Содержание к диссертации
Введение
1 Влияние режимов электромеханической обработки на глубину, микротвердость и параметры шероховатости поверхностного слоя 20
2 Исследование фазовых превращений, структуры и свойств упрочненного слоя при электромеханической обработке 27
3 Влияние электромеханической обработки на эксплуатационные свойства деталей, применяемых в машиностроении 43
4 Выводы и постановка задачи исследования 48
Теоретическое исследование диффузии в сталях с различной исходной структурой 49
Расчетно-аналитическое исследование фазовых превращений в углеродистой эвтектоидной стали с пластинчатой формой перлита 49
1 Модель структурных превращений 49
2 Постановка задачи диффузии 49
3 Результаты расчетов 55
4 Определение функциональной зависимости времени диффузионного превращения от температуры нагрева 59
Расчетно-аналитическое исследование фазовых превращений в доэвтектоидных сталях в исходном отожженном состоянии 61
1 Модель структурных превращений 61
2 Результаты расчетов 63
Расчетно-аналитическое исследование фазовых превращений в углеродистой стали с зернистой формой перлита 64
1 Модель структурных превращений 64
2 Постановка задачи диффузии 65
3 Результата расчетов 69 Методика экспериментального исследования 76 Материалы для образцов 76
Оборудование для электромеханической обработки 77
Технология электромеханической обработки 79
Металлографический анализ 80
Определение микротвердости 81
Определение глубины упрочненной зоны 81
Рентгеноструктурный анализ 82
Результаты экспериментальных исследований * 85
Исследование стали У8 с исходной отожженной и нормализованной структурой 85
Исследование стали 35 с исходной феррито-перлитной структурой 90
Исследование стали 45 с исходной структурой сорбита отпуска 93
Заключение 96
Список использованных источников
- Влияние электромеханической обработки на эксплуатационные свойства деталей, применяемых в машиностроении
- Расчетно-аналитическое исследование фазовых превращений в углеродистой эвтектоидной стали с пластинчатой формой перлита
- Постановка задачи диффузии
- Исследование стали У8 с исходной отожженной и нормализованной структурой
Введение к работе
Последние десятилетия сопряжены с увеличивающимся потоком информации. Во всех областях человеческой жизнедеятельности происходит автоматизация важнейших процессов. Глобализация, как закономерное следствие эволюции цивилизации, принесла новый взгляд на ведение экономической деятельности. Чем дальше человечество уходит от традиционного уклада жизни, тем слолшее становятся хозяйственные связи между субъектами, и тем эти связи становятся более распределёнными, что показательно. И если раньше большая часть населения была занята в производственной сфере, то ныне в развитых странах доля трудящихся в сфере обслуживания и сферах, несвязанных непосредственно с производством, в разы превышает долю «производственников».
Важнейшим показателем глобализации является вынос производственных мощностей в азиатские страны и страны третьего мира. Выгода таких решений очевидна. Для управления производством, элементы которого разнесены на тысячи километров, более не достаточно телефона или телетайпа - не тот порядок обмена информацией. На помощь приходят специальные компьютерные системы, зачастую, уникальные для каждого предприятия. В рамках таких ERP-систем автоматизируется документооборот, производственные процессы, управления кадрами и состоянием складов, отношения с поставщиками и субподрядчиками, а также многое другое [1]. Современные ERP-системы достаточно хорошо обрабатывают цифровые данные, но немного таких, которые используют графические данные как входную информацию, в то время как всё больше информации поступает именно в графическом виде, поскольку такая информация наиболее приемлема для человеческого восприятия.
Претерпели изменения и финансовые отношения. На первый план выходят электронные деньги. С их помощью совершают покупки не только рядовые граждане, но и осуществляются многомиллионные сделки между транснациональными корпорациями. Более того, деньги сами стали предметом торговли. Но поскольку любая торговля сопряжена с накладными расходами, финансовыми и временными, то участники торгов пытаются их уменьшить. Для этого был разработан международный рынок FOREX -внебиржевой международный рынок конвертируемых валют [2]. Посредством специальных программных средств и сети Интернет становится возможным осуществлять торговлю не выходя из дома. Предметом торговли может быть не только валюта, но и акции предприятий, природные ресурсы, обязательства и другое.
