190-paper-板材热精轧微观组织演化模拟及力学性能预报(修改）

联系人：张士宏[e-mail]024-83978266，曲周德[e-mail]13485368457板材热精轧微观组织演化模拟及力学性能预报张士宏1，曲周德1,2，王忠堂1，李殿中1（1.中国科学院金属研究所，沈阳110016；2.太原科技大学太原030024）摘要：为了满足用户对薄板带钢尺寸精度和力学性能的日益严格的要求，迫切需要应用计算机数值模拟技术来模拟薄板带钢的连轧过程、预测最终产品的力学性能、获得优化的热轧工艺参数。本文研究了薄板连轧精轧过程中的变形、热交换和精轧过程中的组织演变，以及加工后板材的组织与力学性能之间的对应关系等内容。对薄板多道次热精轧过程宏观层次的有限元模拟、微观层次的组织预报、亚观层次的MonteCarlo模拟方法等进行了深入研究。研究成果对于发展多场多层次耦合模拟技术，利用商业有限元软件进行组织预测和力学性能预报具有重要的理论意义和实用价值。关键词：组织演化；数值模拟；性能预报；蒙特卡罗法；神经网络MicrostructureEvolutionSimulationandMechanicalPropertiesPredictionduringFinishingRollingofThinStripZHANGShihong1,QUZhoude1,2,WANGZhongtang1,LIDianzhong1(1.InstituteofMetalResearch,Shenyang110016,China;2.TaiyuanUniversityofScienceandTechnology,Taiyuan030024,China)Abstract：Tofulfilltheincreasinglystrictdemandsforshapeprecision,mechanicalpropertiesofplaincarbonsteeltosupplyconsumers,computersimulationtechniqueofhotrollingprocessandpredictingthemanufacturepossibilityaswellasproductperformancewhichisusedtooptimizerollingschedulesisurgentlyrequired.Thepaperendeavorstostudythedeformations,thermalexchangeandmicrostructureevolutionofstripsduringhotrollingandtherelationsbetweenmechanicalpropertiesandmicrostructureofproductionaftercooling.Acomprehensiveinvestigationisconductedintofiniteelementtechnology,predictionofmicrostructures,mesoscopicsimulationtechniquebasedonMonteCarlo.Theachievementsarepracticallyvaluabletothedevelopmentofmulti-fieldsandmulti-scalecoupledfiniteelementtheory,flexiblymakinguseofcommercialFEMcode.Keywords：Microstructureevolution,Simulation,Mechanicalpropertiespredict,MonteCarlo,Artificialneuralnetwork1前言热轧带钢生产是关键性的钢铁生产过程之一，90%以上的薄钢板要经过热轧带钢工序生产出来。热轧带钢产品是汽车制造、电器、建筑和机械等基础工业的重要原材料，因此在国民经济中占有举足轻重的地位。实验表明在热轧过程中不断改变的显微组织强烈地影响着金属的流动应力。一个合理的模型应该能精确预测过程参量对诸如材料流动应力，温度分布，显微组织演化等的影响，以及它们对后续产品性能的影响。因此，一个精确的热轧模型应该是能够模拟微观结构演化、成形和热交换的集成模型[1]。2精轧过程组织演化多道次多道次有限元模拟内部组织是影响板材力学性能的一个重要因素。热轧产品的微观组织和力学性能的计算机预报涉及到塑性变形、力学、传热学、金属学、冶金学、实验技术等多个学科，是近年来迅速发展的具有广泛应用前景的应用技术。国内外研究者利用有限元软件对热加工过程中组织演变进行了模拟，作了一些开创性的工作。例如Kopp等用有限元对热压缩实验进行了多层次模拟并预报了50Cr4V钢的晶粒尺寸；崔振山[2]把热成形过程中微观结构变化与力学行为结合起来，对C-Mn钢热轧进行了动态再结晶过程模拟和质量预报。本文利用商业有限元程序对薄板热精轧的7道次连续轧制过程进行了有限元模拟。考虑到板材的对称性将建立二维计算模型，图1为建立的二维有限元模型，为了能实现多道次模拟，建立有限元的多道次模型如图2所示。道次另一个道次道次间隔图1薄板精轧成形的有限元计算模型图2有限元多道次连续轧制模型示意图Fig.1FEMmodelofthinstripfinishingFig.2SketchmapofFEMmodelofmulti-passrollingprocessfinishingrolling很多文献都发表了各自的组织演化模型，虽然各种表现形式表现不一样，但其计算结果都区别不是很大。本文采用的模型形式类似于Sellars等人的模型，这种组织演化模型包括静态再结晶、动态再结晶和晶粒生长模型。回归热压缩试验数据获得静态再结晶、动态再结晶、晶粒生长模型。但是目前的大型商业有限元模拟软件中都没有集成Sellars模型，因此，为了同时对轧制成型过程中的组织演化进行模拟，对所使用的有限元软件进行了二次开发，二次开发的子程序UGrain流程图如图3所示。