期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
油淬&双回火对H13钢微观组织演化与力学性能的影响规律
1
作者 汪雨昌 王孟超 +3 位作者 石如星 姚磊 揭招财 武川 《精密成形工程》 北大核心 2025年第3期167-179,共13页
目的揭示油淬及多次回火过程中H13钢微观组织演化机制,研究不同淬火温度、回火温度及次数对奥氏体晶粒尺寸、残余奥氏体体积分数、马氏体形貌尺寸及碳化物溶解与析出的影响规律,分析力学性能的变化趋势。方法以H13钢为研究对象,进行920~... 目的揭示油淬及多次回火过程中H13钢微观组织演化机制,研究不同淬火温度、回火温度及次数对奥氏体晶粒尺寸、残余奥氏体体积分数、马氏体形貌尺寸及碳化物溶解与析出的影响规律,分析力学性能的变化趋势。方法以H13钢为研究对象,进行920~1040℃的油淬实验和400~600℃的回火实验,采用光学显微镜、扫描电子显微镜、透射电子显微镜观察不同处理条件下的微观组织演化,统计分析微观特征参数的变化规律,采用万能试验机和冲击试验机测试材料屈服强度、抗拉强度、延伸率和冲击韧性指标,采用随机森林方法进行材料力学性能预测。结果当H13钢油淬温度从920℃升至1040℃时,奥氏体晶粒平均直径从12μm增至40μm,当920℃和960℃油淬时,有大量未溶碳化物,在1000℃时碳化物数量减少、尺寸增大,在1040℃时全溶;在400℃时,回火碳化物细小、有未分解残奥,在540℃时,残奥进一步分解、碳化物尺寸增加,在570℃时,残奥尺寸显著增大,在540℃时,回火后残余奥氏体全部分解且碳化物分布均匀;H13硬度随淬火温度的升高而增大,屈服强度和抗拉强度先升后降,冲击韧性增大,在1040℃时冲击值最大,为20.2 J;随着回火温度的升高,H13钢硬度下降,屈服强度与抗拉强度先升后降,冲击值增大。建立了硬度、抗拉强度、屈服强度、冲击值的随机森林模型,确定系数R2分别为0.9029、0.8931、0.8916、0.9046。结论油淬温度对奥氏体晶粒尺寸影响显著,而回火温度直接决定了碳化物析出形貌、体积分数和尺寸,并且影响了残余奥氏体的分解,且对硬度、屈服强度和抗拉强度产生了重要影响,在1000℃下油淬和540℃下2次回火时,材料的硬度、强度和韧性匹配最好。 展开更多
关键词 H13钢 油淬与回火 微观组织演化 力学性能 随机森林
在线阅读 下载PDF
基于机器学习模具钢大型锻件力学性能预测 被引量:2
2
作者 王孟超 武川 +1 位作者 孟亚飞 姚磊 《精密成形工程》 北大核心 2024年第12期198-208,共11页
目的为了预测模具钢大型锻件热处理后的力学性能,构建多种机器学习算法,探索出一种高效可行的算法来预测模具钢大型锻件的硬度、抗拉强度、屈服强度。方法以热作模具钢为研究对象进行热处理试验和力学性能检测得到模具钢大型锻件热处理... 目的为了预测模具钢大型锻件热处理后的力学性能,构建多种机器学习算法,探索出一种高效可行的算法来预测模具钢大型锻件的硬度、抗拉强度、屈服强度。方法以热作模具钢为研究对象进行热处理试验和力学性能检测得到模具钢大型锻件热处理后的力学性能数据集,先对其进行预处理,包括噪音消除和标准化等,以得到高质量的力学性能数据集。使用随机森林特征重要性分析法对输入参数进行筛选,去除弱相关变量降低预测算法的复杂度。随后构建随机森林算法、决策树算法、BP神经网络算法。综合对比各算法预测精度,选出最优的算法模型,对算法进行验证并应用。结果最终建立了硬度、抗拉强度、屈服强度预测算法,其中随机森林算法的确定系数R2分别为0.9539、0.9241、0.9320,决策树算法的确定系数R2分别为0.9485、0.9069、0.9280,BP神经网络算法的确定系数R2分别为0.8047,0.7921,0.7937。结论通过对比分析,随机森林算法表现出最高的预测精度,且随机森林算法对力学性能的预测误差基本保持在5%以内。说明通过该算法,可以实现模具钢大型锻件的力学性能预测,大大节省了研究和实验成本,能够极大地加快高性能材料的筛选。 展开更多
关键词 机器学习 模具钢 预测模型 力学性能 随机森林
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部