Данная тенденция не обходит стороной металлургические предприятия. Акции самых крупных из них давно участвуют в международной торговле, принося своим
владельцам прибыль. Как и многие другие, владельцы пакетов акций стремятся увеличить свою прибыль и уменьшить убытки. Чтобы достичь этой цели, они прибегают к специальным методикам, советам специалистов и программным комплексам, использующим особые алгоритмы. Актуальность развития именно в этом направлении особенно отчётливо видна на фоне недавнего мирового финансового кризиса.
Сейчас, как и во все времена, прибыль от торговли напрямую зависит от правильности принимаемых решений. Однако в новом информационном веке необходимо принимать решение, основываясь на огромном количестве факторов, многие из которых имеют глобальную природу, или даже на первый взгляд не связаны с проводимой сделкой [3,4]. Одной из важнейших задач для эффективного управления экономикой является создание информационных систем, которые бы обеспечивали хранение и анализ информации, а также снабжали специалистов данными, необходимыми для принятия верного решения.
Таким образом, отличительной особенностью вышеприведённых задач является их существование в таких условиях, которые могут меняться в процессе выработки решения. Подобные спорадически осциллирующие системы обусловливают необходимость применения новых подходов для разработки технологий поддержки принятия решений в динамической предметной области.
С ростом производительности компьютеров стало возможным решать задачи предсказания в реальном времени. Под реальным временем подразумевается время принятия решения, которое может варьироваться от минут до часов, в зависимости от вида прогноза. Так, например, пятиминутный прогноз требует принятия решения в течение минуты или двух, а дневной прогноз вполне может проводиться несколько часов. В связи с этим существенно разнится объём информации, которая подаётся на вход анализатора.
Другим важным фактором, оказывающим непосредственное влияние на качество прогноза, являются исходные данные. Обычно анализ данных осуществляется человеком-экспертом, который раз за разом должен вносить изменения в настройку системы по мере обновления данных. Это весьма трудозатратный процесс, к тому же не лишённый характерных ошибок, связанных с человеческим фактором.
Таким образом, актуальность работы заключается в огромном количестве доступной информации, с разной степенью влияющей на принятие решения, и отсутствием средств, которые позволяют её обработать, предложив верное решение с большой долей вероятности. Графическое представление исходной информации является специфической особенностью данной работы. На основе известных методов можно сделать вывод, что наибольшие накладные расходы происходят на этапе формирования
7 исходной выборки. Существенно сократить их помогает машинное обучение, методика которого представлена в настоящей работе.
Цель работы заключается в исследовании поведения спорадически осциллирующих систем в динамической предметной области, представляемых в виде двумерных графиков, проблем применения технологии машинного обучения в таких средах, а также создании информационной системы поддержки принятия решений, основанной на нечёткозначных моделях и машинном обучении.
Для достижения поставленной цели были выполнены задачи:
проанализированы существующие подходы к использованию графической
информации в различных сферах деятельности;
изучены различные интеллектуальные технологии, используемые для
принятия решений на основе графических данных;
рассмотрены варианты применения технологии машинного обучения на
графических данных;
созданы методы и алгоритмы распознавания фигур на графиках в
динамической предметной области;
в целях апробации разработанного метода создан прототип системы
поддержки принятия решений на финансовом рынке. Научная новизна работы заключается в следующем:
разработаны нечеткозначные модели фигуры «флаг» и участка ценового ряда
«тренд», а также дано формальное описание общей модели произвольной ленточной фигуры;
в работе описан метод машинного обучения на примерах, представленных в
виде графических данных («FuzGraph»). В качестве модели описания (репрезентации) выборки примеров была использована нечеткозначная формализация геометрических фигур;
разработан метод и алгоритм распознавания фигур на графиках в
динамической предметной области;
разработано алгоритмическое решение задач прогнозирования и
мониторинга на финансовых рынках. Теоретическая значимость заключается в следующем:
исследованы корреляционные зависимости между различными параметрами
графических фигур, учитываемых в процессе принятия решений;
описаны нечеткозначные фигура «флаг», участок ценового ряда «тренд»,
произвольная ленточная фигура, а также функции принадлежности для
них;
выполнена формальная постановка задачи для разработки системы принятия
решений, основанной на технологии машинного обучения на графических данных («FuzGraph»), с использованием нечётких функций принадлежности;
создан алгоритм поиска линий поддержки и сопротивления;
построена модель машинного обучения на графических данных. Практическая значимость заключается в:
возможности построения информационной системы металлургического
предприятия, которая позволяет эффективнее управлять его рыночными активами;
возможности более эффективного контроля над открытыми позициями на
валютных и фондовых рынках;
использовании разработанной технологии обработки графической
информации в различных областях, таких как: медицина, финансовый
анализ и др. В рамках данной исследовательской работы создан прототип системы поддержки принятия решений.
