Технологические особенности прогнозирования свойств расплавов и структуры металла отливок для работы в экстремальных условиях
Выполнено комплексное исследование литейных, механических и специальных свойств жаростойких и износостойких сплавов на основе железа в широком диапазоне концентраций хрома, марганца, алюминия, углерода, титана и так далее, разработаны новейшие жаростойкие и износостойкие сплавы в зависимости от конкретных условий эксплуатации литых деталей в экстремальных условиях. Создано базы данных, которые охватывают более 600 марок сплавов на основе железа, все существующие ферросплавы и марки стального и чугунного лома. Разработано методологию и программное обеспечение прогнозирования качества расплава, который находится в плавильном агрегате, по результатам первого химического анализа и структуры и свойств металла в отливках и компьютерного расчета шихты для выплавки высокохромистых сплавов с использованием стандартных и нестандартных шихтовых материалов. Разработаны новые формовочные и стержневые смеси для производства качественных отливок из сплавов и создано базу данных для выбора оптимальных рецептур смесей.
По результатам исследований литейных, механических и специальных свойств сплавов с высоким содержанием хрома разработано программное обеспечение для прогнозирования качества расплава и компьютерную программу расчета шихты для выплавки высоколегированных сплавов. Это способствует усовершенствованию технологического процесса плавления сплавов при условии использования современных экспресс методов спектрального анализа.
Как основа оптимизационной модели предварительно создан ряд регрессионных моделей зависимости свойств стали от ее химического состава для решения прямой задачи моделирования – прогнозирования: жидкотекучесть, линейная усадка, площадь трещины, полная объемная усадка, объем пустот, объем раковин, временное сопротивление разрыву, ударная вязкость и твердость. Наличие девяти регрессионных моделей дает возможность создать целый комплекс (систему) из девяти оптимизационных (диагностических) моделей для определения химического состава стали и пользоваться каждой из них предварительно определяя, какая из регрессионных моделей будет исполнять роль критерия оптимизации.
![](https://report.kpi.ua/files/2016_2851.png)
Attachment | Size |
---|---|
![]() | 548.12 KB |