Mechanism research on layered fracture of hot rolling Ti-bearing HSLA plates
-
摘要: 利用光学显微镜(OM)、电子背散射衍射仪(EBSD)、透射电镜(TEM)等设备研究了含钛低合金高强钢拉伸断口分层原因。结果显示:在显微组织和晶粒尺寸正常的情况下,MnS和大颗粒Ti(C, N)夹杂物聚集是导致断口分层的根本原因。拉伸断口呈现撕裂棱+浅韧窝的准解理形貌。塑性变形过程中,Ti(C, N)破碎导致显微裂纹萌生。裂纹沿着薄膜状MnS传导,最终在MnS和基体界面形成撕裂棱。大量平行分布的MnS夹杂物共同作用,使断口产生分层现象。通过降低S、N含量能够有效减少两类夹杂物数量,消除断口分层现象,改善塑性指标。Abstract: The reason for layered fracture about hot rolling Ti-bearing HSLA plate was studied by optical microscopy, electron backscattering diffraction and transmission electron microscopy. The results show that MnS and large grained Ti(C, N) complex precipitation and aggregation are the main causes when the microstructure and effective grain size are normal. The tensile fracture shows a quasi-cleavage morphology with tearing edges and shallow dimples. During plastic deformation, the microcrack initiation is attributed to the crushing of Ti(C, N). The cracks are conducted along the thin-film-like MnS, eventually forming tearing edges at Mns and matrix interface. A large number of parallel-distributed MnS inclusions act together, leading to layered fracture morphology during stretching. By reducing the content of S and N, it can effectively reduce the number of two types of inclusions, eliminate the phenomenon of fracture stratification, and improve the plastic index.
-
Keywords:
- microstructure /
- tensile fracture /
- tearing edge /
- quasi-cleavage /
- inclusion
-
模糊综合评判[1-7]是对受多因素影响的事物作出全面评价的一种十分有效的多因素决策方法.采用模糊综合评判方法可以将本来模糊的、主观性很大的定性评估转变为定量评判,适用于边坡这类影响事物因素较多,又具有很强的模糊性的稳定性综合评判.
模糊综合评判评价边坡稳定性过程中,需要确定各因素影响权重,传统确定权重的方法,主要有层次分析法和专家打分法2 种,二者确定都具有一定主观性.本文采用Logistic 回归模型确定权重,对赣南地区离子型稀土矿山边坡进行稳定性综合评判,避免了人为主观影响,具有较好的客观性.
1 模糊综合评判模型
1.1 确定评价等级和评价因子
根据工程经验[8-9],当边坡安全系数大于其安全等级所规定的安全系数上限,认为边坡是稳定的;边坡安全系数处在上限和下限之间,认为边坡是较稳定的;边坡安全系数处在下限和1 之间时,认为边坡是欠稳定的;边坡安全系数小于1 时,认为边坡是不稳定的.故将边坡稳定性分为4 个等级,即稳定、较稳定、欠稳定、不稳定.
赣南地区离子型稀土矿山滑坡类型主要属浅层风化松散岩土质滑坡,影响边坡稳定性的因素主要分为4 大块:边坡地形地貌、边坡岩土力学参数、岩土体中水的作用、外部载荷.边坡地形地貌包括坡度、坡高、边坡的几何形态等;边坡岩土力学参数体现为重度、黏聚力、内摩擦角、渗透性等力学参数;岩土体中水的作用主要有注液强度和降雨;外部载荷主要有地震作用、坡顶荷载、支护作用.
稀土矿山边坡坡高一般不超过40 m,对边坡稳定性影响很小[10];赣南地区不属于地震多发地带,不考虑地震作用;对没有作支护拦挡工程的矿山,简化不考虑其人为扰动影响;稀土边坡岩土体中水的作用复杂,受降雨、渗透性、注液时间、注液量等多个因素影响,简化考虑采用孔隙水压力比(土体中一点的孔隙水压力与其上土层覆盖压力的比值)和容重来代替这些参数的变化.结合赣南地区稀土边坡的实际情况,综合考虑选取重度、内摩擦角、黏聚力、坡度、孔隙水压力比5 个参数作为影响滑坡的主要因素.
根据42 个边坡实例的(表 2)统计结果并结合专家评定,确定评价等级及评价因子数值分布,如表 1所示.
表 1 评判等级及评价因子Table 1. Evaluation grades and evaluation factors表 2 实测边坡数据Table 2. Observed data of slope当孔隙压力比小于0.2、边坡角小于25°、内摩擦角大于42°、内聚力大于40 kPa、重度小于12 kN/m3时,边坡处于稳定状态;当孔隙压力比大于0.5、边坡角大于45°、内摩擦角小于18°、内聚力小于8 kPa、重度大于24 kN/m3 时,边坡处于极不稳定状态.