Методы исследования
При разработке программного комплекса использовались:
методы реляционной алгебры, методы статистического анализа и теория
нечётких множеств для описания моделей нечёткозначных фигур и для формирования базы правил в рамках системы принятия решений;
парадигма машинного обучения для формирования обучающей выборки
графических фигур;
методы алгоритмического моделирования и методы объектно-
ориентированного программирования для построения опытного образца системы «ЕМ»;
методика технического анализа на финансовых рынках для апробации
предложенных моделей и алгоритмов. Результаты работы были практически реализованы в виде программного комплекса, включающего в себя набор инструментов для обучения системы экспертом, глобального анализа исторической информации, контролем над развитием тенденции в реальном времени, реляционной СУБД, хранящей все необходимые данные для работы комплекса.
9 Апробация работы. Результаты работы докладывались на следующих научных конференциях:
Когнитивное моделирование в лингвистике (выставка программных
продуктов) CML-2005, Варна, Болгария 2005 г.
РОАИ-8-2007, Йошкар-Ола, Российская Федерация 7-13 октября 2007 г.
Теоретические вопросы диссертации освещаются в следующих научных
публикациях, в том числе одна публикация в издании, рекомендованном ВАК:
В.Н. Поляков, Е.Н. Леонов. Метод машинного обучения на графических данных (Тезисы) - Труды международной конференции «Когнитивное моделирование в лингвистике 2005». Изд. Учеба, М.-Варна, 2005. с.282.
В.Н. Поляков, Е.Н. Леонов, И.В. Поляков. Формирование инвестиционного портфеля и выработка стратегии принятия решения на фондовом рынке, основанной на нечёткозначной модели фигуры «флаг». Деп. в ВНИТИ — Москва, 2006 - 63 с.
В.Н. Поляков, Е.Н. Леонов, И.В. Поляков. Построение комплексной модели принятия решения на финансовых и фондовых рынках на основе взаимосвязи технических факторов - Труды 8-ой международной конференции «Распознавание образов и анализ изображений» (РОАИ-8-2007), 2007 г., Том 3. с. 100-110.
В.Н. Поляков, Е.Н. Леонов. Метод машинного обучения на графических данных. Учёные записки Казанского государственного университета. Серия Физико-математические науки. 2007. Том 149, книга 2, с. 92-104.
Работа соответствует паспорту специальности 05.13.01, и вьшолнена в следующих областях исследования:
Формализация и постановка задач системного анализа, оптимизации, управления, принятия решений и обработки информации.
Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических, медицинских и социальных системах.
Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации.
Методы получения, анализа и обработки экспертной информации.
Структура диссертации
Работа состоит из введения, шести глав, заключения, списка литературы и четырёх приложений.
В первой главе рассматриваются различные интеллектуальные технологии поддержки принятия решений на основе обработки графических данных. Приводятся примеры применения интеллектуальных систем в рамках управления реальными металлургическими предприятиями, в частности, ОАО "ГМК Норильский никель", АО «КазЦинк». Рассматривается такая разновидность интеллектуальных систем, как автоматизированные системы управления (АСУ). Уделено внимание некоторым особенностям устройства автоматизированных систем управления технологическими процессами. Многие из современных устройств, контролирующих технологические процессы на производстве, предоставляют выходные данные в графическом виде. От умения ЛПР правильно интерпретировать полученную информацию во многом зависит дальнейшее развитие событий, в том числе, различные критические ситуации, которые могут возникнуть. Одной из важнейших задач является своевременное выявление потенциальных аварийных ситуаций ЛПР.
В подтверждение тезиса о возрастающей роли графического представления исходных данных, приведены примеры из области медицины. В рамках таких важных методов исследования человеческого организма, как электрокардиография, реография, электроэнцефалография, приводятся примеры использования графического представления входных данных.
Также показано оперирование одновременно числовыми и графическими данными в рамках систем механической торговли, таких как SmartMoney, MetaStock, . Подробно рассматриваются принципы организации таких систем, их преимущества и недостатки.
