-
公开(公告)号：CN116426846B
公开(公告)日：2024-12-24
申请号：CN202310476749.2
申请日：2023-04-28
Applicant: 东北大学
IPC: C22C38/52 , C22C38/44 , C22C38/46 , C22C38/06 , C22C33/04 , C21D1/28 , C21D1/26 , C21D6/00 , C21D1/18 , C21D6/04
Abstract: 本发明提供一种复相析出的2.4GPa含铝高钴镍二次硬化钢及其制备方法，属于合金钢技术领域。这种基于性能优良的二次硬化型超高强度钢，在目前的高钴镍二次硬化钢M54合金成分基础上，加入1％的Al元素以引入能带来显著析出强化效果的纳米级NiAl相，实现与M2C碳化物的复相析出，以复合析出强化的方式达到高的屈服强度和抗拉强度，其制备方法拓宽了其回火热处理窗口，一次回火在所述温度范围内可任意选择，两种析出相的峰时效都在这个温度范围内，温度更高或更低都会严重削弱析出强化效果，最终的强度均可达到2400MPa，第二次回火使析出相强化作用更稳定，强塑性匹配更好，一定程度上解决了单一析出相对过时效敏感的问题。
-
公开(公告)号：CN119082552A
公开(公告)日：2024-12-06
申请号：CN202411276903.2
申请日：2024-09-12
Applicant: 东北大学
IPC: C22C19/05 , C22C1/047 , B22F10/25 , B22F10/28 , B22F10/366 , B22F9/08 , B22F1/065 , B33Y10/00 , B33Y70/00
Abstract: 本发明提供一种高温抗氧化增材制造用镍基高温合金及制备方法，属于增材制造镍基高温合金技术领域，本发明的方案为：以重量百分比计，所述增材制造镍基高温合金的化学成分如下：Al 5.5‑6.0wt%，Co 14.0‑14.4wt%，Cr 7.0‑7.5wt%，Mo 0.01‑0.05wt%，Ta 0.4‑1.0wt%，Ti 0.01‑0.03wt%，W 2.1‑2.5wt%，C 0.1‑0.3wt%，B 0.01‑0.03wt%，Nb 2.0‑2.5wt%，余量为Ni。本发明制备出一种同时具有优异的高温抗氧化性能、无裂纹缺陷以及低孔洞缺陷的增材制造适用型镍基高温合金，即在增材冶金条件下制备出无裂纹的合金，同时含有低水平的孔洞等缺陷，在此基础上使得增材制造镍基高温合金具有优异的高温抗氧化能力。
-
公开(公告)号：CN117551852A
公开(公告)日：2024-02-13
申请号：CN202410039288.7
申请日：2024-01-11
Applicant: 东北大学
IPC: C21D7/13 , C21D6/00 , C23C8/10 , C22C38/02 , C22C38/04 , C22C38/06 , C22C38/20 , C22C38/24 , C22C38/26 , C22C38/28 , C22C38/38
Abstract: 本发明涉及一种提高Cr‑Si合金热成型钢高温抗氧化性能的方法，属于Cr‑Si合金热成型钢的预处理技术领域，在空气环境下，将Cr‑Si合金热成型钢置于温度为700‑820℃，加热时间为1‑5min的条件下进行预氧化，预氧化后取出在空气中冷却至室温；冷却后加热保温，确保能够实现完全奥氏体化；转移钢板进行冲压合模；钢板在内部带有冷却系统的模具中热成型，并处于保压状态，经热保温处理获得热成型钢。本发明将预氧化处理的钢板在空气气氛下热成型后获得的表面氧化层厚度不超过1.0μm，解决了奥氏体化过程中Cr‑Si合金热成型钢存在严重的高温氧化问题，以此避免较厚氧化皮脱落造成的模具损伤。
-
公开(公告)号：CN116959640A
公开(公告)日：2023-10-27
申请号：CN202310906899.2
申请日：2023-07-24
Applicant: 东北大学
IPC: G16C60/00 , G06F30/20 , G06F113/26 , G06F119/14 , G06F119/08
Abstract: 本发明提供基于多目标优化的增材制造镍基高温合金设计及制备方法，属于增材制造镍基高温合金技术领域。本发明首先预定义一个成分搜索范围，采用遗传算法在该区间内随机生成合金成分；对于生成的合金成分利用热动力学软件Thermo‑Calc计算它们的微观组织稳定性、抗氧化性、固溶强化效果和裂纹敏感性，以保证合金性能高于预定的最低水准。最后对于满足条件的合金成分进行评估和筛选，并绘制出帕累托前沿得到目标合金。该方法能够设计出无裂纹、低孔洞缺陷，同时具有优异的高温力学性能和良好的微观组织稳定性的适用于增材制造的新型镍基高温合金。
-
公开(公告)号：CN116657054A
公开(公告)日：2023-08-29
申请号：CN202310886845.4
申请日：2023-07-19
Applicant: 东北大学
IPC: C22C38/04 , C22C38/02 , C22C38/38 , C22C38/34 , C22C38/26 , C22C38/06 , C22C38/24 , C22C38/28 , C22C38/20 , C21D8/02 , C21D1/26
Abstract: 一种含稀土元素的抗高温氧化热冲压钢及热冲压成形工艺，属于钢铁材料热冲压领域。热冲压钢板的成分为C，Mn，Si，Cr，Y或Ce，Nb，S，P，Al，V，Ti，Cu，余量为Fe和不可避免的杂质。热冲压成形工艺包括以下步骤：将热冲压成形钢板加热后保温，加热炉中气氛为空气环境，使钢板完全奥氏体化，再转移到模具中冲压成形，模具保压冷却，之后放入热处理炉中保温获得热冲压成形钢，获得的热冲压成形钢组织为马氏体和体积百分比为3％‑7％的残余奥氏体组织。本发明钢在空气中热冲压后获得0.5μm以下的致密氧化层，解决了氧化皮脱落造成的模具损伤，不需要保护气氛的设备，提高了表面质量，满足热冲压成形钢的力学性能。
