Nano-carbide precipitates in Ti microalloyed steel under ultra fast cooling condition and their strengthening effect
-
摘要: 具有较高强度的Ti微合金钢已广泛应用于国民经济及国防工业的各个领域.针对超快速冷却条件下(轧制冷却速度高达64 ℃/s)的Ti微合金钢,采用无损电解提取技术获得Ti微合金钢中的纳米碳化物. 在此基础上,运用化学相分析、X射线小角散射及透射电镜综合分析纳米碳化物的物理化学特征,并考察其强化作用. 结果表明:Ti微合金钢中存在大量纳米尺寸的FexC、TiC析出物,其平均粒度分别为76.06 nm和133.95 nm;同时,超快速冷却条件强化了FexC的析出行为,使得其析出强化增量达到243.8 MPa,而TiC的析出强化增量仅为63.1 MPa;然而,钢中每增加0.01 %(质量分数)的TiC析出物(<40 nm)却可大幅贡献强化增量77.1 MPa,远高于FexC析出物(<40 nm)的强化贡献量. 因此,强化TiC的析出行为在提高钢屈服强度方面具有重要潜力.Abstract: Ti microalloyed steel is a high strength steel and has been widely used in national economy and defense industry. The nano-carbide precipitates in the Ti microalloyed steel produced by the ultra fast cooling process with a rolling cooling rate up to 64 ℃/s were obtained by nondestructive electrolysis extraction technology, and investigated through chemical phase analysis, X-ray small angle scattering and transmission electron microscopy. In addition, its effect on steel strengthening was also discussed. The results show that a large number of nano-sized FexC and TiC precipitates exist in the Ti microalloyed steel and their average particle size are 76.06 nm and 133.95 nm, respectively. The FexC precipitation behavior is strengthened by the ultra fast cooling process. Thus, the yield strength induced by FexC precipitate reaches 243.8 MPa, while that of TiC precipitate is only 63.1 MPa. However, the increasing mass fraction of TiC precipitate (<40 nm) by 0.01 % can obviously improve the yield strength by 77.1 MPa, which is far higher than that of Fez
C precipitate (<40 nm). Therefore, strengthening the precipitation behavior of TiC plays an important role in improving steel yield strength. -
矿产资源是社会生产发展的物质基础,运用科学的方法对矿业权的现有价值和潜在价值进行评定和估算,对矿产资源合理开发利用具有决定性的作用[1]。矿业权交易以及矿业企业的资产重组、合并,通常需要对相应矿业权的价值进行评估[2]。评价方法的选择和运用将对评价结果和相关目标的实现产生实质性的影响[3]。当市场达到均衡时,投资者会选择对自己最有利的投资组合。若投资风险确定,投资者倾向于预期收益率相对较高的资产;若投资回报确定,则会选择投资风险较小的资产。
我国的矿业权价值一般采用收益净现值来反映,收益净现值的评估主要有成本、市场和收益3种途径[4],对采矿权价值的研究主要围绕收益途径,最常用的是现金流量法[5]。随着收益风险理论和资产定价财务理论的出现,采用收益法评估时,评估参数的确定尤为重要[6-8]。折现率是收益法评估的重要参数,是一种将未来有限期的预期收益折算为现值的比率[9]。确定折现率的常用方法有风险累加法和资本资产定价模型(Capital Asset Pricing Model,CAPM)等[10-11]。黎斌林等用Downside-CAPM模型对山东某金矿投资项目的折现率进行了修正,认为矿业权投资者所规避的是下侧风险,有效地描述了潜在风险[12]。