Во второй главе вводится понятие нечёткозначных фигуры «флаг» и участка ценового ряда «тренд». После описания особенностей фигуры «флаг» и её отличия от других фигур, популярных среди трейдеров, следует обоснование выбора для работы разновидности этой фигуры - «бычьего флага». Подробно описывается модель фигуры «бычий флаг». Делается акцент на формализации этой фигуры путём ввода совокупности двумерных функций принадлежности. Внимание уделено участку ценового ряда «тренд» в нечёткозначном описании. Поскольку фигура «бычий флаг» наиболее полно проявляет свои особенности именно на восходящих трендах, то в рабочее пространство вводится модель фигуры «UP-тренд». Подробно освещаются её параметры, их назначение, а также функции принадлежности, которые можно построить для этой фигуры. Помимо прочего даётся формальное описание общей модели произвольной ленточной фигуры, частными
случаями которой являются нечёткозначные фигура «флаг» и участок ценового ряда
«тренд». /
Третья глава рассматривает технологии машинного обучения в динамической предметной области. Начало главы посвящено модели машинного обучения, представленной в виде n-ки. Затем, в ходе рассуждения о реализации метода, приводится подробные описание и схема процесса обучения. В результате формируется обучающая выборка по фигурам «бычий флаг» и «UP-тренд».
Четвёртая глава посвящена постановке задачи принятия решения на основе нечетких данных в графоаналитической форме. Помимо общей постановки задачи, особое внимание уделяется оптимизации качества системы, поскольку именно этот параметр является приоритетным. Также подробно рассматриваются критерии, позволяющие улучшить качество системы в зависимости от предметной области, в которой она применяется.
Пятая глава посвящена моделям и алгоритмам распознавания фигур на графиках в динамической предметной области. Производится логико-математическая постановка задачи по поиску флагов на графиках. Обусловливается важность использования правил для принятия решений. Большое внимание уделяется методикам прогнозирования. Отдельно рассматривается методика для выявления фигуры «бычий флаг» как на исторических, так и на текущих данных. Помимо прочего сделан акцент на минимизации убытков посредством мониторинга открытых позиций, который использует метод динамического стоп-лосса.
Шестая глава описывает программный комплекс поддержки принятия решения трейдером «ЕМ». Подробно рассматриваются такие блоки, как:
ввод данных;
поиск флагов и трендов;
управление группами финансовых инструментов;
прогноз за период по историческим данным;
прогноз на текущую дату;
формирование отчетов;
вспомогательные программы;
По каждому из блоков приведена исчерпывающая информация, включающая в себя описание назначения и функционала в текстовом и графическом виде.
В заключении подводится итог проделанной работы. Предложенные методы и алгоритмы распознавания фигур на графиках воплощены в информационной системе поддержки принятия решений «ЕМ». Для формирования обучающих данных для этой
12 системы по различным финансовым инструментам применяется метод машинного обучения «FuzGraph». Минимизация убытков на открытых позициях происходит посредством мониторинга, использующего метод динамического «стоп-лосса».
Приложение 1 содержит алгоритм выявления флага для конкретной точки на графике исторических данных.
Приложение 2 описывает модификацию алгоритма выявления флага, которая применяется для поиска всех флагов на заданном интервале исторических данных.
Приложение 3 содержит листинг программы поиска фигур «флаг» на исторических данных финансового инструмента.
В Приложении 4 даётся алгоритм использования динамического стоп-лосса для мониторинга открытых позиций на финансовом рынке.
Влияние электромеханической обработки на эксплуатационные свойства деталей, применяемых в машиностроении
Одним из направлений совершенствования качества изделий из стали, работающих в подвижных сопряжениях в условиях граничного трения, является образование на рабочих поверхностях регулярных микрорельефов, обеспечивающих существенное улучшение условий трения и смазывания и, как следствие, повышение износостойкости [2, 8].
Известно, что если на исходной технологически обработанной поверхности образовать дополнительный микрорельеф с частично чередующимися микроканавками, выполняющими функцию микрокарманов для удержания в поверхностном слое необходимого объема смазочного материала, то трение и износ на таких поверхностях будут меньше, чем при отсутствии микроканавок, которые улавливают продукты износа и предотвращают их попадание в зону трения. Регуляризация микрорельефа частично чередующимися микроканавками позволяет избежать так называемого пленочного голодания, зади-ров, сокращает время приработки, увеличивает эффективность теплоотдачи, что повышает надежность и долговечность деталей. Такой микрорельеф обычно формируют либо пластическим деформированием поверхности, предварительно обработанной твердосплавным сферическим индентором с заданным шагом подачи (раскатывание, вибрационное обкатывание), либо тонким резанием, травлением или другим специальным способом [36].
