供稿|李顏，張加霞 / LI Yan, ZHANG Jia-xia

鋯合金具有優(yōu)異的核性能，在300～400℃的高壓高溫飽和水蒸汽中具有良好抗腐蝕性和力學性能，因此廣泛的應用于冷水反應堆的包殼材料和結構材料等領域[1]。鋯合金的鍛造是其熱加工過程的第一個工序，其鍛件內、中及外層晶粒尺寸最終決定著后續(xù)擠壓、淬火及軋制等工藝參數的選擇范圍和最終成品的質量。由于鋯合金熱加工溫度高且鍛造工藝窗口窄，從而造成了鋯合金鍛造難度大。在實際生產過程中會存在因鍛造工藝選擇不當造成鍛件內、中及外層晶粒形貌尺寸差異較大的現象，甚至鍛件局部開裂的現象。為了獲得良好和均勻的鍛件組織，優(yōu)化并研究現有Zr-4合金鍛造工藝一直是鋯合金材料學者研究的課題之一[2]。

人工神經網絡(ANN)技術是一種數據信息分析處理技術，它可處理復雜的多元非線性關系輸入與輸出之間的邏輯關系問題，并通過自身的自學能力從已有的實驗數據中自動總結規(guī)律[3]。有限元法(FEM)因具有可解決高度非線性接觸問題和運算時間短的優(yōu)點，在材料學中的鍛造過程中得到了廣泛的應用。何文武等人采用Gleeble-1500D熱模擬實驗機和DEFORM-2D相結合的方法，建立了Mn18Cr18N鋼多次鍛造微觀組織演變模型，并預測了Mn18Cr18N鋼多火次熱變形的微觀組織演變規(guī)律[4]；于德軍等人運用彈塑性有限元方法對鈦合金開坯鍛造過程進行了三維熱力耦合模擬，分析了不同條件下各過程中的溫度、應力和應變的空間分布變化規(guī)律[5]。本文使用ANN和FEM相結合的方法建立了鍛造比為1.64的Zr-4合金鍛件晶粒組織研究模型，為豐富鋯合金加工工藝、擴大鋯合金鍛造理論研究奠定了一定的基礎。

實驗方法

本實驗采用的Zr-4合金鑄錠的主要成分(質量分數，%)：基體為Zr，合金元素為Sn 1.2～1.7，Fe 0.18～0.24，Cr 0.07～0.13，C≤0.027，H≤0.0025，O≤0.16。鍛造選用液壓鍛造機，上下砧板的尺寸為1500 mm×800 mm，該產品為核燃料元件用產品，鍛造比為1.64。采用電爐進行加熱，加熱溫度分別為900、950、1000及1050℃，鑄錠分別保溫至0.5、1、1.5及2 h后出爐，在每個鍛件的內層、中層級外層上取樣，并利用金相顯微鏡觀察每個鍛件內、中及外層的晶粒尺寸。利用ANN-FEM的網絡輸入層為Zr-4合金的鍛造比、鍛造溫度、鍛造時間，輸出層的網絡結構為鍛件外、中及內層的晶粒尺寸，通過試錯法[4]確定隱含層節(jié)點的數值，以相對擬合率(Correlation Coeff i cient，簡稱R值)來描述實際值與網絡輸出值之間的精度[5]，當R=1時候說明擬合效果最好；并用ANN-FEM模型求出Zr-4鑄錠鍛造過程中內層、中層及外層應力及溫度的分布趨勢。公式(1)是R值的計算式，式中Ei為實際實測結果，Pi為網絡輸出值，和分別為實測結果和網絡輸出值的平均值。

實驗結果

模型構建

表1為不同算法下的神經網絡運算結果比較?？梢姡赥raingda算法的ANN神經網絡具有收斂速度快、誤差小的特點(如圖1所示)。因此，本文的ANN神經網絡采用Traingda算法。圖2為不同隱含層單元數與R值的關系圖。當隱含層節(jié)點為11時，網絡測試的R值最大。圖3和圖4表明動量因子和學習速率分別為0.6和0.8時，R值最大。因此，本研究確定的網絡結構為3-11-3，動量因子為0.6，學習速率為0.8。