矿业资本的风险识别与量化是准确合理预测收益的前提[13-15]。随着企业经营范围的多元化,更多的业务类型被纳入矿业企业的运营体系中,非主营业务带来的收益与风险对企业整体收益与经营风险的影响不容忽视。传统的评估方法不能充分考虑矿业生产的不确定因素和需求弹性等问题,即依靠现有风险系数进行预测和评估的准确性较低,使得评估出的矿业权价值与实际价值之间存在较大偏差。因此,矿业权评价方法仍有进一步完善的空间[16-20]。为了更准确地评估采矿权价值,本研究针对采矿权价值评估方法中的收益法进行修正,即通过改进传统的CAPM模型,建立修正后的采矿权价值评估优选评价模型,以提高其对资本市场的适应性,丰富与完善矿业权价值评估方法体系。
1 资本资产定价模型概述
1.1 基本假定
CAPM的核心是认为投资收益由无风险收益与市场风险收益两部分组成,系统风险是唯一影响收益的因素[9]。
CAPM模型的建立主要基于以下假设:
1)资本市场和矿业权市场是完全有效的市场,不同风险投资的风险补偿率是一致的。
2)无风险利率都是相同的。投资者获取更高收益的唯一途径是承担更高的系统性风险。
3)在风险相同的情况下,将选择具有较高预期收益率的资产或其组合。
4)非系统风险可采取某些措施进行分散。
5)当市场达到均衡时,不同资产预期收益率之间存在线性关系,预期收益率等于无风险收益率与该项资产特有的投资风险对应的收益率之和。
1.2 CAPM模型
CAPM的基本公式[12]为:
(1) 式(1)中:E(Ri)为投资期望收益率,即为折现率;Rf为无风险收益率;βi为系统风险的大小;E(Rm)为市场的利润率。
从式(1)中可以看出:CAPM模型反映了预期收益与市场风险的关系。其中,βi[E(Rm)-Rf]表征了市场风险收益,而βi为资产的系统风险测度,是CAPM模型的关键参数。通过βi可以判断资产风险相对于市场风险的大小。若βi < 1,则表示资产i的风险小于市场风险;若βi > 1,则表示资产i的风险大于市场风险,此时,收益率也大于市场收益率。
CAPM模型具有简单、可操作的特点,能够较准确地反映出折现率的内涵。
2 基于修正CAPM的收益法评估模型
收益法的核心是通过预测评估对象的未来收益,按照一定的折现率将其转换为收益现值来获得评估对象价值的方法。收益净现值的计算方法如式(2)所示。为了更准确地计算预期收益,折现率的选取应符合该资产未来预期盈利期间的风险水平[21]。
(2) 式(2)中:NPV为收益净现值;CI为年现金流入量;CO为年现金流出量;r为折现率;n为评估计算年限;i为年序号(i=1,2,3,...,n)。
2.1 无风险收益率
无风险收益率是指将资金投资于没有任何风险的投资对象所能得到的收益率。CAPM模型认为非系统风险可通过采取某些措施加以分散,此时,在综合风险中可以不考虑非系统风险,即可得到无风险收益率。
由于国债收益率相对稳定,且长期国债的收益率不易受到短期经济形势等因素的影响,更能体现较长时间段内的市场整体的无风险回报水平。因此,可采用长期国债收益率作为无风险收益率。以2011—2020年间,每年12月31日到期日剩余期限超过10年期的国债收益率(见表 1)为基础,可求得无风险收益率Rf=3.89%。
表 1 风险溢价数据表Table 1. Data table of risk premium2.2 市场风险溢价
沪深300指数选择上市公司时比较注重公司的市值和资本结构,入选企业的业绩相对稳定,能够代表所在行业整体发展水平。
因此,选取沪深300指数2011—2020年的年化收益率,以及对应的每年交易剩余期限10年以上的国债到期收益率,对市场平均收益率和国债到期收益率平均值作差,即可得到所需的市场风险溢价E(Rm)-Rf=4.29%,如表 1。
2.3 系统性风险系数β
CAPM模型认为将非系统风险通过采取某些措施加以分散后,可将其从综合风险中剔除,即可假设综合杠杆系数只衡量系统风险[22]。
在CAPM模型中,β表示某资产对市场收益变动的响应程度,代表了单个矿产资源开发企业的系统风险相对于所处行业的系统风险的比率。林志伟提出了采用综合杠杆系数来衡量中小企业β值的方法[23],如式(3)所示。
(3) 式(3)中:DTLh为某企业所在行业的综合杠杆系数;DTLi为该企业的综合杠杆系数。
综合杠杆系数(DTL)衡量的是包括系统风险和非系统风险在内的综合风险,反映了企业净利润变化率与主营业务收入变化率间的关系,是企业经营杠杆系数(DOL)和财务杠杆系数(DFL)的乘积。DTLh和DTLi的确定方法分别如式(4)和式(5)所示:
(4) (5) 式(5)中:EBIT为息税前利润,单位为万元;F为企业固定成本总额,单位为万元;I为企业债务资金利息。
2.4 系统风险系数修正
矿业企业投资、运行过程中存在较多的不确定因素[24-25],这些因素具有复杂性和多重性的特征,且相互作用、相互影响,造成系统性风险与非系统性风险相互干扰,影响着企业的生产规模、经营效果与财务状况。
企业综合杠杆系数DTLi计算采用了企业净利润变化率和主营业务收入变化率两个经济指标。而矿业企业在主营业务外,还存在一些与矿产资源开发相关的非主营业务,如固体废弃物的二次回收利用等,也能够为企业带来不菲的主营业务外收入与利润。同时,非主营业务的运营,也需要有建设投资和成本投入,这是综合杠杆系数原计算方法所没有考虑到的。因此,有必要对CAPM模型进行修正。
