65μm;
(2)对步骤(1)所述蠕墨铸铁标准样品进行抗拉强度测定,得到所述蠕墨铸铁标准样品的抗拉强度;
(3)将步骤(1)得到的所述组织特征和步骤(2)得到的所述抗拉强度利用模型进行拟合,得到相关参数的数值,然后将相关参数的数值代入模型,得到蠕墨铸铁的抗拉强度和组织特征的定量关系;
所述模型包括:
其中,e表示抗拉强度,a表示石墨含量,b表示蠕化率,c表示珠光体含量,d表示片层间距,K1、K2、K3、K4、α1、α2、α3、α4、β1、β2、β3、γ1、γ2和δ1均为相关参数,数值为常数;
(4)将待测样品进行定量金相分析,得到待测样品的组织特征,然后将待测样品的组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值。
相对于现有技术,本发明具有以下有益效果:
本发明提供的预测方法综合考虑了蠕墨铸铁中各个组成部分对抗拉强度的影响,建立了基于蠕墨铸铁组织特征和抗拉强度的预测模型,从而能够根据待测样品的组织特征预测其抗拉强度,并且准确率较高,适用范围较广,在较优条件下,预测值和测定值的偏差达到3.25%以下。
具体实施方式
下面通过具体实施方式来进一步说明本发明的技术方案。本领域技术人员应该明了,所述实施例仅仅是帮助理解本发明,不应视为对本发明的具体限制。
实施例1
本实施例提供一种蠕墨铸铁抗拉强度的预测方法,所述预测方法包括以下步骤:
(1)选定蠕墨铸铁标准样品10个,进行定量金相分析,每个蠕墨铸铁标准样品在待测位置的取样次数为5次并取平均值,得到所述蠕墨铸铁标准样品的石墨含量、蠕化率、珠光体含量和珠光体片层间距,如表1所示;
(2)对步骤(1)所述蠕墨铸铁标准样品的待测位置采用标准GB/T 228.1-2010《金属材料拉伸试验第1部分:室温试验方法》中规定的方法进行抗拉强度测定,得到所述蠕墨铸铁标准样品的抗拉强度,如表1所示;
(3)将步骤(1)得到的所述组织特征和步骤(2)得到的所述抗拉强度利用模型进行拟合,所述模型为:
其中,e表示抗拉强度,a表示石墨含量,b表示蠕化率,c表示珠光体含量,d表示片层间距,K1、K2、K3、K4、α1、α2、α3、α4、β1、β2、β3、γ1、γ2和δ1均为相关参数,数值为常数;
经上述模型拟合得到相关参数的近似值,然后将相关参数的近似值代入模型,得到蠕墨铸铁的抗拉强度和组织特征的定量关系,所述定量关系为:
(4)将待测样品进行定量金相分析,得到待测样品的石墨含量为11.122%,蠕化率为93.99%,珠光体含量为62.86%,珠光体片层间距为1.285μm,然后将上述组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值为428.37MPa。
表1
实施例2
本实施例提供一种蠕墨铸铁抗拉强度的预测方法,所述预测方法与实施例1相比的区别仅在于改变步骤(4)中的待测样品,即步骤(4)为:
(4)将待测样品进行定量金相分析,得到待测样品的石墨含量为11.806%,蠕化率为85.09%,珠光体含量为59.80%,珠光体片层间距为1.46μm,然后将上述组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值为498.79MPa。
实施例3
本实施例提供一种蠕墨铸铁抗拉强度的预测方法,所述预测方法与实施例1相比的区别仅在于改变步骤(4)中的待测样品,即步骤(4)为:
(4)将待测样品进行定量金相分析,得到待测样品的石墨含量为12.274%,蠕化率为88.33%,珠光体含量为61.17%,珠光体片层间距为1.45μm,然后将上述组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值为480.19MPa。
实施例4
本实施例提供一种蠕墨铸铁抗拉强度的预测方法,所述预测方法与实施例1相比的区别仅在于改变步骤(4)中的待测样品,即步骤(4)为:
(4)将待测样品进行定量金相分析,得到待测样品的石墨含量为7.65%,蠕化率为83.5%,珠光体含量为60.13%,珠光体片层间距为1.5μm,然后将上述组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值为356.28MPa。
实施例5
本实施例提供一种蠕墨铸铁抗拉强度的预测方法,所述预测方法与实施例1相比的区别仅在于改变步骤(4)中的待测样品,即步骤(4)为:
(4)将待测样品进行定量金相分析,得到待测样品的石墨含量为11.44%,蠕化率为93%,珠光体含量为62%,珠光体片层间距为1.25μm,然后将上述组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值451.91MPa。
实施例1-5中所述待测样品的抗拉强度预测值如表2所示。
对实施例1-5中待测样品中的待测位置采用标准GB/T 228.1-2010《金属材料拉伸试验第1部分:室温试验方法》中规定的方法进行抗拉强度测定,得到抗拉强度测定值,结果如表2所示。
根据实施例1-5中抗拉强度预测值和抗拉强度测定值计算偏差,结果如表2所示,所述偏差的计算方法为:
表2
从表2可以看出以下几点:
(1)从实施例1-3的数据可以看出,在较优条件下,采用本发明提供的预测方法可以预测得到样品的抗拉强度值,偏差达到3.25%以下。
