通过微观组织分散性预测金属材料不同温度疲劳强度的方法

摘要

本发明公开了一种通过微观组织显微硬度分散性预测金属材料不同温度疲劳强度的方法，属于材料科学与工程应用技术领域。该方法首先在不同温度下进行高周疲劳测试，获得不同温度下的疲劳强度(σw)；再从不同温度下的疲劳试样上获取组织显微硬度值，求出不同温度下微观组织分散性(G)，建立疲劳强度和微观组织分散性之间的定量关系，进而通过某一温度下的硬度测试预测相应服役温度下的疲劳强度。该方法通过少量的高周疲劳和显微硬度测试，即可实现相应温度下疲劳强度的高效、准确预测。

说明书

技术领域

本发明涉及金属材料高周疲劳强度测试技术领域，具体涉及一种通过微观组织显微硬度分散性预测金属材料不同温度疲劳强度的方法。

背景技术

汽车、火车、轮船以及飞机是现代运输业的主要工具。其中，汽车因其具有灵活、快捷方便等特点成为日常运输的首选。目前，汽车运输行业面临着运输需求量迅速增长、化石能源日益枯竭以及燃油价格上涨等问题。提高内燃机的单位体积功率或单位质量功率，即功率密度是解决这个问题的一个有效途径，作为汽车的心脏，目前内燃机研究的重点在于提高功率密度以及可靠性、并且降低排放、提高经济性。在内燃机工作时，燃烧室各组件(例如缸盖)长期在高温条件和循环载荷下运行，缸盖鼻梁区不可避免经受高周疲劳损伤。

由于疲劳测试特别是高温疲劳测试费时、费力、费钱，在构件设计制备中如不能采用全面准确的疲劳数据或疲劳强度预测本构关系，会极大程度增加构件服役成本，降低构件服役安全性，并产生难以挽回的损失。因此，针对不同温度条件下材料高周疲劳强度，急需一种相对简单、准确的预测方法。

发明内容

本发明的目的在于提供一种通过微观组织显微硬度分散性预测金属材料不同温度疲劳强度的方法，该方法通过建立疲劳强度和疲劳后微观组织分散性的关系，提供了一种简便的疲劳强度预测方法。该预测方法相对简单、准确、成本低廉。

为实现上述目的，本发明所采用的技术方案如下：

一种通过微观组织显微硬度分散性预测金属材料不同温度疲劳强度的方法，包括如下步骤：

(1)选择至少两种不同的金属材料构件的典型服役温度，分别进行每种温度条件下的高周疲劳性能测试，获得不同温度条件下的疲劳强度σ

(2)对步骤(1)在不同温度条件下疲劳测试后的试样进行微观组织显微硬度测试，获取不同温度条件下的微观组织的分散性G；

(3)将步骤(1)中测试得到的疲劳强度σ

上述步骤(1)中，高周疲劳试验中选择的典型服役温度根据构件的典型服役工况下不同部位的温度选取，且在试验过程中服役温度随服役时间恒定不变。

上述步骤(1)中，高周疲劳试验采用高频疲劳试验机进行，也可根据材料特性和服役工况选择中低频疲劳试验机，高温加热条件采用电阻炉提供，疲劳强度采用升降法进行计算。

上述步骤(2)中，每个温度条件下的显微组织硬度值在室温条件下获取，且远离疲劳断口，每个温度条件下的显微组织硬度值不少于50个；利用Origin或Excel等工具求出每种温度条件下的微观组织分散程度。

上述步骤(3)中，将不同温度下的疲劳强度σ

σ

公式(1)中，a和b为系数，利用步骤(1)中测试所得不同温度条件下的疲劳强度σ

本发明的优点和有益效果如下：

1、本发明利用少量不同温度下高周疲劳和显微硬度试验数据，实现了不同温度下的高周疲劳强度准确预测。该方法即结合了大量试验数据拟合法准确性高的优点，另外又通过合理简化的公式推导，使得相关参数的物理意义更加明确，大大降低了试验量需求，只需通过少量的不同温度下高周疲劳和硬度测试即可完成。

2、本发明预测方法基于疲劳强度和微观组织分散性之间的定量关系，然后通过某一温度下的硬度测试对相应服役温度下的疲劳强度进行预测，具有良好的适用性。

3、本发明预测模型通过大量试验数据拟合，简单合理的假设推导，具有物理意义明确、预测准确、适用性高的特点。

4、本发明预测模型只需要少量不同温下的高周疲劳和显微硬度试验数据，就可以准确预测该材料在不同温温度的高周疲劳性能，极大程度节约时间、人力和物力成本。

5、本发明预测趋势可以从微观原理进一步解释，一般认为微观组织分散性小，则疲劳强度高，这是因为在疲劳试验中，微观组织越均匀应力局部化越不容易产生，从而引起疲劳强度提升。

附图说明

图1是金属材料不同温度的高周疲劳强度预测方法流程图。

图2是蠕墨铸铁材料在典型温度S-N曲线示意图。

图3是蠕墨铸铁材料典型温度的显微硬度分布图；其中：(a)25℃；(b)400℃；(c)500℃。

图4是蠕墨铸铁材料不同温度下疲劳强度和微观组织分散程度关联图。

具体实施方式

下面结合实施例和附图对本发明进一步说明。

本发明为一种通过微观组织显微硬度分散性预测金属材料不同温度疲劳强度的方法，该方法通过将疲劳强度和微观组织分散性关联，通过试验数据拟合、简单合理的推导，建立了简便的疲劳强度预测模型，预测流程如图1，具体如下：

步骤(1)：分析构件的服役工况及其温度，获取能够合理反映材料高周疲劳典型试验温度。实验室普遍采用电阻炉加热的高频疲劳试验机测试S-N曲线，采用升降法测试疲劳强度。

步骤(2)：选择构件材料典型服役温度进行恒温高周疲劳性能测试，获取不同温度的S-N曲线及疲劳强度。

步骤(3)：对不同温度下疲劳后的试样进行微观组织显微硬度测试，获取不同温度下微观组织的分散性(G)。

步骤(4)：将疲劳强度和微观组织分散性关联，建立两者的定量关系。进而通过某一温度下的硬度测试对相应服役温度下的疲劳强度进行预测。

实施例1：

本实施例是对蠕墨铸铁材料在高周疲劳工况进行性能预测，具体过程如下：

第一、蠕墨铸铁材料取自柴油发动机缸盖，根据服役工况确定高周疲劳工况温度范围为25-500℃。

第二、选择三个典型温度：25℃、400℃和500℃；疲劳强度测试方法选择升降法，应力幅增减量为10MPa，疲劳试验按照GB/T 3075—2008金属材料疲劳试验轴向力控制方法进行，疲劳强度的计算按照GB/T 24176—2009金属材料疲劳试验数据统计方案与分析方法来进行。三个典型温度S-N曲线，示意图如图2。

第三、对25℃、400℃和500℃疲劳后的试样进行显微硬度测试，利用Origin或者Excel对数据点进行拟合，获取相应温度下微观组织的分散性(G)，示意图如图3。

第四、将疲劳强度和微观组织分散性关联，建立两者的定量关系，如公式(1)所示，通过步骤(2)中计算出的疲劳强度以及步骤(3)计算出的微观组织分散性G，拟合求解出公式(1)中的a和b的值，从而得到预测模型。

σ

根据所得预测模型可以通过某一温度下的硬度测试对相应服役温度下的疲劳强度进行预测，示意图如图4。