[发明专利]针对车轴多道次多工步锻造成形过程的晶粒尺寸预测方法

说明书

一种车轴锻件的晶粒尺寸快速预测方法，基于单道次、双道次热模拟实验和加热保温实验，分别构建所用材料的动态再结晶模型、亚动态再结晶及静态再结晶模型和晶粒长大模型，从而搭建针对车轴钢的宏微观集成仿真平台，设计不同工艺参数的成形工艺方案并分别在宏微观集成仿真平台中对车轴不同工艺方案下的锻造过程进行全流程晶粒尺寸演变的数值仿真，建立车轴锻件晶粒尺寸评价标准，获取用于训练多层神经网络的数据集，最后将训练后的多层神经网络进行车轴锻件整体晶粒尺寸及均匀度的快速预测。本发明预测效果明显优于现有单工序神经网络建立的晶粒尺寸预测模型，可以对锻件整体的晶粒尺寸情况进行快速准确预测，大幅提高预测效率，有效抑制现有神经网络技术在样本集较小、非线性程度较高时的过拟合现象。

技术领域

本发明涉及的是一种锻造领域的技术，具体是一种针对车轴多道次多工步锻造成形过程的晶粒尺寸预测方法。

背景技术

随着我国高速铁路的快速发展，高铁车轴的性能要求也变得越来越高，提高车轴的锻件性能成为车轴锻件生产的重要目标。晶粒尺寸及晶粒均匀度是决定车轴锻件性能的重要因素，因此对于车轴锻件的晶粒尺寸进行快速预测与控制具有重要的工程意义。

车轴的晶粒尺寸在实际生产过程中难以实现测量和追踪，只能依赖于经验通过调整材料性能和工艺参数对车轴锻造过程的晶粒尺寸进行控制，偶然性较大且难以验证。利用数值模拟手段可以实现对于车轴锻件成形过程晶粒尺寸的实时追踪与评估，但是车轴的不同部位晶粒尺寸差异较大，目前没有针对车轴锻件整体晶粒尺寸分布的评价指标，且车轴属于大锻件需要多道次多工步成形，有限元模型建模过程复杂且计算时间较长，晶粒尺寸预测效率较低。

发明内容

本发明针对现有技术存在的上述不足，提出一种车轴锻件的晶粒尺寸快速预测方法，通过系统地建立材料的微观演变模型并搭建宏微观集成仿真平台，实现车轴锻造过程的晶粒尺寸演变全流程实时追踪；在此基础上建立车轴锻件晶粒尺寸评价标准，可以对锻件整体的晶粒尺寸分布情况进行有效评估；最后基于神经网络建立工步之间晶粒尺寸迭代计算的晶粒尺寸预测模型，预测效果明显优于现有单工序神经网络建立的晶粒尺寸预测模型，可以对锻件整体的晶粒尺寸情况进行快速准确预测，大幅提高预测效率，有效抑制现有神经网络技术在样本集较小、非线性程度较高时的过拟合现象。

本发明是通过以下技术方案实现的：

本发明涉及一种车轴锻件的晶粒尺寸快速预测方法，基于单道次、双道次热模拟实验和加热保温实验，分别构建所用材料的动态再结晶模型、亚动态再结晶及静态再结晶模型和晶粒长大模型，从而搭建针对车轴钢的宏微观集成仿真平台，设计不同工艺参数的成形工艺方案并分别在宏微观集成仿真平台中对车轴不同工艺方案下的锻造过程进行全流程晶粒尺寸演变的数值仿真，建立车轴锻件晶粒尺寸评价标准，获取用于训练多层神经网络的数据集，最后将训练后的多层神经网络进行车轴锻件整体晶粒尺寸及均匀度的快速预测。

所述的单道次热模拟实验包括：900-1200℃的变形温度区间和0.01-10/s的应变速率区间条件下的压缩实验。

所述的动态再结晶模型包括：动态再结晶动力学模型及晶粒尺寸模型其中：ε＞ε_c，X_drx为动态再结晶分数，ε为变形的应变，ε_c为动态再结晶临界应变，ε_0.5为发生50％动态再结晶时的应变，D_drx为动态再结晶晶粒尺寸(μm)，为应变速率，Q为形变激活能(J/mol)，R为气体普适常数，T为绝对温度(K)，a、A、n、b为与车轴钢材料相关的参数。

所述的双道次热模拟实验包括：温度在900-1200℃之间、应变速率在0.01-1/s之间、预应变在0.1-0.5之间、初始晶粒尺寸在160-250μm之间、道次间隔设置在1-300s条件下的双道次压缩实验。