表1 不同算法下的神經網絡運算結果

圖1 訓練過程中迭代步驟與R值關系圖

模型應用

圖2 隱含層單元與R值關系圖

利用Zr-4鍛件晶粒組織尺寸ANN模型繪制的鍛造溫度和保溫時間與Zr-4鍛件晶粒組織尺寸關系模型如圖5所示。從圖中可見，Zr-4鍛件外、中及內層的晶粒尺寸隨著鍛件溫度和時間的增大而增大。Zr-4加工經驗表明，鍛件外、中及內層的晶粒尺寸差異較大時，其在后續(xù)擠壓、軋制變形過程中會出現開裂，因此為了確保Zr-4最終成品的質量，Zr-4鍛件最優(yōu)的鍛造工藝為加熱溫度900℃，保溫時間為0.5 h，其金相顯微組織如圖6所示。從圖6可見，其鍛件晶粒尺寸結果與網絡模型結果基本一致，因此可以證明Zr-4鍛件晶粒組織尺寸的ANN模型可有效的指導Zr-4鍛件的工藝生產。

圖3 動量因子與R值關系圖

圖4 學習速率與R值的關系圖

圖5 鍛造溫度和保溫時間與Zr-4鍛件晶粒組織尺寸關系模型圖

圖6 鍛件外層、中層及內層金相組織

理論分析

Zr-4鍛件晶粒組織尺寸的FEM模型鍛造過程的應力變形趨勢如圖7。從圖7可見，在鍛造開始至結束區(qū)間內，Zr-4鍛件外層區(qū)域金屬的最大應力先呈現線性遞增關系，隨后緩慢增長，而中層和內層區(qū)域金屬的最大應力變化不大。這是由于在鍛造過程中鍛件與上下砧板之間存在摩擦，鍛件與砧板接觸時，鍛件局部冷卻導致金屬流動受阻，而內層金屬又受到外層金屬的牽制，因而各區(qū)間上的金屬變形是不均勻的。最終導致鍛件外層、中層和內層晶粒尺寸和金相組織出現如圖5和圖6所示的趨勢。

結論

本文利用有限元法建立了鍛造比為1.64的Zr-4合金鍛造ANN-FEM模型。利用建立好的模型研究了鍛造加熱溫度、保溫時間與鍛件外層、中層、內層晶粒尺寸關系。基于Traingda算法的ANN神經網絡結構為3-11-3，動量因子為0.6，學習速率為0.8；Zr-4鍛件晶粒組織尺寸的ANN模型結果與實測值基本一致，可有效指導Zr-4鍛件的工藝生產；在鍛造開始至結束區(qū)間內，Zr-4鍛件外層區(qū)域金屬的最大應力先呈現遞增關系，隨后緩慢增長，而中層和內層區(qū)域金屬的最大應力變化不大。

圖7 鍛件過程彈性應力分布圖

[1] 劉建章. 核結構材料. 北京：化學工業(yè)出版社，2007：4

[2] Nikolay B. Q Form 3D——鍛造模擬新發(fā)展//中國國際鍛造會議暨2007年全國鍛造企業(yè)廠長會議. 北京，2007：157

[3] 何文武，劉建生，郭銀芳，等. Mn18Cr18N護環(huán)鋼多火次鍛造微觀組織演變及模擬. 塑性工程學報，2010，17(2)：45

[4] 于德軍，柏春光，徐東生，等. 鈦合金開坯鍛造過程的有限元模擬. 中國有色金屬學報，2010，20(s1)：500

[5] 司家勇，韓鵬彪，高帆，等. TiAl合金高溫鍛造開坯過程數值模擬研究. 材料工程，2009(3)：22

[6] 稀有金屬材料加工手冊編寫組. 稀有金屬材料加工手冊. 北京：冶金工業(yè)出版社，1984

[7] 彭志輝. 稀有金屬材料加工工藝學. 長沙：中南大學出版社，2003：121