(2)综合比较实施例1和实施例4的数据可以看出,实施例1中石墨含量为11.122%,而实施例4中石墨含量为7.65%,实施例1中的偏差明显低于实施例4,由此可见,本发明优选控制石墨含量在特定范围,可以进一步降低偏差。
(3)综合比较实施例1和实施例5的数据可以看出,实施例1中珠光体片层间距为1.285μm,而实施例5中珠光体片层间距为1.25μm,实施例1中的偏差明显低于实施例5,由此可见,本发明优选控制珠光体片层间距在特定范围,可以进一步降低偏差。
综上所述,本发明提供的预测方法可以根据样品的组织特征预测其抗拉强度,并且准确率较高,适用范围较广。
申请人声明,以上所述仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,所属技术领域的技术人员应该明了,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,均落在本发明的保护范围和公开范围之内。
Claims (10)
1.一种蠕墨铸铁抗拉强度的预测方法,其特征在于,所述预测方法包括以下步骤:
(1)选定蠕墨铸铁标准样品进行定量金相分析,得到所述蠕墨铸铁标准样品的组织特征;
(2)对步骤(1)所述蠕墨铸铁标准样品进行抗拉强度测定,得到所述蠕墨铸铁标准样品的抗拉强度;
(3)将步骤(1)得到的所述组织特征和步骤(2)得到的所述抗拉强度利用模型进行拟合,得到模型中相关参数的数值,然后将相关参数的数值代入模型,得到蠕墨铸铁的抗拉强度和组织特征的定量关系;
(4)将待测样品进行定量金相分析,得到待测样品的组织特征,然后将待测样品的组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值。
2.根据权利要求1所述的蠕墨铸铁抗拉强度的预测方法,其特征在于,步骤(1)所述组织特征包括石墨类特征和基体类特征;
所述石墨类特征包括石墨含量和蠕化率;
所述基体类特征包括珠光体含量和珠光体片层间距。
3.根据权利要求1所述的蠕墨铸铁抗拉强度的预测方法,其特征在于,步骤(1)所述蠕墨铸铁标准样品的数量≥10个。
4.根据权利要求3所述的蠕墨铸铁抗拉强度的预测方法,其特征在于,步骤(1)所述定量金相分析中,每个蠕墨铸铁标准样品的取样次数≥5次。
5.根据权利要求2所述的蠕墨铸铁抗拉强度的预测方法,其特征在于,步骤(1)所述石墨含量的范围为8-12.5%。
6.根据权利要求2所述的蠕墨铸铁抗拉强度的预测方法,其特征在于,步骤(1)所述蠕化率的范围为80-95%。
7.根据权利要求2所述的蠕墨铸铁抗拉强度的预测方法,其特征在于,步骤(1)所述珠光体含量的范围为40-80%。
8.根据权利要求2所述的蠕墨铸铁抗拉强度的预测方法,其特征在于,步骤(1)所述珠光体片层间距的范围为1.28-1.65μm。
10.根据权利要求1所述的蠕墨铸铁抗拉强度的预测方法,其特征在于,所述预测方法包括以下步骤:
(1)选定蠕墨铸铁标准样品进行定量金相分析,得到所述蠕墨铸铁标准样品的组织特征,所述组织特征包括石墨类特征和基体类特征;所述石墨类特征包括石墨含量和蠕化率;所述基体类特征包括珠光体含量和珠光体片层间距;
所述蠕墨铸铁标准样品的数量≥10个,每个蠕墨铸铁标准样品的取样次数≥5次,所述石墨含量的范围为8-12.5%,所述蠕化率的范围为80-95%,所述珠光体含量的范围为40-80%,所述珠光体片层间距的范围为1.28-1.65μm;
(2)对步骤(1)所述蠕墨铸铁标准样品进行抗拉强度测定,得到所述蠕墨铸铁标准样品的抗拉强度;
(3)将步骤(1)得到的所述组织特征和步骤(2)得到的所述抗拉强度利用模型进行拟合,得到相关参数的数值,然后将相关参数的数值代入模型,得到蠕墨铸铁的抗拉强度和组织特征的定量关系;
所述模型包括:
其中,e表示抗拉强度,a表示石墨含量,b表示蠕化率,c表示珠光体含量,d表示片层间距,K1、K2、K3、K4、α1、α2、α3、α4、β1、β2、β3、γ1、γ2和δ1均为相关参数,数值为常数;
(4)将待测样品进行定量金相分析,得到待测样品的组织特征,然后将待测样品的组织特征代入步骤(3)得到的所述定量关系中进行计算,得到所述待测样品的抗拉强度预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545532.4A CN115561076A (zh) | 2022-12-05 | 2022-12-05 | 一种蠕墨铸铁抗拉强度的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211545532.4A CN115561076A (zh) | 2022-12-05 | 2022-12-05 | 一种蠕墨铸铁抗拉强度的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115561076A true CN115561076A (zh) | 2023-01-03 |
Family
