【技术实现步骤摘要】
本专利技术属于陶瓷材料测试，尤其涉及一种加速预测结构陶瓷材料蠕变持久寿命的方法。
技术介绍
1、近年来人们对临近空间及太空的探索日益关注，对空天飞行器的要求包括长运行寿命、高功重比、耐高温、高强度、高可靠性等。先进结构陶瓷材料被广泛用作各种高温结构和耐腐蚀结构中，例如涡轮转子、发动机喷嘴、陶瓷轴承、切削刀具等。作为未来航空航天领域长寿命、耐高温、高应力部件的主要材质，在长时工作状态下，其结构将发生蠕变断裂导致的部件工作失效。如何保证长时间工作过程中的结构蠕变强度是设计过程中所面临的直接挑战。由于不同温度应力下的蠕变机制复杂且蠕变过程涉及长时间的显微组织演化，已有模型尚难以实现有效预测。结构陶瓷制造技术成本高、蠕变试验周期长，通过传统的试错法来提高结构陶瓷的蠕变抗力需要耗费大量的时间和成本。如何加速预测结构陶瓷的蠕变持久寿命具有重要意义。同时，蠕变本构模型则是基于蠕变过程中的组织演化信息，从微观角度出发建模预测材料的蠕变行为。由于陶瓷材料的蠕变过程涉及长时间的显微组织演化，并且在不同温度应力下蠕变机制有所不同。因此想要进一步提升模型的准确性和适用性是非常困难的。
技术实现思路
1、为解决上述问题，本专利技术提供一种加速预测结构陶瓷材料蠕变持久寿命的方法，能够确保陶瓷材料蠕变持久寿命的高效预测。
2、一种加速预测结构陶瓷材料蠕变持久寿命的方法，包括以下步骤：
3、在不同的蠕变应力下，分别采用不少于3个试样进行蠕变试验，记录各蠕变试验对应的蠕变时间、蠕变寿命，其中
4、将未发生蠕变断裂的试样拉断，再与发生蠕变断裂的试样一起进行断口分析，得到各断口的形态参数；
5、采用数据关联性分析方法评估蠕变应力、蠕变温度、蠕变时间以及各形态参数与arrhenius方程中的材料常数k0、k1的关联性，将关联性大于设定值的参数作为训练参数；
6、将高应力条件下的各试样的蠕变寿命代入arrhenius方程，获取发生断裂条件下的材料常数k0、k1；
7、以高应力条件下发生断裂的试样对应的训练参数值及对应的材料常数k0、k1分别作为机器学习模型的输入和输出，以此训练机器学习模型，得到预测材料常数的预测模型；
8、采用预测模型预测低应力条件下的材料常数k0、k1，得到低应力条件下的arrhenius方程，再根据低应力条件下的arrhenius方程预测低应力条件下的试样的蠕变寿命。
9、进一步地，所述蠕变试验具体为：
10、采用楔形抬肩式的夹持方式将试样装于夹具中，并连接到试验机上，通过试验设备将蠕变应力加载到试样上，将引伸计安装于试样上用于测量试样的形变；关闭试验设备的真空室门、进气阀和排气阀；启动水冷机，打开水压和水温监测，抽真空，当真空降至规定气压时开启分子泵，直至试验设备的真空达到要求；升温前设置温度目标值和功率上下限，然后点击加热启动按钮，当温度达到试验要求后保温时间不少于10min；选择试验设备的位移控制加载模式，并设定试验终止条件和默认结束时间，正式开始当前试样的蠕变试验；通过软件自动记录加载曲线，记录蠕变应力、位移和时间；待蠕变试验结束后，逐步减低环境温度后关闭加热电源，当试验设备的炉内温度降到300℃时，关闭分子泵，打开排气阀阀门，充完气之后打开真空室门，调整夹持试样的夹具，拆卸试样，并记录蠕变量、蠕变时间、蠕变寿命、蠕变温度以及试样的断裂情况。
11、进一步地，所述形态参数包括晶界滑动、晶界扩散、晶界孔洞、孔洞连接、杂质偏聚、晶粒尺寸、晶粒均匀性、氧化膜厚度。
12、进一步地，所述arrhenius方程为：
13、tr＝k0 exp(k1σ)
14、其中，tr为蠕变寿命，k0、k1分别为第一材料常数和第二材料常数，σ为蠕变应力。
15、进一步地，采用数据关联性分析方法评估蠕变应力、蠕变温度、蠕变时间以及各形态参数与arrhenius方程中的材料常数k0、k1的关联性为：
