-
题名多向锻造机械轴承钢的组织与性能
被引量：3
- 1
-
-
作者
黄东
吴明友
文豪
-
机构
广东科学技术职业学院机器人学院
北京理工大学珠海学院机械工程学院
-
出处
《锻压技术》
CAS
CSCD
北大核心
2022年第4期68-73,共6页
-
基金
广东省普通高校青年创新人才项目(2020KQNCX159)。
-
文摘
为了提高机械轴承钢的室温及高温耐磨损性能,对GCr15机械轴承钢进行了多向锻造试验,并对比分析了锻造前及多向锻造后轴承钢的显微组织、25℃室温及350℃高温下的耐磨损性能。结果表明:与锻造前相比,多向锻造后机械轴承钢的晶粒明显细化,碳化物由粗壮的鱼骨状变为细小的三维网状,并呈弥散分布;多向锻造使机械轴承钢在室温磨损20 min后的磨损体积从31×10^(-3)mm^(3)减小至16×10^(-3)mm^(3)、高温磨损20 min后的磨损体积从54×10^(-3)mm^(3)减小至22×10^(-3)mm^(3),机械轴承钢的室温及高温耐磨损性能均得到了显著提高。多向锻造是提高机械轴承钢的室温及高温耐磨损性能的有效途径,具有较强的工业实用性。
-
关键词
机械轴承钢
多向锻造
显微组织
耐磨损性能
GCR15钢
-
Keywords
mechanical bearing steel
multi-directional forging
microstructure
wear resistance
GCr15 steel
-
分类号
TG132.25
[一般工业技术—材料科学与工程]
-
-
题名含钒机械轴承钢的锻造工艺优化研究
被引量：2
- 2
-
-
作者
刘林
-
机构
贵州工业职业技术学院
-
出处
《热加工工艺》
北大核心
2019年第5期186-188,共3页
-
基金
贵州省科学规划课题(2015B214)
-
文摘
采用不同工艺参数进行了新型含钒机械轴承钢锻造,并进行了锻造工艺优化前后的冲击性能和耐磨损性能的测试与分析。结果表明:与工艺优化前相比,工艺优化后的冲击韧度增大了7.9 J/cm^2(32.8→40.7 J/cm^2),磨损体积减小了6.8×10^(-3)mm^3(18.4×10^(-3)→11.6×10^(-3)mm^3),新型含钒机械轴承钢试样的冲击性能和耐磨损性能均得到显著提高。新型含钒机械轴承钢的优化锻造工艺为1140℃始锻温度,900℃终锻温度,拔长比4。
-
关键词
钒
机械轴承钢
锻造
工艺优化
冲击性能
耐磨损性能
-
Keywords
vanadium
mechanical bearing steel
forging
process optimization
impact performance
wear resistance
-
分类号
TG316
[金属学及工艺—金属压力加工]
TG142.45
[一般工业技术—材料科学与工程]
-
-
题名机械轴承钢锻造工艺的神经网络优化
被引量：2
- 3
-
-
作者
王丽萍
叶霞
-
机构
常州工程职业技术学院
江苏理工学院机械工程学院
-
出处
《热加工工艺》
北大核心
2019年第21期105-108,共4页
-
基金
2018年江苏省高职院校教师专业带头人高端研修(团队访学)项目(2018TDFX002)
-
文摘
以机械轴承钢成分、钢锭温度、开锻温度、终锻温度作为输入层函数,以冲击性能和耐磨损性能作为输出层函数,采用4×16×2三层拓扑结构构建了优化机械轴承钢锻造工艺的神经网络模型。对模型进行了预测、验证及生产线应用,并进行了冲击性能和耐磨损性能的测试和分析。结果表明,该神经网络优化模型预测精度高,该模型的冲击性能相对训练误差值为3.40%~5.16%,磨损性能相对训练误差值为3.33%~5.40%。与现用工艺相比,用该神经网络模型优化的G13Cr4Ni4Mo4VA机械轴承钢试样的冲击韧性增大11.3 J/cm^2,磨损体积减小33.3%;用该神经网络模型优化的40Cr15Mo2VNA机械轴承钢试样的冲击韧性增大13.3 J/cm^2,磨损体积减小34.5%。机械轴承钢的冲击性能和耐磨损性能均得到显著提升。
-
关键词
机械轴承钢
神经网络
锻造工艺优化
冲击性能
耐磨损性能
-
Keywords
mechanical bearing steel
neural network
forging process optimization
impact performance
wear resistance
-
分类号
TG306
[金属学及工艺—金属压力加工]
G317
[文化科学]
-
-
题名新型机械轴承钢的锻造温度神经网络优化
- 4
-
-
作者
赵海贤
韩彦龙
刘燕玲
-
机构
河北石油职业技术大学
华北理工大学机械工程学院
-
出处
《热加工工艺》
北大核心
2022年第17期79-81,86,共4页
-
基金
河北省自然科学基金项目(E2016411008)。
-
文摘
锻造温度是新型机械轴承钢锻造过程中的最重要工艺参数之一。为了优化新型机械轴承钢的锻造温度,本文构建了3×18×1三层拓扑结构的神经网络优化模型。选择轴承钢牌号、始锻温度和终锻温度作为输入层参数,选择耐磨损性能作为输出层参数,选择tansig函数作为隐含层传递函数,选择purelin函数作为输出层传递函数,对神经网络优化模型进行了学习训练以及预测验证。结果表明:模型相对训练误差介于3.03%与6.67%之间,平均相对训练误差5.00%;相对预测误差介于3.13%与5.41%之间,平均相对预测误差4.22%。模型能准确反映轴承钢牌号、始锻温度和终锻温度对钢耐磨损性能的影响规律,模型预测能力强、预测精度高。
-
关键词
神经网络优化
机械轴承钢
始锻温度
终锻温度
-
Keywords
neural network optimization
mechanical bearing steel
initial forging temperature
final forging temperature
-
分类号
TG316
[金属学及工艺—金属压力加工]
-
