学位论文 > 优秀研究生学位论文题录展示

非调质塑料模具钢的设计与研究

作 者: 罗毅
导 师: 吴晓春
学 校: 上海大学
专 业: 材料学
关键词: 预硬型塑料模具钢 非调质钢 温度场模拟 人工神经网络 贝氏体钢设计 硬度均匀性 回火 抛光性能
分类号: TG142.4
类 型: 博士论文
年 份: 2009年
下 载: 323次
引 用: 3次
阅 读: 论文下载
 

内容摘要


随着塑料工业的迅速发展,针对塑料件尺寸逐渐增大,塑料模具制造能力的要求不断提高,急需开发模块厚度大于300 mm,硬度在36~42 HRC的非调质预硬型塑料模具钢。因此,本文聚焦大截面高硬度非调质预硬型塑料模具用钢的需求现状,从温度场计算、成分设计、组织控制和实验钢中试等方面进行了系统研究,取得了如下成果:研究了300 mm×300 mm×300 mm的调质预硬型塑料模具钢3Cr2MnNiMo模块加热后于静止空气和流动空气中冷却时的温度场,数值模拟计算了模块在两种冷却条件下的温度场,获得了大截面模块锻造后冷却时的边界条件范围(空冷时辐射率为0.6,对流换热系数为7 W/(m2·℃);风冷时辐射率为0.6,对流换热系数为29 W/(m2·℃)),进而计算了直径为300~800 mm、重10 t的不同圆坯空冷和风冷的温度场,得到了临界冷却速率,为全贝氏体型非调质塑料模具钢的成分设计奠定基础。采用误差反向传播神经网络(BP神经网络)模型,建立了合金钢成分同其连续冷却时硬度之间的关系,预测了合金钢以0.5、0.3、0.05和0.03℃/s连续冷却时的硬度,进而指导Φ300~800 mm圆坯空冷时获得全贝氏体组织的成分设计,筛选出6组钢的成分。连续冷却相变实验研究表明,BP模型用于全贝氏体型非调质钢的成分设计是有效的。采用数值模拟计算获得了300 mm×1000 mm×3800 mm和500 mm×1000 mm×2300 mm预硬型塑料模具钢模块的临界冷却速率,并采用以上实验室设计的钢成分中试了上述尺寸的模块SDFT1(0.20C-0.6Si-2Mn-1Cr-0.3Mo-0.1V)钢和SDFT2(0.25C-0.4Si-2Mn-1Cr-0.45Mo -0.1V)钢。力学性能、车削加工性能、抛光性能和耐腐蚀性能研究表明,SDFT1和SDFT2钢均满足预硬型塑料模具钢的使用要求。空冷和砂冷的SDFT1和SDFT2钢组织均为贝氏体。两钢分别在0.03~0.5℃/s和0.02~0.3℃/s范围内连续冷却时贝氏体开始转变温度接近。透射电镜(TEM)观察表明,贝氏体组织的精细结构主要为贝氏体铁素体板条和少量马氏体/奥氏体(M/A)岛,贝氏体铁素体板条间有残余奥氏体或碳化物,空冷的贝氏体铁素体板条较窄,并且M/A岛尺寸也较小。贝氏体转变开始温度不同,位错强化效果有差别;冷却速率不同导致的贝氏体板条宽度变化,对两钢分别在空冷和砂冷的硬度影响较小。SDFT钢未回火时的屈服强度较低,随着回火温度的升高屈服强度开始迅速提高,约350℃达到峰值,随后缓慢下降;随着回火温度的升高冲击韧性开始提高,约350℃达到峰值,当回火温度在400~500℃之间继续升高时,试验钢的冲击韧性开始快速降低,约450℃冲击韧性降到最低,随后又开始升高。X射线衍射和TEM研究表明,SDFT钢的力学性能随回火温度变化的可能原因是残余奥氏体转变和马氏体岛的分解。以上述研究为基础,宝钢股份公司生产了厚度在300~600 mm、宽度在800~1200 mm的非调质塑料模具钢模块(SWFT钢),预硬化范围在36~42 HRC,硬度波动在±1.5 HRC内。对截面460 mm×800 mm的SWFT钢和500 mm×800 mm的3Cr2MnNiMo钢比较研究表明,SWFT钢在整个截面尺寸范围内均为贝氏体,其精细结构主要为贝氏体铁素体板条和少量M/A岛,贝氏体铁素体板条间有残余奥氏体或碳化物,表层的贝氏体铁素体板条窄于心部;3Cr2MnNiMo钢表层组织为回火马氏体,心部组织为回火马氏体和贝氏体。SWFT钢的力学性能、加工性能和使用性能均满足调质预硬型塑料模具钢的要求,而且减少了3Cr2MnNiMo钢锻造后再次奥氏体化淬火的热处理工序,缩短了生产流程,降低了能耗。研究成果对于大截面非调质预硬型塑料模具用钢的命名以及工业化生产均有指导意义。