ID=84770565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211545532.4A Pending CN115561076A (zh) | 2022-12-05 | 2022-12-05 | 一种蠕墨铸铁抗拉强度的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115561076A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116046837A (zh) * | 2023-01-28 | 2023-05-02 | 潍柴动力股份有限公司 | 一种蠕墨铸铁铁水的蠕化率确定方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005315703A (ja) * | 2004-04-28 | 2005-11-10 | Nippon Steel Corp | 鋼材の材質予測方法 |
CN108535105A (zh) * | 2018-03-22 | 2018-09-14 | 中国科学院金属研究所 | 一种蠕墨铸铁疲劳强度的预测方法 |
CN110261223A (zh) * | 2019-06-13 | 2019-09-20 | 暨南大学 | 蠕墨铸铁抗拉强度的检测方法、装置、介质和设备 |
CN113252447A (zh) * | 2020-12-16 | 2021-08-13 | 中国科学院金属研究所 | 基于2d微观组织的金属材料拉伸性能的预测方法 |
CN114486515A (zh) * | 2021-12-15 | 2022-05-13 | 中国科学院金属研究所 | 一种基于微观组织和拉伸性能的蠕墨铸铁疲劳强度预测方法 |
CN115096726A (zh) * | 2022-06-06 | 2022-09-23 | 中国科学院金属研究所 | 一种通过珠光体含量和抗拉强度预测蠕墨铸铁疲劳强度的方法 |
-
2022
- 2022-12-05 CN CN202211545532.4A patent/CN115561076A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005315703A (ja) * | 2004-04-28 | 2005-11-10 | Nippon Steel Corp | 鋼材の材質予測方法 |
CN108535105A (zh) * | 2018-03-22 | 2018-09-14 | 中国科学院金属研究所 | 一种蠕墨铸铁疲劳强度的预测方法 |
CN110261223A (zh) * | 2019-06-13 | 2019-09-20 | 暨南大学 | 蠕墨铸铁抗拉强度的检测方法、装置、介质和设备 |
CN113252447A (zh) * | 2020-12-16 | 2021-08-13 | 中国科学院金属研究所 | 基于2d微观组织的金属材料拉伸性能的预测方法 |
CN114486515A (zh) * | 2021-12-15 | 2022-05-13 | 中国科学院金属研究所 | 一种基于微观组织和拉伸性能的蠕墨铸铁疲劳强度预测方法 |
CN115096726A (zh) * | 2022-06-06 | 2022-09-23 | 中国科学院金属研究所 | 一种通过珠光体含量和抗拉强度预测蠕墨铸铁疲劳强度的方法 |
Non-Patent Citations (2)
Title |
---|
吴和保等: "人工神经网络快速预测蠕墨铸铁的性能", 《武汉工程大学学报》 * |
林勇传等: "石墨形态及金相组织对蠕墨铸铁力学性能的影响", 《铸造技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116046837A (zh) * | 2023-01-28 | 2023-05-02 | 潍柴动力股份有限公司 | 一种蠕墨铸铁铁水的蠕化率确定方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Correlation of microstructure and fracture toughness in two 4340 steels | |
Wang et al. | Hot deformation behaviors of low-alloyed ultrahigh strength steel 30CrMnSiNi2A: Microstructure evolution and constitutive modeling | |
Salem et al. | Effect of aluminizing and oxidation on the thermal fatigue damage of hot work tool steels for high pressure die casting applications | |
CN115561076A (zh) | 一种蠕墨铸铁抗拉强度的预测方法 | |
Chen et al. | Modeling of dynamic recrystallization behavior of 21Cr-11Ni-N-RE lean austenitic heat-resistant steel during hot deformation | |
