超低碳微合金钢贝氏体相变行为研究

阅读量：

101

作者：

臧晓良

展开

摘要：

超低碳贝氏体钢消除了碳对贝氏体组织韧性的不利影响,在控轧控冷后得到具有高密度位错的组织材料,被誉为二十一世纪最具有前景的钢种之一。研究超低碳微合金钢贝氏体相变行为可以获得超低碳贝氏体组织演变规律,用于指导实际生产,建立微观组织预报模型,准确预报钢材的组织性能,有效提高钢材生产的质量。本文主要研究了超低碳微合金钢贝氏体组织演变规律,建立BP人工神经网络模型,准确预测相变后超低碳贝氏体组织的晶粒度,进而可以推广应用于贝氏体组织的预测。首先利用Gleeble-3500型热模拟机对Q550D超低碳贝氏体钢进行等温热模拟实验,产生36组不同工艺条件下的贝氏体组织。通过金相显微分析和扫描电镜(SEM)分析,获得超低碳贝氏体组织演变规律如下:(1)冷却速度越快粒状贝氏体数目越少,板条状贝氏体越多,板条束细化越明显;变形温度为850℃时,晶粒细化效果较好;细化效果随弛豫时间的延长成一定的周期性变化。(2)变形温度为850℃、冷却速度30℃/s和弛豫时间60s时Q550D超低碳贝氏体钢细化效果较好。然后采用电解抛光技术制作EBSD试样,在DPF-1型电解抛光、腐蚀仪上V乙醇:V高氯酸:V丙三醇=7:2:1,电压7mv,抛光时间250s-350s时可制作质量较好的Q550D超低碳贝氏体钢EBSD试样。最后通过电子背散射衍射技术准确测量了超低碳贝氏体组织的晶粒尺寸,利用BP神经网络建立超低碳微合金钢贝氏体相变模型。模拟结果显示:此BP人工神经网络模拟晶粒度与实际晶粒度误差在8%以内,检验误差值在5%以内,网络的训练精度较高,拟合效果较好。可以用来预测相变后超低碳钢贝氏体晶粒度,有利于提高超低碳贝氏体钢的实际生产质量。

展开

关键词：

Q550D超低碳贝氏体钢 组织演变 电解抛光 EBSD BP神经网络模型 Q550D ultra-tow carbon bainitic steel EBSD microstructure evolution electrolytic polishing BP neural network model