-
公开(公告)号:CN118629549A
公开(公告)日:2024-09-10
申请号:CN202410697379.X
申请日:2024-05-31
申请人: 鞍钢集团北京研究院有限公司 , 东北大学
IPC分类号: G16C60/00 , G16C20/70 , G06N3/042 , G06N3/0464 , G06N3/08
摘要: 本发明提供一种基于图神经网络的钢铁材料马氏体相变起始温度预测方法,涉及温度预测技术领域,本发明首先构建包含钢铁材料的化学成分、奥氏体晶粒尺寸、磁场以及预应变四个不同影响因素的数据库,从而得到基础数据集;基于基础数据集进行热力学知识图谱的构建,构建图卷积神经网络DDM‑GNN模型;设置迭代次数、学习率、批量以及损失函数,在进行热力学知识图谱中的特征和关系信息相融合时,采用矩阵拼接的方式来获得邻接卷积矩阵;采用全连接层来连接输出,得到预测的Ms温度;通过采用自适应矩估计法Adam对DDM‑DNN模型进行训练,最终取出训练过程中损失函数最小的模型作为最终模型Best_Model,实现温度预测。
-
公开(公告)号:CN118824429A
公开(公告)日:2024-10-22
申请号:CN202410853700.9
申请日:2024-06-28
申请人: 鞍钢集团北京研究院有限公司 , 东北大学
IPC分类号: G16C60/00 , G16C20/70 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06V20/69 , G06V10/82
摘要: 本发明提供一种基于卷积神经网络的双相钢加工硬化预测方法,涉及材料力学性能分析技术领域。利用EBSD实验获得的BC图和材料力学属性建立高质量的数据集;深度学习模型用来学习BC图中显微组织形貌特征,建立BC图与加工硬化之间的映射关系。采用卷积神经网络以真实材料的微观结构为设计变量,采用先进的人工智能方法识别拉伸过程中材料成分和非线性微尺度特性的变化,同时实现对不同体系DP钢加工硬化的高效普适性预测。本发明实现简单,效率和普适性相比与传统方法得到提升,并且该深度学习方法可以应用到具有复杂显微组织的钢种中,可用于不同合金体系,具有扩展性。
-
公开(公告)号:CN117778842B
公开(公告)日:2024-09-13
申请号:CN202311792594.X
申请日:2023-12-25
申请人: 鞍钢股份有限公司 , 鞍钢集团北京研究院有限公司
摘要: 本发明涉及一种高性能稀土镁合金冷轧板带及其制备方法,稀土镁合金冷轧板带包括以下成分:Al 3.0%~10.0%,Zn 0.3%~3.0%,Si 0.05%~1.0%,Zr 0.1%~1.0%,RE 3.0%~12.0%;RE组分中Y元素占比为50%~90%,剩余为La、Ce、Sm、Gd中的一种以上,且Y/Al为1.0~5.0;余量为Mg及杂质。制备过程包括熔炼、半连续铸造、均匀化热处理、热挤压、电脉冲辅助异步轧制及退火。本发明实现了镁合金在室温下大变形量轧制变形,产品满足高强高塑指标的同时兼具高耐腐蚀特性,从而满足了电子通讯、航空航天等行业对镁合金高强度、高塑性和耐腐蚀等性能的特殊要求。
-
公开(公告)号:CN117778843A
公开(公告)日:2024-03-29
申请号:CN202311792750.2
申请日:2023-12-25
申请人: 鞍钢股份有限公司 , 鞍钢集团北京研究院有限公司
摘要: 本发明涉及一种超薄规格镁合金箔带及其制备方法,镁合金箔带的成分为:Al 0.2%~6.0%,Zn 0.5%~6.0%,Mn 0.1%~1.0%,Zr 0.1%~1.0%,RE 0.8%~12.0%;RE组分中Gd元素占比为50%~90%,剩余为La、Ce、Nd、Y中的一种以上;且RE/(Al+Zn)为1.0~5.0;余量为Mg及杂质。镁合金箔带的制备工艺包括熔炼、铸造、均匀化热处理、热挤压、电脉冲辅助轧制及退火过程;本发明可实现镁合金室温下大压下量轧制变形,并获得厚度为10~100微米、综合性能良好的镁合金箔带,满足电池、电子行业对镁合金超薄规格、高塑性能的要求。
-
公开(公告)号:CN117778842A
公开(公告)日:2024-03-29
申请号:CN202311792594.X
申请日:2023-12-25
申请人: 鞍钢股份有限公司 , 鞍钢集团北京研究院有限公司
摘要: 本发明涉及一种高性能稀土镁合金冷轧板带及其制备方法,稀土镁合金冷轧板带包括以下成分:Al 3.0%~10.0%,Zn 0.3%~3.0%,Si 0.05%~1.0%,Zr 0.1%~1.0%,RE 3.0%~12.0%;RE组分中Y元素占比为50%~90%,剩余为La、Ce、Sm、Gd中的一种以上,且Y/Al为1.0~5.0;余量为Mg及杂质。制备过程包括熔炼、半连续铸造、均匀化热处理、热挤压、电脉冲辅助异步轧制及退火。本发明实现了镁合金在室温下大变形量轧制变形,产品满足高强高塑指标的同时兼具高耐腐蚀特性,从而满足了电子通讯、航空航天等行业对镁合金高强度、高塑性和耐腐蚀等性能的特殊要求。
