新型fe-cr-mo-v系热强耐蚀钢设计

《新型fe-cr-mo-v系热强耐蚀钢设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ClassifiedIndex:TG147.2U.D.C:548.5DissertationfortheMasterDegreeinEngineeringTHEDESIGNOFFe-Cr-Mo-VSYSTEMOFHEATRESISTANTANDCORROSIONRESISTANTSTEELCandidate：CaoYongSupervisor：AssistantProf.LiuYongAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：MaterialsScienceSchoolofMaterialsScienceand

2、Affiliation：EngineeringDateofDefence:June,2008Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要本文利用人工神经网络技术，建立了一个以合金成分及其含量和热处理条件为输入，以合金性能为输出的BP人工神经网络。该BP网络为14×12×12×4的四层结构。通过调试，其训练结果和测试结果都比较理想。利用BP网络对高温合金的成分和热处理工艺对性能的影响进行了分析，并建立了由成分及其含量和工艺参数到性能的预报模型，在预报网络模型中输入合金成分含量和

3、工艺参数就能比较精确地预测合金性能。利用粒子群优化算法对成分和热处理工艺进行了计算设计。在计算设计的时候，重点考虑合金的红硬性的同时兼顾合金的耐腐蚀性，确定合金的体系为Fe-Cr-Mo-V系，合金的组成元素有：铁、镍、碳、铬、锰、钼、钒。经过粒子群优化计算得出了3个成分体系,其含碳量分别为0.3wt.%、0.4wt.%、0.48wt.%。利用THERMO-CALC软件以人工神经网络优化的Fe-Cr-Mo-V系热强耐蚀钢为对象，研究了碳、铬、钼、钒含量变化对合金的平衡相图的影响。计算了含碳量为0.3wt.%、0.4wt.%、0.48wt.%的Fe-Cr-Mo-V系钢的垂直截面图，

4、并利用平衡相图和合金相随着温度变化曲线图优化了热处理工艺。含碳量为0.3wt.%的合金的淬火和回火温度分别为1140℃和470℃，含碳量为0.4wt.%的合金的淬火和回火温度为1080℃和560℃，而碳含量为0.48wt.%的合金的淬火和回火温度则为1200℃和550℃。并利用Thermo-Calc计算和预测了合金中的相。本文冶炼了人工神经网络所计算的3种成分的合金，并按照THERMO-CALC优化的工艺进行热处理。通过试样的XRD和金相观察验证了THERMO-CALC计算和预测的结果。对合金的红硬性、耐腐蚀性进行了评价。测试发现碳含量为0.48wt.%的Fe-Cr-Mo-V热

5、强耐蚀钢，能同时兼有较高的红硬性和良好的常温耐腐蚀性。论文对新型合金的设计思路对于新材料的设计、新工艺的开发具有积极意义。关键词热强耐蚀钢；人工神经网络；粒子群优化算法；热力学计算；红硬性-I-哈尔滨工业大学工学硕士学位论文AbstractInthispaper,webuildabackpropagationalgorithmartificialneuralnetswiththeinputofcomponentandheattreatmentparametersandthefan-outofthealloy’sproperties.Thenetworktopologyofthe

6、modelis14×12×12×4.Afterbeingdeburgedformanytimes,thisnetworkobtainsidealtraininganddetectingresults.Theeffectsofalloycomponentandheattreatmenttechniqueparanetrresonpropertiesareanylizedbythisbackpropagationalgorithm,theparameterswhichhaveinfluenceonthealloys’properties,andamodelisbuiltwhichc

7、anpredictstherelationshipsbetweenpropertiesandalloycomponentandheattreatmentparameters.ThecomponentandheattreatmentparametersareoptimizedbyParticleSwarmOptimization(PSO).Andthecomponentandheattreatmentparametersareoptimizedfromtheproperties.Inthisp