(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110042207.5 (22)申请日 2021.01.13 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 向华　马进　庄新村　赵震　 (74)专利代理 机构 上海交达专利事务所 31201 专利代理师 王毓理　王锡麟 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G01N 25/00(2006.01) G06Q 10/04(2012.01) G06Q 50/04(2012.01) G06F 119/08(2020.01)G06F 119/14(2020.01) (54)发明名称 针对车轴多道次多工步锻造成形过程的晶 粒尺寸预测方法 (57)摘要 一种车轴锻件的晶粒尺 寸快速预测方法， 基 于单道次、 双道次热模拟实验和加热保温实验， 分别构建所用材料的动态再结晶模 型、 亚动态再 结晶及静态再结晶模型和晶粒长大模 型， 从而搭 建针对车轴钢的宏微观集 成仿真平台， 设计不同 工艺参数的成形工艺方案并分别在宏微观集成 仿真平台中对车轴不同工艺方案下的锻造过程 进行全流程晶粒尺寸演变的数值仿真， 建立车轴 锻件晶粒尺 寸评价标准， 获取用于训练多层神经 网络的数据集， 最后将训练后的多层神经网络进 行车轴锻件整体晶粒尺寸及均匀度的快速预测。 本发明预测效果明显优于现有单工序神经网络 建立的晶粒尺 寸预测模型， 可以对 锻件整体的晶 粒尺寸情况进行快速准确预测， 大幅提高预测效 率， 有效抑制现有神经网络技术在样本集较小、 非线性程度较高时的过拟合现象。 权利要求书3页 说明书7页 附图5页 CN 114764525 A 2022.07.19 CN 114764525 A 1.一种车轴锻件的晶粒尺寸快速预测方法， 其特征在于， 基于单道次、 双道次热模拟 实 验和加热保温实验， 分别构建所用材料 的动态再结 晶模型、 亚动态再结 晶及静态再结 晶模 型和晶粒长大模型， 从而搭建针对车轴钢的宏微观集成仿真平台， 设计不同工艺参数 的成 形工艺方案并分别在宏微观集成仿真平台中对车轴不同工艺方案下的锻造过程进行全流 程晶粒尺寸演变的数值仿真， 建立车轴 锻件晶粒尺寸评价标准， 获取用于训练多层神经网 络的数据集， 最后 将训练后的多层神经网络进行车轴锻件整体晶粒尺寸及均匀度的快速预 测； 所述的动态再结晶模型包括： 动态再结晶动力学模型 及晶 粒尺寸模型 其中： ε＞εc， Xdrx为动态再结晶分数， ε为变形的应变， εc为 动态再结晶临界应变， ε0.5为发生50％动态再结晶时的应变， Ddrx为动态再结晶晶粒尺寸( μ m)， 为应变速率， Q为形变激活能(J/mol)， R为气体普适常数， T为绝对温度(K)， a、 A、 n、 b为 与车轴钢材料相关的参数； 所述的亚动态再结晶及静态再结晶模型包括： 亚动态/静态再结晶动力学模型 及晶粒尺寸模 型 其中： t为时间， t0.5为 发生50％亚动态/静态再结晶需要的时间， X为亚动态/静态再结晶体积分数， A、 k、 m、 l、 p、 n 为材料参数， Q为形变激活能(J/mol)， T为绝对温度(K)， X为亚动态/静态再结晶的软化分 数， ε和 分别为应 变和应变速率， D为 亚动态/静态再 结晶的晶粒尺寸( μm)； 所述的晶粒长大模型 其中： dt为在t时刻的晶粒尺寸( μm)， d0为 初始状态的晶粒尺寸( μm)， t为保温时长(s)， T为保温过程的温度(K)， Q为激活能(J/mol)， R 为气体常数， A和n 为和车轴 钢相关的 晶粒长大参数； 所述的宏微观集成仿真包括： 对车轴锻造过程宏观意义上的力学性能和外形尺寸仿真 以及微观意 义上的车轴锻造全流 程微观晶粒演变实时追踪。 2.