后处理工艺对选区激光熔化TC4钛合金组织与性能的影响

来源 :南昌大学 | 被引量 : 0次 | 上传用户:dylwq
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
Ti-6Al-4V是最常见的航空金属之一,广泛应用于航空航天、生物医学、海洋装备及汽车制造等工业领域。它是一种比较昂贵的合金,在传统的减法制造中,为了达到最终的零件几何形状,需将80%以上的原材料加工消耗,造成了极大的浪费。增材制造(Additive Manufacturing)通过三维模型直接逐层制造实体,这一工艺可以快速、精确地制造出形状复杂的零件,同时也可以解决传统制造方式中原材料的浪费问题。这些独特的优势使得这一技术的应用越来越广泛,但是3D打印的零件存在组织不均匀,综合力学性能不足等问题,这也严重限制了增材制造技术的未来发展。本文主要研究工艺参数、热处理(Heat Treatment)和超声表面滚压处理(Ultrasonic Surface Rolling Treatment)对选区激光熔化制造的Ti-6Al-4V合金显微组织、材料硬度、拉伸性能和抗疲劳裂纹扩展行为的影响。研究课题的目标是通过优化工艺参数,减少零件的孔隙与裂纹缺陷,提高零件的成型质量;通过优化后处理工艺,改善组织,细化晶粒,生成梯度结构的表面层,提升零件的力学性能。首先探索合适的设备加工参数,制造出成型质量良好的试样;然后研究不同的热处理温度、时间、冷却方式对材料的显微组织和力学性能的改善效果;最后结合超声表面滚压技术,进一步细化材料表面的晶粒,并制造梯度变形层,消除表面缺陷,从而提高材料表面力学性能。采用光学显微镜(Optical Microscope)、扫描电子显微镜(Scanning Electron Microscope)、透射电子显微镜(Transmission Electron Microscope)等材料学分析方法研究了不同参数、不同工艺对TC4合金宏观成型形貌、微观显微组织的影响,并结合力学性能测试设备(维氏硬度计、纳米压痕仪、拉伸试验机、疲劳裂纹扩展设备)的测试结果,明确了组织与性能之间的内在联系。研究结果对生产高性能TC4合金增材制造零部件具有积极的指导意义。主要研究结果如下:(1)零件加工过程中裂纹的形成主要分为主裂纹萌生、裂纹扩展、次裂纹萌生、裂纹终止四个阶段。调整支撑设计、基板预热、扫描策略等加工工艺,可以降低工件成形过程中的残余应力,从而有效消除裂纹缺陷的产生。较低的激光能量密度会导致零件的致密性差,较高的能量密度会导致零件表面过度熔化,成型困难,也会导致零件内部产生较大的残余应力,从而发生开裂现象。优化激光功率、扫描速度、扫描间距等加工参数,可以改善零件内部的组织结构,从而有效降低零件的孔隙率。(2)选区激光熔化的TC4合金微观组织呈现为:与沉积方向平行的200-300μm的柱状β晶粒;宽度小于1μm相对于彼此以0°、30°、60°和90°的特定角度倾斜的细针状α’组织;聚集在马氏体板条边界的纳米级亚晶粒。样品的XRD图谱未显示β相峰,其各元素分布均匀,未发生明显的元素偏析现象。样品的维氏硬度数值在大于3k N的压力下趋于稳定,测试得出样品的维氏硬度为360HV(±10HV),纳米硬度在445 HV-495 HV区间内,杨氏模量在120 Gpa-140Gpa范围内,屈服强度均值为1280MPa,极限抗拉强度均值为1430MPa,断裂应变均值为3.8%。同时发现,样品的疲劳裂纹扩展门槛值:ΔK0=3.5343 Mpa.m0.5,疲劳裂纹扩展速率:da/d N=6.9307×10-11(ΔK)2.8745。在恒幅2k N,加载频率10HZ,应力比0.1条件下,裂纹扩展长度为0.7a/w,应力循环次数均值为LC=138300。综合来看,与锻件相比,SLM零件表现出高强低塑的特性,抗裂纹萌生能力较强,但抗裂纹扩展性能不足。(3)在SLM热处理过程中,细小的针状α’组织对微观结构的演变具有显著的限制作用。当在不同温度下进行低转变点热处理时,观察到晶粒尺寸随温度升高而缓慢增加,α/α’板条尺寸与加热温度密切相关。仅当加热温度超过900°C时,α薄片宽度的增长才变得明显(大于4μm)。冷却速率没有显著影响热处理的SLM Ti-6Al-4V合金的机械性能。对于炉冷和空冷样品,在950°C/2 h/AC热处理后,可获得最佳的拉伸性能,该样品具有高的屈服强度(超过1 GPa),高的极限抗压强度(约1.1 GPa)的和良好的延展性(约12.5%)。同时可以预见短时效热处理提高了材料的疲劳寿命,其应力循环次数LC=202755,比SLM试样高了46.6%。(4)设计的长时效热处理引起了α相和β相体积分数的振荡,与循环的缓慢冷却处理协同作用,使α相通过外延生长而球状化。由此产生的双态微观组织使延展性显著提高(断裂应变率为16%±0.6),同时保持了高强度(屈服强度为908±10MPa),同时使零件的疲劳裂纹扩展性能也明显增强(门槛值ΔK0=8.5632Mpa.m0.5,应力循环次数LC=335614)。