-
Patent Agency Ranking
公开(公告)号：CN114058799B
公开(公告)日：2022-11-29
申请号：CN202111438758.X
申请日：2021-11-29
Applicant: 东北大学 , 本钢板材股份有限公司
IPC: C21D1/26 , C22C38/04 , C22C38/02 , C22C38/06 , C22C38/34 , C22C38/38 , C22C38/26 , C22C38/24 , C22C38/28 , C22C38/20 , C21D8/02 , C21D1/30 , C21D1/74
Abstract: 本发明属于热处理技术领域，具体涉及一种高Cr‑Si合金化热成形钢的罩式退火方法。针对高淬透性的高Cr‑Si合金化热成形钢卷取后的组织性能均匀性差、热成形后马氏体组织弯曲性能有限，酸洗焊接、开卷落料、热成形过程工艺不稳定，导致成材率低，性能波动大等问题，本发明提供一种改善高Cr‑Si合金化高淬透性热轧热成形钢均匀性与弯曲性能的罩式退火方法。经过罩式退火之后，热成形钢卷的组织均匀性大幅提高，内应力降低，钢卷头尾与卷心的性能差距减小，开卷瓢曲得到改善，并降低了边部、头尾材料损耗。另外，罩式退火过程中，高温氢气还原作用可以在本发明所述成分的钢卷表面产生一定厚度的脱碳层，进而提高后续热成形加工制成的热成形钢的弯曲性能。
-
公开(公告)号：CN110442954B
公开(公告)日：2022-11-25
申请号：CN201910698771.5
申请日：2019-07-31
Applicant: 东北大学 , 本钢板材股份有限公司
IPC: G06F30/17 , G06F30/27 , G06N20/20 , G06K9/62 , G06N3/12 , G06F111/10 , G06F119/14 , G06F119/08
Abstract: 本发明提供一种基于物理冶金学指导下机器学习的超高强不锈钢设计方法，涉及钢铁材料设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于90％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得超高强不锈钢，对不锈钢的成分及热处理条件进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、硬度。该方法可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。
-
公开(公告)号：CN110415769B
公开(公告)日：2022-10-21
申请号：CN201910698854.4
申请日：2019-07-31
Applicant: 东北大学 , 本钢板材股份有限公司
Abstract: 本发明提供一种基于物理冶金学指导下机器学习的低活化钢的设计方法，涉及材料计算设计技术领域。本发明首先采集数据,采用多次留出法将数据划分训练集及测试集；根据训练集建立基于物理冶金学指导的集成学习算法模型；将集成学习算法模型的相关系数大于90％的作为遗传算法中的目标函数；遗传算法被用于优化设计成分及工艺获得最佳强度的低活化钢，对低活化钢的成分及工艺进行设计；对于得到的大量设计结果采用SVC分类器进行分类筛选，输出其典型合金的成分、工艺、屈服强度。该方法使基于统计学的机器学习富有了物理冶金学含义，并且该方法可以提升模型泛化能力，使设计更为高效，设计结果更加符合物理冶金学原理。
-
公开(公告)号：CN113033105A
公开(公告)日：2021-06-25
申请号：CN202110368797.0
申请日：2021-04-06
Applicant: 东北大学
IPC: G06F30/27 , G06F119/04 , G06F119/14
Abstract: 本发明提供一种基于力学理论指导迁移学习的钢铁材料疲劳性能预测方法，涉及钢铁材料的设计和机器学习应用技术领域。本发明将力学理论机制引入到机器学习中，解决了材料高成本属性预测的小样本问题。通过基于力学理论指导建立钢种成分、工艺与目标性能之间的关系。本方法针对获取成本高的目标性能，利用目标性能与源性能间的高相关性，即基于力学理论指导，仅利用数十组目标性能数据便可建立起准确预测目标性能的迁移学习模型。该方法显著降低了机器学习对于高成本目标性能的数据量要求，显著提高了高成本目标性能评估、预测效率，并最终有利于提高新材料研发速率。
-
公开(公告)号：CN113032909A
公开(公告)日：2021-06-25
申请号：CN202110368791.3
申请日：2021-04-06
Applicant: 东北大学
IPC: G06F30/15 , G06F30/17 , G06F30/27 , G06F119/14 , G06F119/22
Abstract: 本发明提供一种分子动力学指导的机器学习的激光制孔结果预测方法，涉及激光制孔和机器学习应用技术领域。本发明应用分子动力学微观物理模型指导的支持向量回归(SVR‑MD)建立起飞秒激光制孔工艺参数与目标性能之间的关系，形成了完整的飞秒激光制孔效率及质量的预测平台。通过将与目标性能高度相关的微观物理参量添加数据集中，参与模型训练及设计过程，使机器学习过程富有物理意义，相比于单纯的机器学习模型，分子动力学指导下的机器学习预测精度更高，成功构建了飞秒激光在金属镍靶材上冲击制孔效率及质量的预测模型。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.03 seconds)