Li et al. | Influences of cooling rates on delta ferrite of nuclear power 316H austenitic stainless steel | |
Kwak et al. | Using multiple regression analysis to predict directionally solidified TiAl mechanical property | |
Azadi | Cyclic thermo-mechanical stress, strain and continuum damage behaviors in light alloys during fatigue lifetime considering heat treatment effect | |
Liu et al. | Influences of high-temperature diffusion on the homogenization and high-temperature fracture behavior of 30Cr1Mo1V | |
CN114486515A (zh) | 一种基于微观组织和拉伸性能的蠕墨铸铁疲劳强度预测方法 | |
Li et al. | Evaluation of melt quality and graphite degeneration prediction in heavy section ductile iron | |
Novak et al. | On the damage mechanisms in a continuous casting mold: After-service material characterization and finite element simulation | |
Kolokoltsev et al. | Calculation of impeded shrinkage casting processes in sand layer | |
Omprakash et al. | Creep damage evaluation of DS CM247 nickel base superalloy using alternate current potential drop technique | |
JP2012152764A (ja) | 連続鋳造における二次冷却強度評価ならびに制御方法 | |
Kim et al. | Transient heat transfer during initial stages of steel scrap melting | |
Karthikeyan et al. | Thermal fatigue cycle shock effects on physical and structural properties of H13 tool steels before and after heat treatments | |
Azqadan et al. | Hardness variation in cast-forging process of AZ80 magnesium alloys and its data-driven prediction | |
Hernández et al. | Estimation of the segregation in a high carbon cast steel by thermoelectric power means | |
Vorozheva et al. | Methods for studying the structural state of continuously cast slabs and the hot-rolled metal produced at the casting and rolling complex | |
Hojny et al. | Physical simulation of steel deformation in the semi-solid state | |
Rozman et al. | Long-Term Creep Behavior of a CoCrFeNi Medium-Entropy Alloy | |
Kandpal et al. | Analyzing the microstructure and mechanical properties in LM6 aluminium casting in sand casting process | |
Palumbo et al. | Correlating shrinkage microporosity with the mechanical properties of sand-cast superduplex stainless steel using a numerical/experimental approach | |
Negm et al. | Cooling slope casting of cast iron: Abkühlkurve beim Gießen von Gusseisen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |