技术领域
[0001] 本
发明涉及承载件的
制造过程、极限载荷预测领域，尤其涉及一种考虑温卷成形残余影响的加钒钢制板焊式筒节在任意服役
温度下极限载荷的预测方法。
背景技术
[0002] 确定承载件的塑性极限是工程结构设计工作中最重要的工作之一，然而现存的极限载荷预测方法仅考虑材料的原始强度，均未考虑承载件制造过程对材料强度的削弱作用，使预测结果偏于危险。因此在预测承载件的极限载荷时，有必要将其制造过程(尤其是温塑性成形过程)残余影响考虑在内。
发明内容
[0003] 本发明的目的是克服
现有技术的不足，提供一种通用的可考虑温塑性成形方法制造的加钒钢制板焊式筒节极限载荷的预测方法，解决现有方法因为未考虑筒节制造过程对材料强度削弱作用而导致预测结果偏于危险的
缺陷。本发明可以实现温卷成形方法制造的加钒钢筒节在任意服役条件(温度和压
力)下的极限承载力的预测。
[0004] 本发明的目的是通过以下技术方案来实现的：一种考虑温卷影响的加钒钢制筒节极限载荷预测方法，该方法包括以下步骤：
[0005] 步骤1：在温卷成形温度t*下对加钒钢进行拉伸试验，建立材料的弹塑性本构模型；
[0006] 步骤2：利用有限元技术模拟钢板温卷成形工艺过程，获得温卷成形后筒节的残余塑性应变分布：
[0007]
[0008] 式中：r为筒节内部的任意半径值，g(·)表示分布函数， 表示温卷成形温度t*下筒节半径r处的残余塑性应变；
[0009] 步骤3：先在温卷成形温度t*下对加钒钢进行预塑性
变形试验，再在不同的服役温度ti下对含不同预塑性变形量 的加钒钢进行拉伸试验，测量加钒钢的
屈服强度 和
抗拉强度[0010] 步骤4：基于神经网络技术建立含预塑性变形的加钒钢在任意服役温度t下的强度
预测模型，即t下的屈服强度 和抗拉强度 与其预塑性变形量 之间的关联：
[0011]
[0012]
[0013] 利用该强度预测模型，可以对任意服役温度下的含有任意预塑性变形量的加钒钢的屈服强度和抗拉强度进行预测。
[0014] 步骤5：把步骤2中得到的筒节残余塑性应变分布 输入到步骤4中的强度预测模型中，获得温卷成形后筒节材料强度分布：
[0015]
[0016]
[0017] 步骤6：建立筒节的有限元模型，将步骤5中温卷成形后的筒节强度分布赋予该模型，利用塑性极限分析技术，实现考虑温卷成形残余影响的筒节极限载荷的预测。
[0018] 进一步地，所述步骤3中，预塑性变形试验和拉伸试验具体如下：
[0019] 步骤301：在温卷成形温度t*下，赋予加钒钢N个不同的高温预塑性变形量，其中第h个高温预塑性变形量记为
[0020] 步骤302：在n个服役温度下，分别对含不同高温预塑性变形量 的加钒钢进行拉伸试验，测量含预塑性变形量 的钢材的屈服强度 和抗拉强度 并记录2×n×N个测量数据。
[0021] 进一步地，所述加钒钢是指
合金元素公称成分为2.25Cr-1Mo-0.25V的钒改进型铬钼钢(板材)，如SA-542GrDCL4a、SA-832Gr22V(ASME BPVC-II.D.M-2017)、12Cr2Mo1VR(GB/T 713-2014)、13CrMoV9-10(EN 10028-2：2017)等。
[0022] 进一步地，所述步骤2中，利用基于显式动力学分析的准静态分析技术，对钢板温卷成形的工艺过程进行数值模拟。
[0023] 进一步地，所述步骤5中，基于步骤2中得到的筒节残余塑性应变分布，可获得筒节中任意点经历温卷成形后的残余塑性应变，将该残余塑性应变和任意服役温度t一起输入到步骤4中建立的强度预测模型中，获得经历温卷成形后筒节中的任意点在任意服役温度t下的屈服强度 和抗拉强度
[0024] 进一步地，所述步骤6中，塑性极限分析技术可以采用
弹性模量补偿法、残余
应力分解法、线性匹配法、应力补偿法等分析方法。
[0025] 本发明具有以下优点：
[0026] (1)基于通用有限元技术，本发明可以用于所有温卷成形工艺制造的加钒钢制筒节的极限载荷预测；
[0027] (2)基于神经网络技术，本发明通过少量的实验即可合理地预测含温卷成形残余影响的加钒钢在不同服役温度下的强度；
[0028] (3)基于极限载荷的失效模式，本发明可以为加钒钢制大厚度筒节的温卷成形工艺参数优化和制造过程中材料性能调控提供科学依据；
[0029] (4)相比于传统的极限载荷预测方法，本发明的方法考虑了制造过程对材料强度的削弱作用，预测结果更安全。
[0030] 该方法具有可操作性强、成本低廉、泛化能力强等优点。
附图说明
[0032] 图2(a)和图2(b)分别为本发明某一具体实例的
几何模型和实际产品；
[0033] 图3(a)和图3(b)分别为图2所示实例所采用的2.25Cr-1Mo-0.25V钢在650℃下的真实应力-应变曲线和分段线性模型；
[0034] 图4为图2所示实例温卷成形过程所采用的四辊卷板机几何模型；
[0035] 图5为图2所示实例卷板成形模拟的有限元模型；
[0036] 图6为图2所示实例在温卷成形后厚度方向上等效塑性应变分布曲线图；
[0037] 图7(a)和图7(b)分别为图2所示实例所采用的2.25Cr-1Mo-0.25V钢强度预测网络结构和强度预测网络工作过程；
[0038] 图8为Bagging集成模型；
[0039] 图9(a)和图9(b)分别为本例强度预测模型计算得到的温度450℃～510℃、650℃塑性应变为0～9.0％范围内加钒钢的屈服强度和抗拉强度；
[0040] 图10(a)、图10(b)、图10(c)、图10(d)和图10(e)分别为在450℃、470℃、490℃、500℃、510℃下模型计算结果与表1中试验数据的对比；
[0041] 图11为针对图2所示实例进行极限载荷计算时的筒节有限元模型；
[0042] 图12为图2所示实例在450℃～510℃服役温度范围内的极限载荷值。
具体实施方式
[0043] 以下参照附图，以图2所示的实例为实施对象，按照图1所示流程，对本发明作进一步说明。
[0044] 图2所示的实例是一个内径为2400mm、壁厚为152mm的2.25Cr-1Mo-0.25V钢制板焊式筒节，考虑650℃温卷成形制造过程对材料强度的削弱作用，对其在服役温度450℃～510℃下的极限载荷进行预测。
[0045] 本发明方法的实现过程如下：
[0046] 步骤1：在650℃下对2.25Cr-1Mo-0.25V钢进行拉伸试验，测量其真实应力-应变曲线，如图3(a)所示。对其进行合理简化，获得如图3(b)所示的应力-应变曲线的分段线性模型，用于步骤2温卷过程数值模拟中的弹塑性本构关系。
[0047] 步骤2：采用基于显式动力学分析的准静态分析技术，在ABAQUS
软件上实现温卷成形过程的数值模拟。
[0048] 厚壁筒节的温卷过程是在四辊卷板机上实现的。此次数值模拟中，四辊卷板机的几何尺寸参考实际卷板机，如图4所示，四个
工作辊的直径分别为D1＝1500mm，D2＝1350mm，D3＝D4＝1100mm，侧辊运动轴线方向与上下辊中心连线方向夹
角为25°。
[0049] 卷板成形过程可看做是平面应变问题，因此建立如图5所示的四辊卷板机以及待成形钢板的二维有限元模型。建模时令待成形钢板从卷板机左侧送入，考虑钢板厚度t＝152mm、长度L＝12000mm。采用ABAQUS中的CPE4R平面应变单元对待成形钢板进行网格划分，在钢板厚方向上划分8层，长度方向划分600份，钢板共有4800个单元，分析过程中不考虑工作辊受力情况，因此将四个工作辊考虑为离散刚体，采用2D离散刚体单元R2D2对其进行网格划分，每个工作辊均具有400个单元。
[0050] 然后，把步骤1中的弹塑性本构关系赋予该有限元模型，再根据实际的卷板过程，定义合理的
接触对和边界条件，进行求解，得到的内径为2400mm、壁厚为152mm的筒节在厚度方向上的残余塑性应变分布，如图6所示。