根据权利要求1所述的车轴锻件的晶粒尺寸快速预测方法， 其特征是， 所述的单道次 热模拟实验包括： 900 ‑1200℃的变形温度区间和0.01 ‑10/s的应变速率区间条件下的压缩 实验； 所述的双道次热模拟实验包括： 温度在900 ‑1200℃之间、 应变速率在0.01 ‑1/s之间、 预 应变在0.1 ‑0.5之间、 初始晶粒尺寸在 160‑250 μm之间、 道次间隔设置在 1‑300s条件下的双 道次压缩实验； 所述的加热保温实验， 即温度在90 0‑1200℃、 保温时间在0 ‑8h条件下的加热保温。 3.根据权利要求1所述的车轴锻件的晶粒尺寸快速预测方法， 其特征是， 所述的宏微观 集成仿真平台， 通过将模型编译成有限元软件FORGE可识别的子程序组成， 具体为： 力 学模 型及微观晶粒演变模型的写入以及所用车轴钢材料库 的编写两个过程， 通过有限元软件 FORGE提供的用户自定义接口集成到软件中， 实现对车轴多工步多道 次成形过程的全流程权　利　要　求　书 1/3 页 2 CN 114764525 A 2宏微观集成仿真。 4.根据权利要求1或3所述的车轴锻件的晶粒尺寸快速预测方法， 其特征是， 所述的宏 微观集成仿 真平台， 经压缩实验进行有限元模型校准， 该压缩实验包括： 单道次与双道次热 压缩实验， 根据实验结果校准有限元模型的模拟结果， 保证数值模拟的准确性。 5.根据权利要求1所述的车轴锻件的晶粒尺寸快速预测方法， 其特征是， 所述的锻造过 程全流程包括： 倒棱、 滚圆、 粗锻轴颈、 精锻轴颈； 所述的工艺 参数包括： 坯料的初始晶粒尺寸和成形 过程的压下量； 所述的成形工艺方案包括： 不同坯料初始晶粒尺寸、 倒棱压下量、 滚圆压下量、 粗锻轴 颈压下量以及精锻轴颈 压下量的工艺 参数组合。 6.根据权利要求1所述的车轴锻件的晶粒尺寸快速预测方法， 其特征是， 所述的全流程 晶粒尺寸演变的数值仿真包括： 车轴锻件在倒棱、 滚圆、 粗锻轴颈、 精锻轴颈四个工步下不 同部位的 晶粒尺寸演变情况。 7.根据权利要求1所述的车轴锻件的晶粒尺寸快速预测方法， 其特征是， 所述的车轴锻 件晶粒尺寸评价标准包括： 车轴 锻件样本点的选取和晶粒尺寸评价函数， 车轴锻件样本点 的选取应包括车轴 锻件轴向与径向的不同部位、 涵盖各个晶粒尺寸区间， 晶粒尺寸评价函 数包括： 锻件平均晶粒尺寸 以及晶粒均匀性函数 其中： 为 车轴锻件平均晶粒尺寸， n为样本点数目， Gi为第i个样本点的晶粒尺寸， W为车轴锻件晶粒 均匀度。 8.根据权利要求1所述的车轴锻件的晶粒尺寸快速预测方法， 其特征是， 所述的训练多 层神经网络的数据集包括： 坯料初始晶粒尺 寸、 倒棱压下率、 滚圆压下率、 粗锻轴颈压下率、 精锻轴颈 压下率、 锻件平均晶粒尺寸以及锻件晶粒均匀度， 其中： 所述的压下率η表征锻件每个工步压下程度， 具体为： 其中： h(mm)为压下 量， D(mm)为锻件初始直径； 考虑到前后两个工步之间晶粒尺寸的相互影响， 以每个工步开始时的平均晶粒尺寸、 晶粒均匀度以及压下率为输入参数， 以工步结束后的平均晶粒尺寸及晶粒均匀度作为输出 参数进行多工步之间的迭代计算。 9.根据权利要求1所述的车轴锻件的晶粒尺寸快速预测方法， 其特征是， 所述的多层神 经网络包括： 输入层、 多隐藏层和输出层， 输入层和输出层节点数根据输入和输出参数确 定， 隐藏层节点数 其中： m和 n分别为输入、 输出层的节点数， p一般为1 ‑10之 间的整数， 该神经网络以倒棱压下率与坯料初始晶粒尺寸作为输入参数， 以倒棱结束后的 平均晶粒尺寸及晶粒均匀度作为输出参数； 以滚圆压下率与倒棱过程平均晶粒尺寸及晶粒 均匀度同时作为输入参数在训练过程中迭代计算， 以滚圆结束后的平均晶粒尺寸及晶粒均 匀度为输出参数； 以滚圆平均晶粒尺寸及晶粒均匀度与粗锻轴颈压下率同时作为输入参数 在训练中迭代计算， 以粗锻轴颈平均晶粒尺寸及晶粒均匀度为输出参数； 以精锻轴颈压下 率和粗锻轴颈平均晶粒尺寸及晶粒均匀度同时作为输入参数在训练中迭代计算， 以锻件最 终平均晶粒尺寸及晶粒均匀度为输出参数， 实现锻件最终晶粒尺寸分布的预测；权　利　要　求　书 2/3 页 3 CN 114764525 A 3