基于物理冶金学指导下机器学习的Q&P钢的设计方法

    公开(公告)号:CN110442953B

    公开(公告)日:2022-11-25

    申请号:CN201910698740.X

    申请日:2019-07-31

    Abstract: 本发明提供一种基于物理冶金学指导下机器学习的Q&P钢的设计方法,涉及汽车钢的成分工艺设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集;根据训练集建立基于物理冶金学指导的集成学习算法模型;将集成学习算法模型的相关系数大于85%的作为遗传算法中的目标函数;遗传算法被用于优化设计成分及工艺获得最佳强塑积的Q&P钢,对Q&P钢的成分及工艺进行设计;对于得到的大量设计结果采用SVC分类器进行分类筛选,输出其典型合金的成分、工艺、强塑积。本方法相对于单纯机器学习,可以提升模型泛化能力,使设计更为高效,设计结果更加符合物理冶金学原理。

    一种高强塑积中熵合金带材的制备方法

    公开(公告)号:CN111876646B

    公开(公告)日:2021-06-01

    申请号:CN202010756786.5

    申请日:2020-07-31

    Applicant: 东北大学

    Abstract: 本发明的一种高强塑积中熵合金带材的制备方法,属于金属板带材轧制与热处理技术领域,制备过程为:按成分比例,制备(FeCoNi)76‑84Ti8‑12Al8‑12中熵合金作坯料,加热至1150‑1250℃,保温45‑60min,降温至950‑1050℃,恒温轧制后淬火至室温,475‑525℃保温20‑40min,恒温轧制,应变速率为10‑20s‑1,应变量为50%‑60%,轧后淬火至室温,经室温冷轧,总变形量为70%‑80%,得到1‑3mm厚冷轧板材,780‑820℃下退火保温45‑60min后,淬火至室温,制得带材产品。该工艺结合特定的热轧、冷轧及热处理工艺制备方法,获得的中熵合金带材具有更高的强塑积,该制备方法流程简单,可操作性强,可为批量化生产高强塑积板带材提供高效的制备工艺。

    一种超细晶双峰组织中熵合金的制备方法

    公开(公告)号:CN110396633B

    公开(公告)日:2020-11-27

    申请号:CN201910420629.4

    申请日:2019-05-20

    Applicant: 东北大学

    Abstract: 本发明公开了一种超细晶双峰组织中熵合金的制备方法,包括:1)选取CoCrNi中熵合金,其Co、Cr及Ni的原子百分比为1:1:1;2)热轧:将1)步中的中熵合金加热至880~900℃,进行多道次热轧,总变形量为50~60%,热轧后淬火至室温;3)冷轧:将热轧后的中熵合金进行深冷轧,冷轧轧制温度为‑75~‑70℃,总变形量为60~70%,冷轧后放置室温;4)退火:将冷轧后的中熵合金板材放入加热炉中,加热至780~820℃,保温120~150min后淬火至室温。本发明提供的制备方法,在无相变条件下,使最终产品获得微米与纳米双峰晶粒尺寸的分布特征。

    一种超厚规格热轧卷板的超快冷工艺及卷取方法

    公开(公告)号:CN105603170A

    公开(公告)日:2016-05-25

    申请号:CN201610086438.5

    申请日:2016-02-15

    Applicant: 东北大学

    CPC classification number: C21D8/0247 C21D8/02

    Abstract: 一种超厚规格热轧卷板的超快冷工艺及卷取方法,其特征在于超快冷工艺:25.4mm厚、规格X70带钢从精轧机轧出并经超快冷段冷却至500~550℃,后空冷2s,再经普通层冷至400~450℃卷取温度;带钢头部卷取机夹送辊位置控制时间为0.03s,提前固定带钢;提高带钢头部卷取圈数为5圈,并且助卷辊持续与带钢头部接触,直至卷筒带载转矩到12.66KN·M时,助卷辊正常打开,使头部卷取紧实、带钢近尾部时,增加助卷辊压力到750KN,保证尾部带钢卷取稳定;超厚规格带钢尾部助卷辊抱尾时间为8~12s,固定尾部带钢形状。本发明在保证钢卷强度的同时有效提高DWTT断裂韧性。采用400~450℃的低温卷取温度已经远超过设备卷取此类钢种的设计能力,是对现有技术的重大突破。

    一种计算合金冶炼过程中稀土元素蒸发损耗量的方法

    公开(公告)号:CN118692583B

    公开(公告)日:2024-11-22

    申请号:CN202411163823.6

    申请日:2024-08-23

    Abstract: 本发明提供一种计算合金冶炼过程中稀土元素蒸发损耗量的方法,涉及稀土微合金化合金制备技术领域,包括以下步骤:步骤1)计算合金冶炼过程中合金熔液与冶炼设备内气体接触的表面积S;步骤2)计算第i个时间微元dt内稀土元素j的挥发速率Vj;步骤3)根据合金熔液与冶炼设备内气体接触的表面积S及稀土元素的挥发速率Vj,计算第i个时间微元dt内稀土元素的损耗量dmi:步骤4)根据时间微元dt内稀土元素的损耗量dmi,计算冶炼时间t内稀土元素的损耗量Δm。本发明通过引用元素蒸发以及熔体质量控制理论的Langmuir动力学计算法则,考虑稀土元素的挥发随时间变化,定量计算稀土元素在高温冶炼合金过程中的蒸发损耗量。

    一种低裂纹敏感性的增材适用镍基高温合金及制备方法

    公开(公告)号:CN116904802A

    公开(公告)日:2023-10-20

    申请号:CN202310872889.1

    申请日:2023-07-17

    Applicant: 东北大学

    Inventor: 徐伟 于皓 付佳博

    Abstract: 本发明提供一种低裂纹敏感性的增材适用镍基高温合金及制备方法,属于增材制造镍基高温合金技术领域,本发明的方案为:以重量百分比计,所述增材制造镍基高温合金的化学成分如下:Al 6.0‑6.5wt%、Co 14.4‑14.8wt%、Cr 5.6‑6.0wt%、Mo 0.01‑0.05wt%、Ta 0.8‑1.5wt%、Ti 0.01‑0.05wt%、W 2.1‑2.5wt%、C 0.1‑0.3wt%、B 0.01‑0.1wt%、Nb 2.0‑2.5wt%、余量为Ni。本发明提供一种在增材加工条件下不出现微裂纹,具有低孔洞缺陷,具有高温性能、良好组织稳定性的增材制造镍基高温合金。

    一种基于EBSD与深度学习方法的钢铁材料性能预测方法

    公开(公告)号:CN113033106B

    公开(公告)日:2023-09-19

    申请号:CN202110368798.5

    申请日:2021-04-06

    Applicant: 东北大学

    Abstract: 本发明提供一种基于EBSD与深度学习方法的钢铁材料性能预测方法,涉及钢铁材料性能预测和深度学习应用技术领域。本发明以EBSD的BC图为基础,利用深度学习方法卷积神经网络Convolutional Neural Network(CNN)建立钢铁材料组织(BC图)与性能间的对应关系,实现钢铁材料的性能预测。以EBSD的BC图为基础,利用深度学习方法卷积神经网络Convolutional Neural Network(CNN)建立钢铁材料组织(BC图)与性能间的对应关系,实现钢铁材料的性能预测。

Patent Agency Ranking