Холодным пластическим деформированием весьма затруднительно получить микрорельеф на высокопрочном материале (например, на закаленной стали). Кроме того, наибольшая степень деформационного упрочнения приходится на впадины микрорельефа, в то время как несущие выступы оказываются менее упрочненными, что ограничивает долговечность самого микрорельефа. Методы получения регулярных микрорельефов плазменным напылением через специальные сетки и импульсной лазерной технологией требуют использования дорогостоящего оборудования, что ограничивает их применение [8].
Данную проблему можно решить применением импульсного электромеханического упрочнения (ИЭМУ) [2, 8, 59, 42].
При ИЭМУ переменным током белый слой формируется в виде отдельных фрагментов, каждый из которых образуется в течение некоторой части полупериода прохождения электрического тока, когда мгновенные значения тока превосходят некоторое минимальное его значение. Это необходимо для того, чтобы температура мгновенного разогрева обрабатываемой поверхности превышала температуру фазового превращения для данного материала. В тот же период, когда значения тока меньше минимальных, на поверхности формируется структура горячего наклепа.
Форма, размеры и взаимное расположение фрагментов белого слоя зависят от режимов ИЭМУ, геометрии электрод-инструмента и свойств обрабатываемой поверхности, причем для лучшего эффекта необходимо получить изолированные фрагменты белого слоя с относительной площадью упрочнения 30-60 %.
Разработан процесс формирования регулярного микрорельефа путем комбинированной обработки, включающей ИЭМУ с получением заданных параметров ячеистой регулярной структуры и последующее химическое или электрохимическое травление [59]. Данный метод основан на чрезвычайно низкой травимости белого слоя. Масляные «карманы» формируются за счет травления неупрочненных зон поверхности на глубину 0,4-0,6 от толщины белого слоя. При этом высокопрочные фрагменты белого слоя выполняют роль несущих выступов, обеспечивая высокую долговечность регулярного микрорельефа. Испытания в условиях граничного трения показали, что износостойкость образцов из стали 45, упрочненных по предложенной методике в 2 раза выше, чем закаленных с нагревом ТВЧ.
Для большого количества деталей, работающих в условиях трения скольжения, долговечность определяется не столько самой величиной износа, сколько стабильностью изнашивания вдоль образующих поверхностей трения. К таким деталям относятся детали с криволинейными поверхностями трения, в частности, сферические и кулачковые пары трения. Особенностью их работы является неравномерность распределения рабочих давлений и скоростей скольжения, что приводит к неравномерному износу вдоль образующих поверхности контакта, потере первоначальной геометрической формы, а в результате — к ухудшению работы и уменьшению долговечности пары трения в целом. Для достижения равномерного минимального износа деталей с криволинейными поверхностями трения необходимо обеспечивать закономерно изменяющееся состояние поверхностного слоя сопряженных деталей вдоль образующих поверхностей трения, что возможно осуществить импульсной электромеханической обработкой с автоматическим изменением режимов (в частности, силы тока) в процессе упрочнения поверхностного слоя [79].
В работах [2, 20] изложена методика теоретических расчетов, для реализации которых автором разработано соответствующее программное обеспечение, с помощью которого для реальных пар трения определяются характеристики процессов контактного взаимодействия, трения и изнашивания, рассчитывается закон изменения силы тока вдоль образующих поверхностей трения. В соответствии с методологией проведения исследований проводилась электромеханическая обработка сферической опоры (пара трения «сферическая опора - корпус») с закономерным изменением значения плотности тока в процессе обработки в соответствии с теоретически рассчитанным законом изменения коэффициента упрочнения вдоль образующей сферы. Сферическая опора была изготовлена из стали 40ХН с 220 HVHCX , корпус — из стали 45 с 540 HV (после объемной закалки). В результате сравнительных испытаний износостойкости пары трения «сферическая опора - корпус» было установлено, что при ЭМО с закономерным изменением плотности тока суммарный износ сферических поверхностей корпуса и сферической опоры является минимальным и практически равномерным вдоль их образующих. Так, согласно представленному графику, максимальный износ пары трения при указанной обработке сферической опоры составил 4 мкм/ч, максимальный износ пары трения после ЭМО по обычному режиму - 8 мкм/ч, а максимальный износ пары трения, в которой сферическая опора была подвергнута объемной закалке - более 10 мкм/ч.