(5)超声滚压能够细化SLM成型的TC4零件的表面组织,随着滚压力与滚压次数的增加,材料的变形层逐渐增厚(从200μm到540μm),表面维氏硬度逐渐增加(最高比SLM试样高了173%)。材料的屈服强度也从1270 MPa增加到了1510 MPa(与未处理的样品相比,增加了18.90%),同时提高了材料的抗疲劳裂纹扩展性能(门槛值ΔK0=7.7526 Mpa.m0.5,应力循环次数LC=284898),但是也带来了塑性的下降(仅为SLM样品的72.36%)。(6)超声表面滚压处理对热处理后的SLM Ti-6Al-4V合金的拉伸强度和极限屈服强度影响有限,同时导致了延伸率的下降。值得注意的是950℃/2h/AC HTed+USRPed试样的屈服强度和延伸率均达到了锻造合金的相应水平,同时试样的抗疲劳裂纹扩展能力也优于锻造合金。从实验数据可以发现,HT和USRP可以提高材料的疲劳寿命,HT+USRP工艺甚至可以使材料的疲劳寿命超过锻造合金的相应水平。
其他文献
从压缩感知的信号中重构出原始信号一直是计算成像领域中的热点问题,其核心是如何提升成像质量。压缩感知信号重构是一个不适定的逆问题,重建过程会遇到各种挑战,其中最常见的是边缘模糊和噪声干扰。最近,深度学习方法显示了解决各种逆成像问题的巨大潜力。但由于计算成像不同成像系统的特殊性,通常需要针对不同的成像逆问题分别进行建模,缺乏通用性和灵活性。为此,本文主要研究基于无监督深度学习的计算成像方法,采用生成网
在如今高度网络化、信息化的时代,掌握网络舆情是非常有必要的。2020年微博的日活跃用户量高达2.24亿,可见对于微博的舆情分析具有较高的研究价值和重要的社会意义。在舆情分析上,传统的文本情感分析存在情感词典不全、领域适用性差等问题;而机器学习分类方法存在细粒度不够、分类方法单一(多为二元分类)等问题。因此,本文提出了一个将情感词典和机器学习相结合的情感分类方法,并运用于微博的舆情分析。实验结果表明
随着人工智能的崛起,计算机视觉在城市智能化上发挥着举足轻重的作用,为响应智能化城市建设、加快科学技术发展使得计算机视觉已经成为当下一大热点研究方向。微表情作为计算机视觉领域中重要的一环,因其具有微妙、轻微等特点,从而导致其依然存在识别率低、可解释性弱等问题。如何从微表情视频片段中挖掘、识别微表情信息成为计算机视觉领域的热难点。若能很好的挖掘脸部表情动作与情感的联系,将使得机器更生动形象化的展现人的
随着老龄化的日益加剧,突发性摔倒等老年人健康监护问题已成为社会性困扰。基于计算机视觉的摔倒检测方法可为老年人健康监护问题提供有效解决方案。然而,仍然存在如下亟待解决的问题。(1)现有研究往往忽视对人群摔倒优先级的分析,只关注结果,但不同年龄段人群摔倒造成的后果可能完全不同;(2)现有大多摔倒检测方法均为集中式,无法对重点人群优先进行检测,实时性和可拓展性较差,且缺少摔倒预判断机制。针对问题(1)中
目的:确定香菇多肽可行简单的提取工艺。方法:取香菇,前处理,加热提取,蛋白酶酶解,澄清处理,过超滤膜,真空浓缩,喷雾干燥得香菇多肽。结果:以去离子水为香菇多肽的提取溶剂;碱性蛋白酶酶解,酶的添加量为1.2%,最适p H值为8.5,最适酶解温度是55℃;加16倍去离子水进行加热提取,提取时间为2小时;真空浓缩至白利糖度为15°左右;干燥方法为喷雾干燥。结论:利用酶法提取香菇多肽的工艺简易、可行。
近年来,随着移动云计算的快速发展,云数据泄漏事件频频发生,例如简历信息贩卖事件,隐私泄漏安全问题成为移动云计算亟待解决的问题之一。用户与移动云服务器的相互认证作为保护隐私安全的第一道屏障,其认证过程中如果用户密钥完全由密钥生成中心(KGC)决定,KGC受到恶意攻击或者本身不可信情况下,会给移动云应用身份认证过程带来巨大的风险,即密钥托管问题。针对该问题,本文设计一种新的隐私感知认证方案,将该认证方
随着大数据时代的来临,数据的获取效率不断提升,如何从海量数据中识别出与其他样本不同的离群点是生产活动中需要考虑的重要问题。现在已经有许多不同的异常检测方案被提出,用于解决离群点识别这一问题,但是这些方法都有不同的缺陷。例如需要足够的异常样本进行训练或者过于依赖参数选择等。而孤立森林算法相比于其他异常检测算法具有时间复杂度低、只需要小数据集进行训练、参数选择少等优势,但同时也存在训练过程中随机选取属
医学图像是重要的临床参考信息,被广泛应用于实际临床诊断中。高分辨率的医学图像可以辅助医生做出更好的治疗决策,但直接获取真实的高分辨率医学图像较为困难,往往需要更换精度更高的成像设备。超分辨率重建技术可以通过低分辨率医学图像生成高分辨率医学图像,成本更为低廉。医学图像对重建准确度要求较高,利用残差网络实现医学图像超分辨率重建,能更好的还原医学图像的纹理特征。本文基于残差网络结构,研究医学图像超分辨率