设α为评估企业的系统性风险修正系数,定义其为矿业企业非主营业务利润变化率与主营业务收入变化率的比值对β的影响度,考虑到主营业务与非主营业务之间的关系,其取值范围确定为[1, 2](若α > 2时,非主营业务就变为主营业务,企业主营范围发生改变)。此时,将α系数植入式(1),CAPM模型修正为:
(6) 当评估某具体矿山企业的采矿权价值时,首先可以根据该企业的财务数据,分别采用式(5)和式(4),计算出企业综合杠杆系数(DTLi)和企业所在行业平均综合杠杆系数(DTLh),并根据式(3)计算出β系数;其次,根据企业经营与矿产资源开发相关的非主营业务的具体情况,确定评估企业的系统性风险修正系数α;最后,根据式(6)计算出折现率,再根据式(2)计算出收益净现值(即采矿权价值),并应用于企业收益评估模型。
3 实证研究
3.1 案例企业基本数据
甘肃某黄金矿山采用地下开采方式,以2019年12月31日为评估基准日,该矿可利用矿石资源量为7.709 2×105 t,金的金属量为16.19 t,平均品位为2.25 g/t,矿山服务年限为13 a,评估黄金价格按照330元/g计算。固定资产投资总额39 990.24万元,固定成本202 857.58万元,现金流入284 348.18万元,现金流出247 174.84万元,年均经营成本17 815.63万元,销售税金及附加为647.14万元,企业所得税率为25%。
该矿2019年度的税前利润为3 632.31万元,固定成本为8 996.26万元,财务费用为87.58万元。
采用式(5)计算,可得该企业的DTLi=3.56。
对我国黄金企业上市公司生产经营效率与销售收入综合排名前十中的9家A股企业(因1家企业数据异常而剔除),2019年12月31日的经营杠杆系数(DOL)和财务杠杆系数(DFL)分别加权平均,然后按式(4)求得综合杠杆系数均值(如表 2),作为行业平均综合杠杆。根据表 2可得:DTLh=3.36。
表 2 黄金矿行业样本公司综合风险表Table 2. Comprehensive risk table of sample companies in the gold mining industry采用式(3)计算,系统风险系数β=1.06。反映了案例企业资产收益率变动受市场平均收益率变化的影响程度,即市场平均收益率每变化1个单位,案例企业资产收益率会变化1.06个单位。
3.2 案例企业评价结果
该企业在生产运营中,将井下掘进产生的废石用于加工建筑用砂、石材料,并销往当地(财务指标不详)。假定该非主营业务对黄金生产的影响度为5%,也即α系数取1.05,可计算出修正前和修正后的折现率,净现值、投资回收期。
一般情况下,矿业行业在采用固定折现率收益法评价时,折现率一般取8%~10%。根据本文研究结果,不考虑非主营业务对主营业务的影响时,也即企业风险调整系数α=1.0;按照案例企业非主营业务对主营业务的影响度5%,也即企业风险调整系数α=1.05。在此条件下,分别采用固定折现率(8%和10%两种取值)、CAPM模型折现率和CAPM改进模型折现率3种方法,对案例企业进行评价,计算出的各项指标值如表 3所列。
从表 3可以看出,不同的折现率对最终评估结果的影响很大。对于案例企业,采用本文提出的改进模型的采矿权评估结果相较于固定折现率区间下限(r=8%)对应的评估结果,收益净现值减少15.3%,投资回收期增加1.04年;相较于固定折现率区间上限(r=10%)对应的评估结果,收益净现值增加49.3%,投资回收期减少2.36年。改进模型相较于未改进的CAPM模型评估结果,收益净现值减少5.7%,投资回收期增加0.11年。
表 3 评价结果对比表Table 3. Comparison table of evaluation results4 问题与讨论
1)收益法评估采矿权价值时,折现率的大小取决于企业的经营风险与财务风险的高低,折现率的微小变化,会造成评估结果的很大差异。企业的经营风险与财务风险越小,折现率就越低,收益现值也越高。案例企业的实证研究表明,非主营业务的增加,虽能增加企业的收益,但同时也加大企业的经营风险与财务风险,CAPM改进模型较好的量化这部分风险。因而,相对于未改进CAPM模型的评估结果,采矿权价值评估值相对偏低,投资回收期增加。
2)采用固定折现率评估采矿权价值方法简单,但存在对风险估计不周的问题。选择的折现率较大,可能会导致有潜力的采矿权项目的价值被低估;若选择的较小,可能会导致被评估的采矿权价值偏高,如表 3所列。
3)在实际投资时应该同时关注主营业务和非主营业务,更全面地考量收益与风险。CAPM改进模型给出非主营业务风险调整系数参考计算方法,较好地量化非主营业务的风险,更加能够体现采矿权的实际价值,有助于提高CAPM模型预测准确性以及该模型在矿业行业评估领域的适用性。
5 结论
1)基于CAPM建立的收益法评估模型确定的折现率相对固定折现率更具有弹性,能够根据具体企业和整个行业的情况计算出折现率,可以有效避免目前评估实务中折现率取值的随意性,使采矿权价值评估结果更加科学化、合理化。
