搜索
塑性体积成型与控制论文题目：基于内变量的微观组织模拟方法及其在热加工过程中的应用导师：袁林学号：14S009112姓名：王娜娜专业：材料加工工程—锻压基于内变量的微观组织模拟方法及其在热加工过程中的应用摘要：金属在热加工过程中微观组织发生动态、静态回复以及再结晶、晶粒长大等一系列复杂的演化，材料内部微观结构的改变，会直接影响成形后金属的成形质量和力学性能。文章阐述了金属高温塑性成形时微观组织预测模拟的主要研究方法，即直接模拟法、相场法和有限元法；并分别评述了各方法目前在国内外的研究概况、特点以及缺点和适用范围；重点介绍了基于物理本质多尺度耦合的微观组织内变量有限元模型方法。研究结果表明，基于内变量法的微观组织物理模型相对其他方法，最适合用于多尺度微观组织预测数值模拟，模拟结果与实际更为相符，而且最能解释说明各变量演变的物理机制，具有广阔的应用前景。关键词：金属热加工；微观组织演变；多尺度耦合；数值模拟Abstract：Aseriesofcomplexmicrostructureevolution，suchasdynamicandstaticrecoveryandrecrystal1ization，graingrowthetc．，takeplaceduringhotmetalforming．Themicrostructurechangesdirectlyinfluencetheformingqualityandmechanical[1]propertiesofproducts．Inordertoimprovethequalityofproductsandsaveresearchexpenditure，microstructureevolutionsimulationtechnologyismoreandmorepopular．Thisreviewstatestheseveralmajorresearchmethodsofmicrostructurepredictionsimulation，suchasdirectsimulationmethod，thepastfieldmethodandfiniteelementmethod．Andallthesemethods，includingtheircharacteristics[2]，rangeofapplicationsandshortcomings，arereviewedrespectivelyinthedomesticandinternationalmetalformingresearchfield．Especiallythisreviewfocusesonthefiniteelementscalecouplingnumericalsimulationmodelbasedphysically-basedinternalstatevariablemethod．Rsearchresultsshowhatthemicrostructurepredictionphysicalmodelbasedoninternalstatevariablemethodbestfitsthemultiscalenumerica1[3]simulation．Thesimulatedresultsmatchtherealitytothebestandcanalsoexplainthephysicalmechanismoftheevolutionofvariables．Therefore，ithasgreatpotentialforapplication．Keywords：hotmetal—forming；microstructureevolution；scaleupled；numericalsimulation引言金属热成形过程中，随着变形量的加大，材料内部位错密度开始急剧增殖，导致位错堆积阻塞产生加工硬化。同时，在高温下形变产生的位错对材料的晶粒细化和长大构成驱动力，一旦位错密度达到临界值就开始产生回复，孕育再结晶，使一部分位错湮灭产生软化效应，这一对机制的相互作用最终达到平衡。另外，热加工中的金属粘塑性流动[4]容易引发非金属夹杂物附近和晶界处延性损伤形核、长大，进一步形成微裂纹。材料的诸如位错密度、晶粒尺寸和韧性损伤等微观组织演变形态，将直接决定金属成形后的宏观力学性能及表面成形质量。因此，对金属热成形[5]过程中微观组织演变进行数值模拟预测，进而优化其成形工艺参数，具有十分重要的意义。一、微观组织演变数值模拟方法1.1随机性方法20世纪80年代末出现的随机性方法考虑了微观组织演变过程中的一些随机因素,主要有蒙特卡罗法(MonteCarlo法)和元胞自动机法(CA法),这些方法主要用于凝固领域描述晶体的形成以及柱状晶等轴晶之间的转变。Chun等利用MonteCarlo法模拟了纯钛在冷挤压过程中的静态再结晶行为。Lu等采用MonteCarlo模型研究了非晶相对微观组织演变[7]和晶粒尺寸的影响。图1是600步MonteCarlo计算后,在不同非晶相体积分数下的微观组织形貌图。由图可以看出,晶粒尺寸随着非晶相体积分数的增多而减小。Ding等基于最低能量原则利用元胞自动机模拟了晶粒生长过程中微观组织和形貌的演变。李强等提出了一个改进的基于溶质扩散的元胞自动机模型对U-6%Nb(质量分数)二元合金的凝固组织和显微偏析[8]进行了模拟。许庆彦采用Cellu1arAutomaton微观模型,并与宏观的传热计算相结合,对砂型铸造铝合金铸件的凝固组织形成进行了模拟。MonteCarlo法和CA模型模拟的结果受计算过程中网格划分的影响。利用随机性模型模拟晶粒生长时需要跟踪固液界面,因此用它们模拟晶粒的三维生长和详细的生长形态、内部结构有一定的困难。而且随机模型不能将变形与材料微观组织演变的交互作用考虑在内,因此在塑性成形领域应用较少。