Расчетно-аналитическое исследование фазовых превращений в углеродистой эвтектоидной стали с пластинчатой формой перлита
Постановка задачи
Используя математическую теорию диффузии, рассчитать значения времени и скорости нагрева, обеспечивающих сходимость границ аустенита, передвигающихся от соседних цементитных пластин внутрь ферритного промежутка при разных межпластинчатых расстояниях в исходном перлите при различных температурах. Сделать вывод о завершении процесса превращения перлита в аустенит для структур разной дисперсности. Учитывая время теплового воздействия при ЭМО, рассчитанное в работе [89], указать минимальную температуру нагрева перлита разной дисперсности, при которой ожидается его полное диффузионное превращение в аустенит.
При нагреве эвтектоидной стали несколько выше критической точки Ai(727C) перлит превращается в аустенит. Превращение состоит из двух одновременно протекающих процессов: полиморфного а — у-перехода и растворении в аустените цементита. Механизм образования аустенита и развитие этого процесса при возрастающей температуре могут быть представлены в следующем виде. При температуре немного превышающей Ас і возникают первые зародыши аустенита на границе между цементитом и ферритом (рисунок 2.1). В модели, предложенной для пластинчатого перлита, принято, что возникновение зародышей аустенита происходит одновременно на двух прилегающих к ферриту цементитных пластинках, являющихся источником диффузанта. Далее продолжается диффузионное передвижение границ ау стенита в сторону феррита до момента встречи этих границ в середине фер-ритного промежутка [25, 30].
Скорость продвижения фронта аустенита определяется скоростью диффузии углерода в аустените.
Основой математической теории диффузии являются дифференциальные уравнения Фика, описывающие процессы диффузионного переноса вещества. Для решения задач, связанных с одномерной диффузией в изотропной среде, уравнение Фика записывается в следующем виде: дС__д_ дх дх В(С) дС_ дх где С - концентрация диффундирующих частиц, т - время, х - текущая координата, D - коэффициент диффузии. Допускаем, что коэффициент диффузии не зависит от концентрации, тогда уравнение Фика имеет вид: дС _ д2С 8 т дх2
Это уравнение описывает характер распределения концентрации диффундирующих частиц в различных точках среды как функцию времени.
Для описания диффузионного массопереноса в пластинчатом перлите привлечена математическая одномерная модель из постоянного источника в полуограниченное тело [12].
При постановке задачи принято, что среда изотропна, процесс превращения феррита в аустенит происходит изотермически, а коэффициент диффузии D не зависит от концентрации диффундирующих частиц.
На границе тела х = 0, которой соответствует граница раздела фаз цементит — аустенит поддерживается постоянная, не зависящая от времени т, концентрация С0 углерода, что справедливо при г г (т - время перехода в феррит всей массы диффузанта). Начальная (при г = 0) концентрация углерода в феррите принята равной нулю, поскольку максимальная растворимость углерода в нем не более 0,025 %.
При сделанных выше допущениях математическая постановка задачи имеет следующий вид: Г дС Я2С — = D— (х 0,г 0) от дх{ с(0,г)=С0 (Г 0) (2.1) V C(JC,0)=0 (х 0) Здесь ось ох направлена вглубь пространства (феррита); С = С(х,т) — концентрация углерода в точке х среды в момент времени т.
Решением поставленной задачи (2.1) является функция С(х,т), удовлетворяющая равенству: где erf ,— - функция ошибок Гаусса, значения которой протабулированы.
Эта функция часто встречается при статистической обработке результатов и применима для диффузионных расчетов, так как диффузия характеризуется случайными перемещениями атомов, поддающимися статистической обработке. Значения этой функции определены по таблицам [26].
В дальнейших расчетах использована формула (2.2).
Межпластинчатое расстояние А равно усредненной сумме толщин пластин феррита и цементита. Известно [53], что ферритная пластина почти на порядок толще цементитной, что позволяет пренебречь толщиной последней и считать за межпластинчатое расстояние А толщину ферритной пластины. В предположении, что феррит полностью превратился в аустенит за время т (что соответствует смыканию аустенитных границ в середине ферритного промежутка и соотношению х = А/2), проведены расчеты времени т.
При проведении расчетов выбран температурный диапазон от 760С с шагом в 20С до 900С. Межпластинчатые расстояния меняются с шагом 0,1 мкм от А = 0,1 мкм, что соответствует по ГОСТ 8233-56 [24] сорбитообраз-ному перлиту до Д = 1 мкм, отвечающему среднепластинчатому перлиту. Значения С/Со определены из диаграммы железо-цементит для каждой температуры.