全文目录


摘要  6-8
ABSTRACT  8-14
第一章 绪论  14-33
  1.1 研究背景  14
  1.2 预硬型塑料模具钢的研究现状  14-18
    1.2.1 国外预硬型塑料模具钢  14-16
    1.2.2 国内预硬型塑料模具钢  16-18
  1.3 非调质预硬型塑料模具钢的成分、组织和性能  18-24
    1.3.1 非调质预硬型塑料模具钢的性能要求  18-19
    1.3.2 非调质预硬型塑料模具钢的组织控制  19-20
    1.3.3 非调质预硬型塑料模具钢的成分设计  20-24
  1.4 研究意义和内容  24-26
  参考文献  26-33
第二章 钢锭冷却时的温度场模拟与预测  33-58
  2.1 引言  33
  2.2 工件冷却温度实测  33-40
    2.2.1 数据采集系统  36-37
    2.2.2 测温工件及热电偶安装  37-38
    2.2.3 工件温度测量结果  38-40
  2.3 工件冷却温度场计算的理论与模型  40-44
    2.3.1 控制方程  40-41
    2.3.2 初始条件  41
    2.3.3 边界条件  41-42
    2.3.4 热物性参数的选择  42-43
    2.3.5 潜热的选择  43-44
    2.3.6 换热系数的选择  44
  2.4 工件冷却温度场的数学分析解法  44-46
  2.5 工件冷却温度场的数值分析解法  46-55
    2.5.1 工件冷却边界条件范围的确定  47-51
    2.5.2 实际工件冷却温度范围的确定  51-55
  2.6 本章小结  55-56
  参考文献  56-58
第三章 非调质塑料模具钢成分设计  58-88
  3.1 引言  58
  3.2 人工神经网络概述  58-60
    3.2.1 人工神经网络简介  58-59
    3.2.2 人工神经网络在材料科学中的应用  59
    3.2.3 人工神经网络类型  59-60
  3.3 BP 算法原理及步骤  60-63
    3.3.1 BP 算法数学原理  60-62
    3.3.2 BP 网络算法步骤  62-63
  3.4 贝氏体淬透性和淬硬性预测的BP 网络模型  63-72
    3.4.1 贝氏体淬透性的作用及预测目的  63-64
    3.4.2 BP 网络模型输入、输出参数的确定  64-65
    3.4.3 数据选择与处理  65-67
    3.4.4 BP 网络模型的设计与训练  67-68
    3.4.5 BP 网络模型的性能分析  68-71
    3.4.6 误差分析  71
    3.4.7 BP 网络模型的验证  71-72
  3.5 贝氏体非调质塑料模具钢成分设计及优化  72-84
    3.5.1 贝氏体非调质塑料模具钢的设计原则  72-73
    3.5.2 贝氏体非调质塑料模具钢满足的目标要求  73-74
    3.5.3 贝氏体非调质塑料模具钢的合金元素及其含量的确定  74-76
    3.5.4 贝氏体非调质塑料模具钢的实验验证  76-84
  3.6 本章小结  84-85
  参考文献  85-88
第四章 非调质塑料模具钢的试制与性能  88-99
  4.1 引言  88
  4.2 非调质塑料模具钢的温度场预测与实现  88-90
    4.2.1 非调质塑料模具钢的温度场数值模拟预测  88-89
    4.2.2 实验室物理模拟实现  89-90
  4.3 非调质塑料模具钢的试制  90
  4.4 非调质塑料模具钢的性能  90-97
    4.4.1 非调质塑料模具钢的力学性能  90-92
    4.4.2 非调质塑料模具钢的加工性能  92-95
    4.4.3 非调质塑料模具钢的抛光性能  95
    4.4.4 非调质塑料模具钢的耐腐蚀性能  95-97
  4.5 本章小结  97
  参考文献  97-99
第五章 非调质塑料模具钢的组织与性能  99-125
  5.1 引言  99
  5.2 非调质塑料模具钢的相变特性  99-100
  5.3 非调质塑料模具钢的组织分类及形成原因  100-109
  5.4 非调质塑料模具钢的硬度均匀性  109-112
  5.5 贝氏体型非调质塑料模具钢回火后的组织和性能  112-122
    5.5.1 实验方法  113
    5.5.2 回火温度对非调质钢强韧性的影响  113-117
    5.5.3 回火温度对非调质塑料模具钢组织的影响  117-122
  5.6 本章小结  122-123
  参考文献  123-125
第六章 非调质塑料模具钢的生产及验证  125-149
  6.1 引言  125
  6.2 大截面非调质塑料模具钢的生产  125-127
  6.3 大截面非调质与调质型预硬型塑料模具钢的比较研究  127-145
    6.3.1 实验材料  127-128
    6.3.2 连续冷却相变特性  128-129
    6.3.3 显微组织  129-135
    6.3.4 硬度均匀性  135-136
    6.3.5 力学性能  136-138
    6.3.6 切削性能  138-139
    6.3.7 耐腐蚀性能  139-141
    6.3.8 焊接性能  141-143
    6.3.9 图案蚀刻性能  143
    6.3.10 抛光性能  143-145
  6.4 非调质塑料模具钢的应用实例  145-146
  6.5 本章小结  146-147
  参考文献  147-149
第七章 抛光性能测试装置的设计  149-156
  7.1 引言  149
  7.2 抛光性能测试装置的设计原理  149-150
  7.3 抛光性能测试装置的组成  150-152
  7.4 抛光性能测试装置的结果分析  152-154
  7.5 本章小结  154
  参考文献  154-156
第八章 结论与创新  156-159
  8.1 结论  156-158
  8.2 创新  158-159
攻读博士学位期间的科研成果  159-161
攻读博士期间参与的科研项目  161-162
攻读博士学位期间的获得奖励  162-163
致谢  163