读入应力、应变、温度、应变率检查c计算各个单元的动态再结晶百分比和晶粒尺寸静态再结晶百分比大于0.98计算静态再结晶分数计算晶粒长大累积计算单元平均晶粒尺寸数据保存,进入下一次迭代是否是否图3UGRAIN子程序流程图Fig.3FlowchartofUGRAINsubroutine图4（a）、（b）、（c）分别为第一道次计算的应变、温度和晶粒尺寸。由于温度是影响组织演化的主要因素，为保证计算的准确性，将7道次温度计算结果与生产线的测量结果，进行了对比，如图5所示。图4（c）为通过二次开发的子程序计算的第一道次薄板内的晶粒尺寸分布图，图4（d）为轧卡试验中第一道次的金相图。（a）应变（b）温度（c）晶粒尺寸（d）微观组织图4有限元计算结果Fig.4Simulationresults1234567830840850860870880890900910920实测温度预测温度温度(℃)道次序号图5各个道次出口处的温度测试值Fig.5Measuredtemperaturevaluesatexitofeachpass3精轧过程亚观层次MonteCarlo模拟金属在材料加工中，由于温度升高，晶粒长大，如果板材轧制过程中若干工艺参数选择不当，也会由于板材晶粒粗化导致材料性能下降。现在研究者已经能够采用有限元、有限差分等方法计算出材料在加工过程中宏观参量如温度场、应力场、应变场、流场等，但在涉及到晶粒尺寸（m6410~10）方面，以连续场为基本假设的有限元等方法的应用受到限制。这个范围称为亚观层次。而这个领域的性能参数如晶粒度，对材料性能又有重要影响，于是研究者提出了一些新的计算方法如蒙特卡罗等方法来处理这个层次的计算问题。为了研究在板材精轧过程中晶粒尺寸的演化，在研究中，通过研究前人的算法的基础上[3,4]，编制了MonteCarlo（MC）计算程序，MC程序计算过程中将成形过程的温度历史加以考虑。计算结果如图6所示，图6（a）、（b）、（c）分别显示的计算过程中，三个垂直的截面上的晶粒拓扑图。图6（d）显示的根据这三个平面图组织的三维拓扑图。(a)(b)(c)(d)图6MC模拟结束在X=1，Y=1，Z=1三个平面上的晶粒结构Fig.6GraintopologicpictureatX=1,Y=1,Z=1afterMCsimulation4性能预报神经网络模拟金属工业需要能够预测显微组织和机械性能。为了能够精确预测和控制钢材的组织性能，必须建立描述生产过程中组织演化各种物理冶金现象的数学模型和组织与力学性能之间关系的各种数学模型。模型中显微组织和力学性能模型的建立对于实现板材轧制力学性能的预测至关重要。人工神经网络（ArtificialNeuralNetwork,简称ANNs）是在现代神经科学研究成果的基础上提出来的，是人脑功能的某种抽象、简化和模拟。神经网络作为通用算法用于实验数据的处理，建立起的数学模型更能精确的逼近输入和输出之间的映射，可以消除回归法处理非线性问题时的缺点。由于神经网络不需要建立输入与输出之间的映射，使得模型的预报结果跟接近于实际情况，精度更高。因此把神经网络引入热轧钢组织性能预报系统有着很大的潜力[5]。研究中通过研究分析，所研究材料中铁素体、珠光体、贝氏体三个相的体积份数以及铁素体相的晶粒尺寸能够综合反映材料的组织，使用屈服强度、抗拉强度、冲击韧性作为表征材料的力学性能。基于以上原理，编制了BP神经网络程序，输入层向量是四维向量，分别是铁素体晶粒尺寸、和贝氏体、珠光体、铁素体相的份数，输出量有三个，即抗拉强度、屈服强度、冲击韧性等三个选择的表征材料力学性能的量。使用30组数据作为初始样本，对网络进行训练，然后使用7组样本对网络的预测能力进行测试。图7是利用网络预测的力学性能和试验获得的预测值的比较，从相对误差看，误差也都小于15%。引起这种结果的主要原因主要是因为网络设计时，输入值和输出值都要进行均一化，由于冲击韧性原先的绝对值比较小所导致的。640660680700720740760640660680700720740760实测值（MPa）计算值（MPa）490500510520530540550560570580590500520540560580实测值(MPa)计算值(MPa)（a）抗拉强度(b)屈服强度图7计算值与实验值比较Fig.7Comparisonbetweenthepredictedvalueandtheexperimentalvalue5结论(1)本文利用建立的多道次热轧过程有限元温度模型，模拟了7道次过程中的温度场演化过程，揭示了带钢热轧生产过程坯料的温度场随时间空间以及轧制道次变化的规律。(2)在建薄板精轧7道次有限元模型时，考虑了板坯在精轧过程中的再结晶和晶粒生长等冶金现象，本模型能够预测板带内的温度分布和组织演化，可以作为一个有效的离线模拟模型，对轧制中的工艺参数对最终板材力学性能的影响进行预测和优化工艺。(3)利用建立的与有限元温度模拟耦合的三维非等温MonteCarl模型，模拟了晶粒生长，合理预测晶粒尺寸分布，获得精轧过程中晶粒组织演化的拓朴结构。通过结合宏观基于准经验模型的有限元宏观模拟和基于蒙特卡罗方法的亚观晶粒拓朴结构模拟两个层次的模拟，可以获得组织演化的数据和可视化结果。(4)利用神经网络建立组织成分与微合金钢的力学性能预测模型，能够解决由于组织成分对力学性能影响复杂及它们之间关系难于精确描述的问题。利用神经网络进行微合金钢力学性能预测，精度高、结果可靠。参考文献1曲周德，张士宏，王中堂，李殿中.一个热轧板材有限元三场耦合模拟集成模型.第三届先进结构钢与轧制新工艺国际研讨会论文集，中国沈阳：130~136.2崔振山，刘才，乔桂英.H型钢热轧过程微观组织的数值预报[J].燕山大学学报，2000(2).3D.J.Srolovitz,M.P.Anderson,P.S.Sahni,etc.Computersimulation