本文關鍵詞：300系不銹鋼帶低溫退火力學性能和板形研究

  更多相關文章： 奧氏體不銹鋼 殘余應力 BP神經網絡 力學性能

【摘要】：隨著世界工業(yè)的不斷發(fā)展，國內外對不銹鋼的需求量越來越高，各個行業(yè)對不銹鋼的質量也越來越嚴格，因此不銹薄帶鋼板形和性能控制是滿足工業(yè)進一步發(fā)展的前提條件。 本文針對某企業(yè)冷軋304奧氏體不銹極薄帶鋼生產過程中板形差、成品使用性能不達標、產品成材率低等問題，依托現(xiàn)場現(xiàn)有設備12輥650雙機架可逆式冷軋機和連續(xù)低溫去應力退火爐，研究出不同軋制工藝和退火工藝下不銹薄帶鋼內部殘余應力分布情況，，顯微組織變化、力學性能變化規(guī)律等。 通過不同的熱處理制度研究了退火工藝對304不銹鋼薄帶組織和力學性能的影響。表明了不同的退火工藝對該帶鋼的力學性能影響較大，在退火張力和冷卻速度相同的情況下，當退火溫度由450℃-600℃變化時，材料的室溫組織的Rp0.2、Rm和HV值先升后降；并在退火爐溫550℃時室溫的Rp0.2、Rm和HV值達到最大。研究退火溫度對冷軋304不銹鋼板形及力學性能的影響，采用盲孔法測量了冷軋304不銹鋼帶的表面殘余應力，得出了帶鋼板形和殘余應力的關系，采用拉伸機測試并分析了不同退火溫度下不銹鋼帶的力學性能變化規(guī)律。表明隨著退火溫度的升高，屈服強度和抗拉強度先升高后下降，當退火溫度在500℃，退火張力在9kgf/mm2時，304不銹鋼帶的屈服強度和抗拉強度值最大；同時，該不銹鋼帶的內部殘余應力分布最均勻，說明304不銹鋼在500℃退火時力學性能最佳并且板形最好。針對目前不銹鋼在低溫退火過程中帶材屈服強度不易控制的問題，對301B不銹鋼的退火工藝進行了研究，發(fā)現(xiàn)軋制過程壓下率、退火溫度、來料厚度是影響不銹鋼帶材低溫退火屈服強度的關鍵因素。對人工神經網絡的BP算法進行了訓練，利用訓練后得到的模型，對低溫退火后屈服強度進行了分析和預測。通過計算可知，預測屈服強度和實際屈服強度的相對誤差為-5.76%至5.59%，通過建立預測圖譜分析得知，軋制過程壓下率和退火溫度對材料的屈服強度有較高的調節(jié)能力，來料厚度對屈服強度調節(jié)能力較小。 本文研究成果成功控制了不銹薄帶鋼的力學性能，達到了用戶所要求的各項力學性能指標，為該企業(yè)制定合理工藝參數(shù)，并帶來顯著的生產效益。
【關鍵詞】：奧氏體不銹鋼 殘余應力 BP神經網絡 力學性能
【學位授予單位】：內蒙古科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TG161
【目錄】：

• 摘要3-4
• Abstract4-8
• 引言8-9
• 1 文獻綜述9-23
• 1.1 不銹鋼概述9-14
• 1.1.1 不銹鋼的發(fā)展概述9-10
• 1.1.2 不銹鋼的特點10-12
• 1.1.3 不銹鋼的應用12-14
• 1.2 冷軋不銹鋼帶材生產14-17
• 1.2.1 冷軋不銹鋼帶生產工藝14-15
• 1.2.2 冷軋不銹鋼帶的軋制機組15-16
• 1.2.3 冷軋不銹鋼帶的低溫退火16-17
• 1.2.4 冷軋不銹鋼帶的精整17
• 1.3 冷軋不銹鋼板形控制17-20
• 1.3.1 不銹鋼板形的影響因素17-18
• 1.3.2 冷軋不銹鋼帶材的缺陷18-19
• 1.3.3 冷軋不銹鋼板形改善方法19-20
• 1.4 BP 神經網絡及應用20-21
• 1.4.1 BP 神經網絡20
• 1.4.2 BP 神經網絡數(shù)學模型20-21
• 1.4.3 BP 神經網絡在不銹鋼冷軋的應用21
• 1.5 冷軋不銹鋼殘余應力分析21-22
• 1.5.1 盲孔法發(fā)展現(xiàn)狀21
• 1.5.2 殘余應力改善方法21
• 1.5.3 盲孔法測殘余應力原理21-22
• 1.6 研究內容及意義22-23
• 2 退火溫度對 304 不銹鋼帶組織和力學性能的影響23-28
• 2.1 實驗材料及方法23-24
• 2.1.1 實驗材料23
• 2.1.2 實驗方法23-24
• 2.2 實驗結果與分析24-27
• 2.2.1 力學性能24-26
• 2.2.2 顯微組織分析26-27
• 2.3 本章小結27-28
• 3 退火溫度對 304 不銹鋼帶殘余應力的影響28-35
• 3.1 實驗材料及方法28-29
• 3.1.1 實驗材料28
• 3.1.2 實驗方法28-29
• 3.2 退火溫度對強度的影響29-30
• 3.3 退火溫度對殘余應力影響分析30-34
• 3.3.1 殘余應力產生30
• 3.3.2 盲孔法測殘余應力的原理30-31
• 3.3.3 退火溫度對殘余應力的影響31-34
• 3.4 本章小結34-35
• 4 神經網絡在 301B 不銹鋼帶屈服強度預測中的應用35-42
• 4.1 實驗材料和設備35-36
• 4.2 BP 神經網絡36-37
• 4.3 建立 BP 神經網絡模型37-38
• 4.4 BP 神經網絡模型預測分析38-39
• 4.5 神經網絡模型預測圖譜39-41
• 4.6 本章小結41-42
• 結論42-43
• 參考文獻43-47
• 在學研究成果47-48
• 致謝48

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳先霖;新一代高技術寬帶鋼軋機的板形控制[J];北京科技大學學報;1997年S1期

2 賈生暉,張杰,曹建國,何安瑞,顧云舟,黃濤;冷連軋機硅鋼板形控制目標的改進[J];北京科技大學學報;2002年03期

3 張清東;戴杰濤;;帶鋼板形翹曲變形行為的仿真[J];北京科技大學學報;2011年08期

4 邵一濤;曾衛(wèi)東;韓遠飛;周建華;王曉英;周義剛;;基于BP人工神經網絡的TC17鈦合金顯微組織-力學性能關系預測[J];稀有金屬材料與工程;2011年02期

5 劉立文,張樹堂,武志平;張力對冷軋板帶變形的影響[J];鋼鐵;2000年04期

6 呂程,王國棟,劉相華,姜正義,朱洪濤,袁建光,解旗;基于神經網絡的熱連軋精軋機組軋制力高精度預報[J];鋼鐵;1998年03期

7 胡賓賓;涂道遂;;我國“十一五”不銹鋼市場分析[J];鋼鐵技術;2008年06期

8 夏佃秀,李興芳,李建沛;控制軋制和控制冷卻技術的新發(fā)展[J];山東冶金;2003年05期

9 張雅琴;張小平;郭會光;何宗霖;;冷軋帶鋼殘余應力及其對板形影響的研究[J];塑性工程學報;2009年05期

10 杜秀麗;肖湘;李捷;;冷軋帶鋼殘余應力的實驗研究[J];機械工程與自動化;2011年04期

本文編號：1104713