16、基于pearson系数评估蠕变应力、蠕变温度、蠕变时间以及各形态参数与arrhenius方程中的材料常数k0、k1的关联性；或者，基于随机森林平均精确度降低值评估蠕变应力、蠕变温度、蠕变时间以及各形态参数与arrhenius方程中的材料常数k0、k1的关联性。
17、进一步地，采用线性回归、支持向量回归、多层感知机、随机森林或梯度提升回归的方法训练机器学习模型。
18、有益效果：
19、1、本专利技术提供一种加速预测结构陶瓷材料蠕变持久寿命的方法，通过已经确定的蠕变寿命的高蠕变应力蠕变寿命获取预测低蠕变应力条件下的材料常数k0、k1的预测模型，然后采用训练好的预测模型预测实际蠕变温度t条件下，低蠕变应力段对应的arrhenius方程参数k0、k1，进而通过分段拟合得到精确的arrhenius方程，从而可以预测实际蠕变温度t条件下，试样在低应力条件下的持久寿命，不需要使试样在低应力条件下经过长久时间的蠕变试验发生蠕变断裂后才能确定蠕变寿命，大幅缩短低应力条件下的蠕变持久试验时间，提高蠕变寿命的预测精度；也就是说，本专利技术能够基于高应力条件下结构陶瓷短时蠕变持久试验数据及微观组织演化数据来修正蠕变持久寿命预测模型，进而高效准确预测结构陶瓷长时蠕变持久寿命。
20、2、本专利技术提供一种加速预测结构陶瓷材料蠕变持久寿命的方法，以试样断口的形态参数参与预测材料常数的预测模型的训练，能够结合不同条件下陶瓷结构蠕变过程中的组织演化信息及蠕变空洞分布信息等修正蠕变持久寿命预测模型，进而高效准确的用陶瓷短时蠕变持久寿命试验数据预测长时蠕变持久寿命。
21、3、本专利技术提供一种加速预测结构陶瓷材料蠕变持久寿命的方法，采用数据关联性分析方法评估蠕变应力、蠕变温度、蠕变时间以及各形态参数与arrhenius方程中的材料常数k0、k1的关联性，仅将关联性大于设定值的参数作为训练参数，大大减小机器学习模型训练过程的运算量，提升训练效率。
本文档来自技高网...【技术保护点】
1.一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，所述蠕变试验具体为：
3.如权利要求1所述的一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，所述形态参数包括晶界滑动、晶界扩散、晶界孔洞、孔洞连接、杂质偏聚、晶粒尺寸、晶粒均匀性、氧化膜厚度。
4.如权利要求1～3任一权利要求所述的一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，所述Arrhenius方程为：
5.如权利要求1～3任一权利要求所述的一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，采用数据关联性分析方法评估蠕变应力、蠕变温度、蠕变时间以及各形态参数与Arrhenius方程中的材料常数K0、K1的关联性为：
6.如权利要求1～3任一权利要求所述的一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，采用线性回归、支持向量回归、多层感知机、随机森林或梯度提升回归的方法训练机器学习模型。
【技术特征摘要】
1.一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，所述蠕变试验具体为：
3.如权利要求1所述的一种加速预测结构陶瓷材料蠕变持久寿命的方法，其特征在于，所述形态参数包括晶界滑动、晶界扩散、晶界孔洞、孔洞连接、杂质偏聚、晶粒尺寸、晶粒均匀性、氧化膜厚度。
4.如权利要求1～3任一权利要求所述的一种加速预测结构陶瓷材料蠕变持久寿命的方法...
【专利技术属性】
技术研发人员：王博文，马同玲，王正，顾美丹，
申请(专利权)人：北京动力机械研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。