Постановка задачи диффузии
После превращения перлитной части доэвтектоидной стали в аустенит при температурах, немного превышающих Аь при дальнейшем нагреве происходит развитие аустенитной фазы перемещением границы аустенита с ферритом в сторону структурно свободного феррита. Скорость продвижения этой границы сравнительно невелика. Она обусловлена накоплением достаточного количества атомов углерода вследствие диффузии со стороны участков аустенита, в которых в исходном состоянии были перлитные колонии. Но эта скорость при медленном нагреве достаточна для того, чтобы новые порции аустенита на границе аустенит-феррит образовались в участках более высоких концентраций углерода. При достижении температуры, несколько превышающей точку А3, весь объем феррита доэвтектоидной стали превращается в аустенит в результате перемещения фронта аустенита со стороны перлитных колоний. При схождении противоположенных границ аустенита внутри ферритного объёма концентрация углерода на этом участке должна соответствовать средней для данной стали.
Положение изменяется, когда фазовые превращения должны проходить при большой скорости нагрева. Чем больше скорость нагрева, тем меньшее развитие получают диффузионные процессы. Наряду с диффузионным процессом возможен процесс образования зародышей аустенита по границам блоков мозаики феррита без дополнительного поступления атомов углерода со стороны перлитных колоний [33]. Связано это с внутрифазовой неоднородностью структурно свободного феррита, и, согласно указанной работе, возможное пресыщение углеродом границ блоков может достигать 0,25%. Процесс образования и роста зародышей аустенита по границам блоков мозаики феррита интенсивно развивается при 820С и выше.
В данной работе поставлена задача оценить возможность диффузионного превращения структурно свободного феррита в аустенит при скоростях нагрева, применяемых в ЭМО.
Допускаем, что расстояние между двумя произвольными колониями перлита равно диаметру одного зерна феррита, расположенного между ними, а фронт аустенитной фазы движется перпендикулярно бывшим цементитным пластинам данных перлитных колоний до столкновения аустенитных границ в центре ферритного зерна. Можно использовать уже известную схему (рисунок 2.1) образования аустенита в перлите эвтектоидной стали, приняв в расчетах за х не половину межпластинчатого расстояния Л, а половину диаметра зерна феррита.
В таблице Б.1 отражено соответствие между номером зерна по шкале, средним диаметром зерна и условной классификацией величины зерна, согласно ГОСТ 5639-82 [23]. Определялось время аустенитизации для очень мелких, мелких, средних и крупных зерен.
Расчеты для доэвтектоидной стали проведены с использованием математической модели для пластинчатого перлита и формулы (2.3), с учетом указанных выше допущений. Кроме того, введено допущение, что для всего межперлитного объема феррита коэффициент диффузии тот же, что и для случая диффузии в ферритных промежутках перлита, т.е. во всех случаях принят максимальный коэффициент диффузии.
Расчетные значения времени диффузии г сведены в таблице 2.6.
Учитывая, что время нагрева при ЭМО оценивается в тысячные и десятитысячные доли секунды, можно сделать вывод, что полное диффузионное превращение структурно свободного феррита в аустенит в доэвтектоидной стали в рассмотренном интервале температур невозможно, так как для реализации процесса диффузионного превращения только одного зерна структурно свободного феррита в аустенит требуются согласно расчетам сотые, десятые и более доли секунды. Выводы
Для доэвтектоидной стали различных марок процесс диффузионного превращения всего объема структурно свободного феррита в аустенит при ЭМО в рассмотренном интервале температур невозможен. Следовательно, только часть объема феррита охвачена диффузионным превращением.
Постановка задачи
Используя математическую теорию диффузии, рассчитать значения времени и скорости нагрева, обеспечивающих сходимость границ аустенита, передвигающихся от соседних цементитных зерен внутрь ферритного промежутка при разных размерах зерен цементита в исходном перлите и различных температурах. Сделать вывод о завершении процесса превращения перлита в аустенит для структур разной дисперсности. Сравнить результаты расчетов для пластинчатого и зернистого перлита.