2)随着矿业企业经营范围与体系的丰富,非主营业务经营类型与比例不断变化,其存在的收益与风险对整体的影响不容忽视。采用收益法进行采矿权价值评估时,矿业企业围绕矿产资源开发所进行的非主营业务投入与收益应纳入采矿权价值评估之中。基于此,采用本文提出的系统性风险系数修正方法对CAPM模型进行修正,得到的折现率能够同时体现出矿业企业主营业务和非主营业务的投入与收益对矿业权价值的影响。
3)矿业企业不存在非主营业务时,采用企业风险调整系数α修正后的CAPM模型中,因α=1,并不影响CAPM模型的正常使用,修正后的CAPM模型是对原模型的补充与完善,有助于提高CAPM模型预测准确性以及该模型在矿业行业评估领域的适用性。
-
表 1 Ti 微合金钢的化学成分/(质量分数袁%)
Table 1 Chemical composition of Ti microalloyed steel /(mass fraction, %)
元素 C Mn Si P S Ti Al N* O* 含量 0.15 0.98 0.28 0.015 0.005 0.08 0.02 4~5 4~5 注:标有"*"的单位为10-5. 表 2 超快速冷却条件下Ti 微合金钢的力学性能
Table 2 Mechanical properties of Ti microalloyed steel produced by ultra fast cooling process
屈服强度/MPa 抗拉强度/MPa 屈强比 伸长率/% 650 750 0.87 17.4 表 3 析出相结构参数
Table 3 Structural parameters of precipitates
相类型 点阵常数/nm 晶系 M3C a0=0.452 3~0.453 0, b0=0.508 8~0.508 0,
b0=0.674 3~0.677 2正交 M(C,N) a0=0.425~0.427 面心立方 表 4 M3C 及MC 中各元素占钢的质量分数
Table 4 Element mass fraction of M3C and MC in steel
相结构 各元素占钢的质量分数/% 相占钢的
质量分数/%(Fe0.984Mn0.016)3C Fe Mn C ∑ 1.428 2 0.023 0 0.104 1 1.555 3 Ti(C0.672N0.328) Ti C N 0.026 7 0.004 5 0.002 6 0.033 8 表 5 M3C 及MC 类析出物的粒度分布
Table 5 Size distribution of M3C and MC precipitates
粒度/nm M3C MC 频率/(%·nm-1) 质量分数/% 累计质量分数/% 频率/(%·nm-1) 质量分数/% 累计质量分数/% 1 ~ 5 1.83 7.31 7.31 2.81 11.23 11.23 5 ~ 10 0.04 0.22 7.53 0.97 4.84 16.07 10 ~ 18 0.02 0.12 7.66 0.26 2.05 18.13 18 ~ 36 0.77 13.88 21.54 0.34 6.09 2 4.22 36 ~ 60 1.12 26.96 48.5 0.16 3.73 27.95 60 ~ 96 0.77 27.56 76.06 0.29 10.6 38.55 96 ~ 140 0.3 13.41 89.47 0.2 8.82 47.37 140 ~ 200 0.09 5.66 95.13 0.43 25.91 73.28 200 ~ 300 0.05 4.87 100 0.27 26.72 100 表 6 不同粒度纳米碳化物对析出强化的贡献
Table 6 Contribution of different sizes of nano-carbide precipitate to yield strength
粒度/nm FexC 析出强化增量/MPa 1 ~ 5 153.9 38 5 ~ 10 34.2 13.6 10 ~ 18 7.4 5.6 18 ~ 36 48.3 5.9 合计 243.8 63.1 表 7 钢屈服强度计算值与实测值的比较/MPa
Table 7 Comparison of steel yield strength between calculation and measurement /MPa
细晶强化增量 固溶强化增量 析出强化增量 理论计算值 实测值 235.3~268.3 79.7 306.9 621.9~654.9 650 -
[1] FU J, LI G, MAO X, et al. Nanoscale cementite precipitates and comprehensive strengthening mechanism of steel[J]. Metallurgical and Materials Transactions A, 2011, 42(12): 3797-3812. doi: 10.1007/s11661-011-0767-z
[2] SHIGA C, HIRAOKA K. Development of high-strength steel in STX-21 project and associated tasks[J]. Welding Technique, 1998 (7): 81-87.