图1600步MonteCarlo模拟计算后在不同非晶相体积分数下的微观组织形貌图1.2有限元法运用有限元法(Thefiniteelementmethod)进行微观组织的数值模拟，必须完成组织演变过程的模型化，即建立微观组织模型[9]。目前，有3种微观组织模型方法经常用于有限元数值模拟，即经验公式法、统计模型法和基于物理的内变量模型法。经验公式法(Empiricalmethods)建立组织演变模型的传统且实用的方法是进行大量的实验，通过经验公式[10]或图表来描述组织演变为。在经验公式中，组织变量被表示为应变、应变速率、变形温度等宏观变形参数的函数。在碳钢轧制领域，组织模型的经验公式发展的较为成熟。Sellars等率先开展了对热轧过程中组织变化的模拟工作，建立了组织变量与变形参数[11](温度、应变、应变速率)之间的半经验模型。之后，国内外很多学者以钢的物理和力学冶金学为基础，分析变形条件和温度条件对钢在热轧[12]过程中内部微观组织演变规律和析出规律的影响，并采用数学模型的方法进行描述，开发出了轧制过程的物理冶金模型，其中包括奥氏体静态再结晶模型、动态再结晶模型、晶粒长大模型，以及轧后冷却过程中的相变模型，但大部分都是基于Sellars的型。张斌等以热物理模拟试验研究为基础，建立了35CrMo钢动态再结晶数学模型。王敏婷、杜凤山等实现了楔横轧热轧40Cr材料的机械、传热[13]和组织的相互耦合有限元数值模拟。H．Grass等建立了碳锰钢材料在连杆模锻前预制坯热成形的三维微观组织模拟，预测了再结晶百分数和晶粒尺寸的演化。A．Dehghan-Manshadi等研究了AISI304奥氏体不锈钢热成形过程中及成形后的再结晶行为。上述这些传统的组织演变模型中的再结晶动力学，均以经典Avrami提出的适合C-Mn钢的动态再结晶动力学方程为：X如一l—exp各变量的物理意义如表1所示。表1再结晶动力学方程各变量物理意义Tab．1Recrystallizationkineticsequationvariablesphysicalsignificance变量物理意义单位动态再结晶百分数t再结晶时间S＆临界变形量[14]e055O再结晶对应的应变pl，p2材料常数式(2)给出的数学模型的系数是通过大量实验数据回归得到的，只能在一定范围内应用，超出模型的应用范围会导致较大误差。在使用此类模型时，应针对所研究的工艺条件重新确定模型中的常数，因此其预测组织演变的能力较为有限统模型法(AdvancedStatisticalmethods)通过高温变形实验和金相分析可以获得大量的实验数据，因此用统计学的方法建立组织演变模型是可行的，其中具有代表性的是人工神经网络法(artificialneuralnetworks)。邵一涛等基于BP人工神经网络技术[15]，通过向模型输入显微组织特征参数输出力学性能参数的办法，对TC17钛合金显微组织一力学性能关系进行了预测。訾炳涛等[16]通过分析强脉冲电磁场作用下铝合金凝固组织晶粒尺寸的实验数据，并结合人工神经网络，建立了强脉冲电磁场作用下铝合金凝固组织晶粒尺寸的人工神经网络BP算法模型，对凝固组织晶粒尺寸进行了预测。Y．C．Lin[16]等利用人工神经网络模型预测多辊热轧42CrMo低合金钢[17]静态再结晶百分数，并研究了温度、变形速率及初始晶粒尺寸对静态再结晶百分数的影响，图4是其相对应使用的倒传递类人工神经网络原理S.M．Roberts[18]等使用人工神经网络模型对铝金属基体复合材料锻造过程损伤的演变进行了预测研究。由于金属和合金在热态塑性成形过程中的微观组织形态及其演变规律，是复杂的、动态的和带有随机性，因此应用人工神经网络建立组织演变模型比经验公式[19]具有更大的优越性。神经网络模型的应用效果对学习样本和特征变量的抽取有很强的依赖性，一方面，要求有较大覆盖面和较好一致性的大量数据，另一方面，要求在众多影响因素中抽取特征变量时，既要方便，更应考虑其相关性和实时应用时数据84塑性工程学报第19卷。图4倒传递类人工神经网络原图．4Schematicstructureoftheback-propagationneuralnetwork[20]的更新问题，此外，该方法不能为模型提供物理意义上的合理解释，因此发展前景不是很广阔。基于物理的内变量模型(Physically-basedinternalstatevariablemethods[21])基于物理意义，提供了一个模型框架；能同时描述不同尺度级别的物理变量相互关系及其随时间的变化。根据组织状态的级别，可以选用晶粒尺寸、不同类型晶粒的体积分数、相分数或亚晶粒尺寸、位错密度、第二相粒子等作为内变量参数。李晓丽等利用内变量法建立了TC6钛合金叶片等温锻造过程中位错密度和晶粒尺寸的耦合模型，实现了钛合金高温变形时跨层次微观组织数值模拟，有效地预测了位错密度和晶粒尺寸的演变。Brown[22]和Wang[23]等胡分别建立了基于内变量法的本构模型。H．Amed[24]等利用内变量法建立组织模型，并编写子程序输入ABAQUS[25]有限元商业软件，模拟了热轧铝合金AA508微观组织演变。MarkF．Horsteeyer[26]等阐述了内变量[26]法理论在非弹性形变领域研究及其应用的历史，指出内变量法理论的应用领域十分广泛，其中包括位错、蠕变、连续损伤力学、统一的塑性蠕变、高分子聚合物、复合材料、生物材料、粉末材料、多相及多物理材料、材料加工、多尺度模拟[27]等。该方法把材料科学和应用力学相结合，在实际工程应用中起到了不确定性优化设计作用。随着人们对金属变形机制理解的深入和数值计算方法的发展，内变量法将在组织模型建立方面有着更为广阔的应用前景。2多尺度耦合微观组织模拟及应用微观组织模拟预测技术可以对材料成形工艺窗口(温度、变形量、变形速率等)进行优化以获取高质量的产品，因此，微观组织模拟(从mm、lam到nm尺度)成为材料热加工领域近年来研究的热点，而高性能、高保真、高效率、多学科及多尺度是微观组织模拟仿真技术的努力