-
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：CN116469496A
公开(公告)日：2023-07-21
申请号：CN202310519932.6
申请日：2023-05-10
Applicant: 东北大学
IPC: G16C60/00 , G16C10/00 , G06F30/27 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/126 , G06F18/2411
Abstract: 本发明提供物理冶金原理指导图神经网络的抗蠕变不锈钢设计方法，涉及钢铁材料设计和机器学习应用的技术领域；首先收集蠕变数据，建立蠕变数据集，将数据随机划分为训练集和测试集50次；根据训练集建立基于物理冶金学原理指导的图神经网络模型GNN‑PM；将相关系数大于90％的GNN‑PM模型作为遗传算法中的目标函数；得到优化后的化学成分、加工工艺及最佳抗蠕变性能的不锈钢；最后采用SVC分类器对得到的设计结果进行分类筛选，输出其典型合金的化学成分、加工工艺和蠕变寿命；本方法将物理冶金原理引入到机器学习中，同时结合优化算法形成完备的设计方案，使设计结果更加符合物理冶金学原理。
-
公开(公告)号：CN116484745A
公开(公告)日：2023-07-25
申请号：CN202310541074.5
申请日：2023-05-15
Applicant: 东北大学
IPC: G06F30/27 , G06N3/126 , G06F18/2413 , G06F18/27
Abstract: 本发明提供一种物理冶金指导工业大数据挖掘的热轧低合金钢设计方法，涉及热轧低合金钢和深度学习应用技术领域。本发明首先将与目标性能高度相关的物理冶金学参数添加到数据集中，并参与模型训练及设计过程。同时使用遗传算法(GA)对成分和工艺进行优化设计，最终使用大数据性能预测模型对设计结果进行有效筛选。本发明相对于纯粹的设计结果，采用物理冶金指导下的机器学习预，测精度更高，设计结果更加符合物理冶金原理。
-
公开(公告)号：CN116426846A
公开(公告)日：2023-07-14
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。
-
-
-
Search Results
4
records
(took 0.028 seconds)