[3] 傅杰, 李光强, 于月光, 等. 基于纳米铁碳析出物的钢综合强化机理[J]. 中国工程科学, 2011, 13(1): 31-42. http://www.cnki.com.cn/Article/CJFDTOTAL-GCKX201101006.htm [4] CHARLEUX M, POOLE W J, MILITZER M, et al. Precipitation behavior and its effect on strengthening of an HSLA-Nb/Ti steel[J]. Metallurgical and Materials Transactions A, 2001, 32(7): 1635-1647. doi: 10.1007/s11661-001-0142-6
[5] 付俊岩. Nb微合金化和含铌钢的发展及技术进步[J]. 钢铁, 2006, 40(8): 1-6. http://www.cnki.com.cn/Article/CJFDTOTAL-GANT200508000.htm [6] 雍岐龙, 吴宝榕, 白埃民, 等. 铌微合金钢中碳氮化铌化学组成的计算与分析[J]. 钢铁研究学报, 1990, 2(2): 37-42. http://www.cnki.com.cn/Article/CJFDTOTAL-IRON199002009.htm [7] CHEN C Y, YEN H W, KAO F H, et al. Precipitation hardening of high-strength low-alloy steels by nanometer-sized carbides[J]. Materials Science and Engineering: A, 2009, 499(1): 162-166. http://cn.bing.com/academic/profile?id=2019290790&encoded=0&v=paper_preview&mkt=zh-cn
[8] JANG J H, LEE C H, HEO Y U, et al. Stability of (Ti, M) C (M=Nb, V, Mo and W) carbide in steels using first-principles calculations[J]. Acta Materialia, 2012, 60(1): 208-217. doi: 10.1016/j.actamat.2011.09.051
[9] SETO K, FUNAKAWA Y, KANEKO S. Hot rolled high strength steels for suspension and chassis parts “NANOHITEN” and “BHT Steel”[J]. JFE Technical Report, 2007(10): 19-25. http://cn.bing.com/academic/profile?id=2305011633&encoded=0&v=paper_preview&mkt=zh-cn
[10] 李冬玲, 方建锋, 刘庆斌, 等. X-射线小角散射法测定钢铁及合金中析出相的粒度[J]. 冶金分析, 2008, 28(3): 1-8. [11] 霍向东, 毛新平, 吕盛夏, 等. CSP 生产 Ti 微合金化高强钢中纳米碳化物[J]. 北京科技大学学报, 2011, 33(8): 941-946. http://www.cnki.com.cn/Article/CJFDTOTAL-BJKD201108007.htm [12] 吴华杰, 傅杰, 刘阳春. 微合金高强度钢纳米级析出相的分析[J]. 特殊钢, 2006, 27(4): 19-21. http://www.cnki.com.cn/Article/CJFDTOTAL-TSGA200604007.htm [13] GLADMAN T. Second phase particle distribution and secondary recrystallisation[J]. Scripta Metallurgica et Materialia, 1992, 27(11): 1569-1573. doi: 10.1016/0956-716X(92)90146-6
[14] 雍岐龙.钢铁材料中的第二相[M]. 北京: 冶金工业出版社, 2006. [15] PICKING F B, 刘嘉禾. 钢的组织与性能[M]. 北京: 科学出版社, 1999. [16] TAKAKI S. Relation between yield strength and microstructural factors-On the additional law of strengthening mechanisms[J]. Tetsu to Hagane-Journal of the Iron and Steel Institute of Japan, 2008, 94(5): A304-A309.
[17] DUTTA B, Sellars C M. Strengthening of austenite by niobium during hot rolling of microalloyed steel[J]. Materials Science and Technology, 1986, 2(2): 146-153. doi: 10.1179/mst.1986.2.2.146
-
期刊类型引用(3)
1. 李云煜,刘春学. 基于收益途径的有色金属采矿权评估方法. 科技和产业. 2024(06): 125-131 . 百度学术
2. 杨海平,李慧. 国际能源投资项目基准收益率研究——基于CAPM模型. 山东工商学院学报. 2023(05): 99-105 . 百度学术
3. 黄苹苹. 折现率在矿业公司估值模型中的应用. 上海商业. 2023(12): 207-209 . 百度学术
其他类型引用(7)