1.2 模糊综合评判模型
(1) (2) 其中U 代表综合评判因子所组成的集合,V 代表评判等级所组成的集合.
U 和V 可组成模糊评价矩阵R:
(3) Bij表示i 个因素属于j 等级的隶属度.
设预测样本权重A={r1,r2,…,rn},则综合评判为:
(4) C 为综合评判输出的结果.
1.3 确定隶属度函数
所选的影响因子都是连续性指标,采用“降半梯形[13]”作为其隶属度函数,如式(5)~式(8)所示:
(5) (6) (7) (8) 式(5)~式(8)中,将表 1 指标数据按从小到大排列,S1表示表 1 中指标的下边界值,S2表示第2 组的组中值,S3表示第3 组组中值,S4表示上边界值,如评价因子内聚力一栏中,S1=8、S2=16、S3=32、S4=40.U(X)表示对应的隶属度值.
2 逻辑回归模型确定权重
2.1 逻辑回归模型
逻辑回归的方法可以应用于求解滑坡概率[14],逻辑回归模型可表述为:设P 为发生滑坡的概率,则取值范围为[0 1],那么(1-P)为不发生滑坡的概率,将两者的比值取自然对数得ln[P/(1-P)],令Z=ln[P/(1- P)],并作为因变量,将影响因子指标Xi(i=1,2,…,n)作为自变量,建立线性回归方程:
(9) 可转化为:
(10) 式(9)、式(10)中,Bi(i=1,2,…,n)为回归常数,选择确定性系数指标CF 作为影响因子指标Xi:
(11) 式(11)中:Pa为滑坡在a 数据类中发生的条件概率,表示为影响因子子集a 中滑坡的个数与边坡总数的比值;Ps为滑坡在整个数据中发生的先验概率,表示为总的数据中滑坡个数与边坡总数的比值.
2.2 SPSS 运行求解回归系数
选用42 个离子型稀土矿山实测边坡数据,如表 2所示.采用各影响因子中最大值和最小值的差值确定步长,对边坡实例进行分类,按式(11)计算各子集确定性系数CF[14].根据各子集CF 值,将42 个边坡例子中的各个影响因子转化为CF 值.应用SPSS 软件,将各影响因子的CF 值作为自变量,边坡状态作为因变量(稳定状态用-4 值表示,按照式(10),Z=-4 计算,此时滑坡概率为0.018,滑坡状态用4 值表示,此时滑坡概率为0.982),进行线性回归,得出各回归项的回归系数[15-20],如表 3 所示.
2.3 回归系数转化为权重
由式(10)可以推导得:
(12) (13) 表 3 各评价因子的回归系数Table 3. Regression coefficient of each evaluation factor由式(12)、式(13)可知,不同的影响因子相互比较,对滑坡概率的影响梯度是与回归系数成正比的,如式(14):
(14) 也就说,回归系数就是体现滑坡因子作用于滑坡概率权重的大小,本文采用回归系数应用计算权重.对表 3 中的回归系数进行归一化处理,得到各影响因子的权重,如表 4 所示.
表 4 各影响因子权重Table 4. Each impact factor weights3 实例运算
龙南县东江乡足洞试验矿某边坡矿层土容重为20 kN/m3、内摩擦角29.1°、内聚力25 kPa、边坡角24.5°、孔隙水压力比0.44,可得其评价矩阵为:
(15) 代入权重向量A =[0.031 0.145 0.093 0.5390.191],计算得:
(16) 由最大隶属度原则,说明边坡处于稳定状态.边坡实际处于试验开采阶段,处于注液初期,稳定性良好,评判结果与实际相符.
4 结束语
模糊综合评判适用于边坡稳定性分析.采用 Logistic 回归模型确定权重的模糊综合评判法应用于边坡稳定性分析,较传统的确定权重的方法增加了客观性,使结果更让人容易接受.同时相对纯粹的统计回归分析边坡稳定性的方法,增加了主观性,减少了存在个别边坡变异性带来的稳定性分析偏差.缺点是,采用逻辑回归模型需要较多的统计数据.
