论文部分内容阅读
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,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。