相似论文

  1. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  2. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
  3. 兖州矿区植物波谱变异与重金属胁迫特征研究,X173
  4. 企业安全效益评价及发展对策研究,F272;F224.5
  5. 酮类化合物的3D-QSPR研究,O641
  6. 神经元MOS管在神经网络中的应用研究,TP183
  7. 基于神经网络盲均衡优化算法的研究,TN911.7
  8. 产品功能疲劳对客户资产的影响研究,F224
  9. 烟煤掺烧印尼煤的动力配煤模型研究,TK227.1
  10. 一种在深度结构中学习原型的分类方法,TP18
  11. 面向电力营销服务的客户身份自动识别系统设计,TP391.41
  12. 浆体管道输送系统的过程监控与故障诊断,F426.1
  13. 考虑光伏发电的短期负荷预测,TM715
  14. 直升机主减速器故障诊断与故障预测技术研究,V267
  15. 基于DM642的红外运动目标检测与跟踪技术实现,TP391.41
  16. 曲轴铁型覆砂铸造温度场模拟及其生产线自动控制的研究,TG242
  17. 人工神经网络在母线保护中的应用,TP183
  18. 浙商企业经营风险预警评价指标体系研究,F279.27
  19. 基于MC9S12XS128的氢内燃机电控系统硬件研究与开发,U464
  20. 基于RPROP人工神经网络对验证码识别的研究与实现,TP393.08
  21. 基于视觉特性及人工神经网络的图像压缩,TP391.41

中图分类: > 工业技术 > 金属学与金属工艺 > 金属学与热处理 > 金属材料 > > 各种钢材:按用途区分
© 2012 www.xueweilunwen.com