Для многих изделий ответственного назначения исходное структурное состояние формируется термическим улучшением, а структура представляет собой сорбит отпуска, ориентированный по бывшему мартенситу. Карбидные частицы сорбита отпуска имеют сферическую форму, и сам он является частным случаем зернистого перлита. Зернистый перлит представляет из себя двухфазную структуру с ферритной матрицей и равномерно распределенными в ней сферическими включениями цементита. В зависимости от дисперсности зерен цементита зернистый перлит подразделяется на 10 баллов и условно делится на мелкозернистый, среднезернистый и крупнозернистый, со средним размером зерен 0,8 мкм, 1,4 мкм и 2,5 мкм соответственно [24].
При нагреве зернистого перлита наиболее крупные частицы цементита растут, остальные растворяются [14]. При достижении температуры нагрева несколько выше критической точки Ai (727С) начинается процесс аустени-зации, который уже был описан выше. Первые зародыши аустенита появляются на поверхности цементитных зерен, а в дальнейшем фронт аустенита продвигается в сторону феррита (рисунок 2.6).
Исследование стали У8 с исходной отожженной и нормализованной структурой
Глубина закаленного слоя нормализованной стали (0,3 мм) больше, чем отожженной (0,1 мм). Круто падающие участки кривых микротвердости соответствуют переходному слою, на протяжении которого (от 0,1 до 0,2 мм) твердость уменьшается до исходной.
Обобщая изложенное по влиянию исходной структуры на поверхностную микротвердость и глубину закаленного слоя, приходим к следующим выводам. После ЭМО с одинаковой силой тока, приводящей к фазовым превращениям, поверхностная микротвердость и глубина закаленного слоя у нормализованной стали существенно больше, чем у отожженной. Такое влияние вида предварительной термической обработки (отжиг или нормализация) стали У8 на поверхностную микротвердость и глубину возникающего при ЭМО этой стали закаленного слоя обуславливается тем, что в структуре нормализованной стали более высокая степень дисперсности карбидной фазы.
Согласно расчетам, для реализации полного диффузионного превращения тонкопластинчатого перлита указанной дисперсности в аустенит при 900С требуется время т = 3,20 10"4 с, а для крупнопластинчатого (Д = 1,6 мкм) перлита на порядок больше (т = 5,12 10" с), поэтому процесс аустени-тизации тонкопластинчатого перлита распространяется на более значительную глубину, что соответствует увеличению глубины белого слоя.
Более высокая степень дисперсности карбидов нормализованной стали по сравнению с отожженной способствует более полному их растворению в образующемся при ЭМО аустените, что приводит к получению в закаленном слое более твердого мартенсита.
В верхней части переходного слоя природа упрочнения аналогична указанной выше природе упрочнения закаленного слоя, структура в ней качественно аналогична со следующими количественными отличиями: во-первых, из-за понижения температуры вглубь от поверхности детали (разу меется она еще остается выше температуры аустенитизации) за период времени контактирования успевает раствориться в аустените незначительная часть карбидов исходной структуры. Получающийся при этом малоуглеродистый аустенит превращается также в малоуглеродистый мартенсит пониженной твердости, но превышающей твердость феррита исходной структуры.
В итоге в верхней части переходного слоя формируется структура весьма малоуглеродистого мартенсита с вкрапленными в нее карбидными включениями в количестве чуть меньшем, чем в исходной структуре.
А в тех местах переходного слоя, где температура оказывается ниже температуры аустенитизации, структура после ЭМО остается такой же, как и исходная структура, т.е. это ферритно-карбидная смесь с той лишь разницей, что феррит этой смеси, будучи подвергнут пластическому деформированию при повышенных температурах, упрочняется как за счет самой пластической деформации, так и за счет динамического деформационного старения.
Переходный слой простирается от закаленного слоя на то расстояние, на которое распространяется пластическая деформация.
Таким образом, глубина упрочненной зоны стали У8 с исходной нормализованной структурой в среднем 0,41 мм, что немного превышает глубину упрочненного слоя стали У8 с исходной отожженной структурой (0,32 мм).
Рентгеноструктурный анализ был проведен на дифрактометре ДРОН-2 согласно методике, описанной в разделе 3.7.
Результаты рентгеноструктурного анализа, (таблица 4.1) показали, что образец стали У8 в исходном состоянии имеет феррито-цементитный фазовый состав. Фазовый состав упрочненного ЭМО образца стали У8 представляет собой мартенсит, аустенит и цементит. Обнаружено большое размытие линий мартенсита на рентгенограмме. Расщепление мартенситных линий не наблюдается. Это свидетельствует о том, что содержание углерода в мартенсите менее 0,6% по массе [33]. Количество остаточного аустенита находится в пределах 6-10%.