王庆龙 -
图 4 钢中夹杂物分析:(a) 夹杂物的形貌;(b) 夹杂物1化学成分;(c) 夹杂物2化学成分;(d) 夹杂物3化学成分
Fig 4. Analysis of inclusions in steel:(a)micro morphology about nonmetallic inclusion; (b)EDS analysis about the 1# nonmetallic inclusion; (c) EDS analysis about the 2# nonmetallic inclusion; (d) EDS analysis about the 3# nonmetallic inclusion
表 1 试验钢的化学成分
Table 1 Chemical compositions of tested steel
元素 C Mn S P Si Ti N Als 含量 0.05~0.10 1.0~1.2 ≤0.030 ≤0.030 0.35~0.50 0.04~0.06 ≤0.008 0.015~0.035 表 2 钢中夹杂物分析
Table 2 Analysis of inclusions in steel
类型 A类 B类 C类 D类 D(TiN) 级别/(细系) 2.0 0.5 0 1.0 1.5 级别/(粗系) 0.5 0 0 0.5 0.5 -
[1] 朱奇,李强,熊志林,等.工程机械用Q960高强度钢板冷折弯开裂原因[J].机械工程材料,2021,45(4):94-98. [2] 王杰,杜恒科,赵坤.中心偏析对高锰钢中厚板力学性能的影响[J].物理测试,2009,27(2):13-17. [3] 张云祥,刘平元,彭其春,等.含钛高强带钢中心分层样拉伸过程断口分析[J].物理测试,2014,32(2):47-50. [4] 李梦龙.易切削非调质钢中硫化物生成行为与均匀化控制研究[D].北京: 北京科技大学,2015. [5] JIANG B, WU M, SUN H, et al. Prediction model of austenite growth and the role of MnS inclusions in non-quenched and tempered steel[J]. Metals and Materials International, 2018,24(1):15-22.
[6] 李永亮,邝霜,贾丽慧,等.800MPa级汽车扭力梁用钢围管和焊缝矫直开裂机理研究[J].钢铁钒钛,2021,42(1):184-190. [7] 李景才,辛燕.钛含量对无取向电工钢组织和磁性能的影响[J].钢铁钒钛,2021,42(4):156-161. [8] 王成.400MPa级超级钢激光焊接及其焊接性研究[D].北京: 清华大学,2002. [9] DU G, LIU F, LI J B. Evolution of microstructures and divorced eutectic TiC formed during solidification of the wear-resistant steel[J]. Materials Letters, 2020,265:127406.
[10] WANG Y, YANG C, LI J, et al. Effects of TiC formation on the microstructure and hardness of wear-resistant steel[J]. Materials Science and Technology, 2020(6):1-12.
[11] CRAVEN A J, HE K, GARVIE L, et al. Complex heterogeneous precipitation in titanium-niobium microalloyed Al-killed HSLA steels-I. (Ti,Nb)(C,N) particles[J]. Acta Materialia, 2000,48(15):3857-3868.
[12] 王明林,杨春政,陶红标,等.微合金化钢连铸坯角部横裂纹形成机制[J].钢铁,2012,47(10):27-33. [13] ZRNIK J, KVACKAJ T, SRIPINPROACH D, et al. Influence of plastic deformation conditions on structure evolution in Nb-Ti microalloyed steel[J]. Journal of Materials Processing Tech, 2003,133(1/2):236-242.
[14] 严国安,秦哲,田志红,等.中碳钙硫易切削钢夹杂物形态控制[J].北京科技大学学报,2007,29(7):685-688. [15] 邵肖静,王新华,姜敏,等.加热过程中硫系易切削钢中Mns夹杂物行为的动态原位观察[J].金属学报,2011,47(9):1210-1215. [16] OIKAWA K, SUMI S I, ISHIDA K. Morphology control of MnS inclusions in steel during solidification by the addition of Ti and Al[J]. Zeitschrift Für Metallkunde, 1999,90(1):13-17.
[17] 贾丽慧,李永亮.Nb、Ti微合金元素对高强结构钢Q690D冲击韧性的影响[J].有色金属科学与工程,2020,11(1):34-38. [18] 唐帅,蓝慧芳,段磊,等.铁素体区等温过程中Ti-Mo-Cu微合金钢中的共析出行为[J].金属学报,2022,58(3):355-364. [19] 倪玲玲,张可,袁文洋,等.奥氏体变形温度对Ti-V复合微合金钢析出动力学及组织和硬度的影响[J].有色金属科学与工程,2021,12(6):64-71. [20] OIKAWA K, ISHI DA K, NISHIZAWA T. Effect of titanium addition on the formation and distribution of mns inclusions in steel during solidification[J]. ISIJ International, 1997,37(4):332-338.
[21] 李向阳,吴旺朋,陈艳,等.高速车轮钢包裹类非金属夹杂物研究[J].钢铁钒钛,2021,42(3):199-204.