-
公开(公告)号:CN116377178A
公开(公告)日:2023-07-04
申请号:CN202310253981.X
申请日:2023-03-16
申请人: 鞍钢集团北京研究院有限公司 , 鞍钢股份有限公司
IPC分类号: C21D1/18 , C21D1/46 , C21D6/00 , C22C38/02 , C22C38/04 , C22C38/38 , C22C38/26 , C22C38/24 , C22C38/28 , C22C38/32
摘要: 本发明涉及一种超高强热成形钢淬火实验模拟热成形工艺,包括1)将试样加热至900~1000℃,保温3~10min;2)将试样从加热炉中取出,5s内转移至盐浴炉中,设置盐浴炉温度为150~170℃;3)从试样进入盐浴开始计时,在盐浴中停留30~60s;4)将试样从盐浴中取出并快速移入温度为20~40℃的水中,让试样完全冷却后取出,淬火完成。本发明避免了常规平板模具淬火实验带来的软点问题,以及水淬产生的韧性降低问题,保证了淬火后钢板试样的有效力学性能,保证了后续拉伸试验的准确性,同时节约了实验成本,并为实际生产提供了有效的热处理工艺思路。
-
公开(公告)号:CN114972300A
公开(公告)日:2022-08-30
申请号:CN202210684129.3
申请日:2022-06-17
申请人: 鞍钢集团北京研究院有限公司
摘要: 本发明提出了一种基于计算机视觉和深度学习的材料图像分割识别方法,构建了一套基于计算机视觉的Trip钢图像处理方法,利用计算机视觉方法对图像进行高精度分割,并结合深度学习方法对Trip钢图像进行准确的分类和识别应用于金相微观组织图像数据,利用计算机视觉方法对Trip钢图像进行分割,之后在分割后的结果上,利用深度学习进行训练,对Trip钢的微观组织结构识别,该方法同时提高了钢铁微观组织结构的分割和识别准确率,进一步提升了金相晶粒中相的统计准确率,对后续材料性能的分析起到了决定性的作用。
-
公开(公告)号:CN113897552A
公开(公告)日:2022-01-07
申请号:CN202111184538.9
申请日:2021-10-12
申请人: 上海大学 , 鞍钢集团北京研究院有限公司
摘要: 本发明涉及钢板技术领域,提出了一种30GPa·%相变诱发塑性汽车钢板,关键在于,按照质量百分比计,钢板的化学成分包括:C 0.29‑0.30%、Mn 1.80‑2.00%、Si 1.00‑1.10%和Al 0.50‑0.70%,Fe余量;钢板的临界退火温度为780‑790℃。解决了现有技术中在不添加微合金元素的前提下,如何选取恰当的目标成分及连退温度,使其性能实现当抗拉强度超过980MPa时,达到30GPa·%强塑积指标的问题。
-
公开(公告)号:CN118028671A
公开(公告)日:2024-05-14
申请号:CN202311792410.X
申请日:2023-12-25
申请人: 鞍钢股份有限公司 , 鞍钢集团北京研究院有限公司
摘要: 本发明涉及一种拉深性能良好的稀土镁合金板带及其制备方法,稀土镁合金板带的成分:Al 0.5%~6.0%,Zn 0.5%~6.0%,Mn 0.1%~1.0%,Zr 0.1%~1.0%,RE 3.0%~12.0%;余量为Mg及不可避免的杂质。制备过程包括熔炼、半连续铸造、均匀化热处理及热轧开坯、温电耦合轧制及退火。本发明实现了镁合金在低温(≤100℃)下的大变形量轧制变形,产品满足高强高塑指标的同时兼具良好的拉深特性,从而满足了汽车、电子通讯、航空航天等行业对产品轻量化,以及对镁合金高强度、高塑性和高拉深性能等特殊性能的要求。
-
公开(公告)号:CN117778846A
公开(公告)日:2024-03-29
申请号:CN202311792689.1
申请日:2023-12-25
申请人: 鞍钢股份有限公司 , 鞍钢集团北京研究院有限公司
摘要: 本发明涉及一种高表面质量稀土镁合金棒材及其制备方法,稀土镁合金棒材的成分为:Zn 1.0%~9.0%,Al 0.1%~1.0%,Mn 0.1%~1.0%,Zr 0.1%~1.0%,RE 4.0%~15.0%;其中,RE组分中La元素占比为30%~60%,剩余为Sc、Y、Nd中的一种以上,且(La+Ce)/Zn为1.0~5.0;余量为Mg及杂质。制备方法包括熔炼、半连续铸造、均匀化热处理、热挤压、声电耦合表面处理过程。所制备产品满足高强高塑指标的同时兼具高表面质量特性,从而满足了交通工具、航空航天等领域对产品轻量化,以及对镁合金棒材高表面质量的要求。
-
-
-
-
-
-
-
-
-