[0051] 步骤3：首先，在650℃下进行预塑性变形试验，使2.25Cr-1Mo-0.25V钢中产生一定量的塑性预应变，模拟钢板温卷成形过程的高温塑性变形作用。
[0052] 然后，对含预应变的2.25Cr-1Mo-0.25V钢在450℃、470℃、490℃、500℃、510℃下分别进行拉伸直至断裂，测量其屈服强度和抗拉强度，具体结果见表1。
[0053] 表1预拉伸试验结果
[0054]
[0055]
[0056] 步骤4：采用
人工神经网络对步骤3的试验结果进行回归，实现温塑性变形后2.25Cr-1Mo-0.25V钢强度的预测。
[0057] 本实例采用Bagging
集成学习方法，具体做法如图8所示，以n＝32，η＝0.1的神经网络作为基学习器构造Bagging集成模型，模型中基学习器数量为1000个。每个基学习器采用如图7(a)所示的单隐层神经网络，该网络有两个输入
节点和两个
输出节点，其工作过程如图7(b)所示。最后，对所有基学习器的输出平均化处理作为Bagging集成模型的预测结果。由此得到的预测模型即具有预测服役温度t下经历温塑性应变 后2.25Cr-1Mo-0.25V钢强度的能力。
[0058] 基于上述方法获得的温塑性变形后2.25Cr-1Mo-0.25V钢屈服强度和抗拉强度的预测结果分别如图9(a)和9(b)所示。
[0059] 模型计算结果与表1中的试验数据的对比如图10所示，其中(a)、(b)、(c)、(d)、(e)分别为2.25Cr-1Mo-0.25V钢在450℃、470℃、490℃、500℃、510℃下的强度。可以看出，预测值和实测值吻合较好，表明该预测模型的可靠程度较高。
[0060] 步骤5：把步骤2中得到的筒节残余塑性应变分布(如图6所示)输入到步骤4中的强度预测模型(如图9所示)中，得到的筒节厚度方向强度分布预测值。对图2所示经历温卷成形过程的真实筒节进行力学性能测试，获得其厚度方向五个
位置的真实强度值。筒节厚度方向强度分布预测值和实测值均列于表2，可以看出，本例预测的筒节材料屈服强度与试验实测值的相对误差最大为5％，抗拉强度与实测值的相对误差最大为10.3％，结果可靠程度较高。
[0061] 表2 Di＝φ2400mm，t＝152mm筒节强度分布预测结果
[0062]
[0063] 步骤6：在ANSYS有限元软件上，建立筒节的有限元模型，考虑到几何结构和载荷的对称性，分析时建立筒节的1/8子模型，如图11所示，该模型轴向与z轴重合，共有1300个节点和864个三维8节点实体单元，筒节壁厚方向上有12层网格，轴向有3层网格。在模型的截面上分别施加法向0位移的对称边界条件，在筒节内表面施加均匀内压p。
[0064] 本例采用文献[Song Huang，Futeng Wan，Peng Jiao，Zhiping Chen.A modified basis reduction method for limited kinematic hardening shakedown analysis under complex loads[J].Mechanics Based Design of Structures and Machines，2018，46(1)：85-100.]中提出的极限载荷计算方法，把步骤6中生成的有限元模型的单元、节点、载荷和边界条件信息以及步骤5中生成的筒节厚向强度分布信息输入到基于该极限载荷计算方法的数值计算程序中，可以得到含温卷成形残余影响的筒节在不同服役温度下的极限载荷，如图12所示。
[0065] 可见本发明公开的预测方法可以有效地预测含温卷成形残余影响的筒节在不同服役温度下的极限载荷。
[0066] 应该指出，有限元过程、极限分析技术及神经网络技术实现，不包含在本发明内；上述实施方法只是示意性的，任何不超过本发明
权利要求的发明创造，均在本发明保护之内。
