Metallin rakenteen mallintaminen

Transkriptio

1 Metallin rakenteen mallintaminen Seppo Louhenkilpi Aalto yliopisto, metallurgia Oulun yliopisto, prosessimetallurgia Lämpökäsittely- ja takomopäivät

2 Sisältö/tausta Esittelen pääasiassa ns. IDS jähmettymis- ja mikrorakenneohjelmiston (teräkset) Se on pääasiassa kehitetty Aalto metallurgia tutkimusyksikössä alkaen jo vuonna Päätutkijana ollut TkT Jyrki Miettinen. Vastaava ohjelmisto, CAS ohjelma, on kehitetty kupariseoksille IDS ohjelman jatkokehityksessä mukana jatkossa Aalto yliopisto, Oulun yliopisto, Casim Consulting sekä terästeollisuus

3 Mikrorakenteiden mallinnus: yleistä Eri skaaloille käytetään eri mallinnusmenetelmiä (FDM/FEM, Phase Field,... Fysiikka: termodynamiikka + kinetiikka (diffuusio, ydintyminen,..) + empiirinen, atomitasolla mm. F=ma,... Mitä matalampi lämpötila ei tasapainon mukainen rakenne tarvitaan enemmän empiiristä dataa/tietoa (esim. CCT käyrien tietoa) Atomic structure Dendrite Process scale Molecylar dynamics,... Phase Field, FDM,... FDM/FEM,... IDS malli (FDM) + prosessimalli

4 IDS termodynaamis-kineettis-empiirinen malli - Sula, jähmettyminen, jäähtyminen, kuumennus, pito, jäähtyminen - Laskenta-skaala: Jähmettyminen: dendriitti Muu: austeniittirae

5 IDS tool INPUT Steel composition Cooling rates OUTPUT Solidification phenomena Phase transfromations Microsegregations Microstructure evolution Inclusions Precipitates Pore formation, etc. Thermophysical material properties (H, k, C p, L,..) Thermal contraction Density Liquid viscosity Liquid/air surface tension Solid/liquid interface energy Hardness, etc. Alloying elements included: Fe, C, Si, Mn, P, S, Cr, Mo, Ni, Nb, Ti, V, B, Al, Ca, Cu, N, Ce, Mg, O, H. (note: not all elements for all modules) Phases: α-ferrite, Δ-ferrite, eutectic ferrite, austenite, cementite, pearlite, bainite, α-martensite (bct structure), ɛ-martensite (hcp structure) Inclusions/precipitates: Stoichiometric binaries: AlN, BN, B 2 O 3 (l), CaO, CaS, CO(g), H 2 (g), MgO, N 2 (g), SiO 2, TiB 2, TiO 2, Ti 2 O 3,VO; stoichiometric ternaries: Fe 26 Al 9 C 5, FeMo 2 B 2, FeNbB, Fe 2 Mo 3 O 8, Fe 4 Nb 2 O 9, Ti 2 CS; semistoichiometric ternaries: (Mn,Fe)S, (Mn,Cr)S, (C,N)Nb, (C,N)Ti, (C,N)V, (Cr,Fe) 2 B, (Ni,Fe) 3 B, (Nb,Fe)O 2, (Fe,X) 2 B (X=Cr,Mn,Ni,V), (Fe,X) 3 O 4 (X=Al,Cr,Mo,V), (Fe,X) 2 O 3 (X=Al,Cr,V), (Fe,X) O (X=Cr,Mn,V),...

6 IDS jähmettymis ja mikrorakennemalli Esim. kuumennuksen ja pidon aikana IDS laskee (kuvassa HOM alue): 1. Erkaumien/sulkeumien muodostumisen, kasvun ja niiden liukenemisen 2. Suotautumien honogenisoinnin 3. Austeniitin raekoon kasvun 4. Ferriitin kasvun ja liukenemisen (ruostumaton teräs) 5. Hilseen muodostus

7 IDS austeniitin hajaantumismoduli - Sisältää mm. regressioyhtälöt eri nenäkäyrille, diffuusio austeniitissa (Fickin laki) ja seosaineiden jakautuminen austeniitin raerajalla ( paratasapainon mukaan) - Modulissa mukana tänä päivänä: C, Si, Mn, Cr, Mo, Ni, B. - Inputtina: Austeniitin lähtöraekoko ja koostumus, lähtölämpötila, jäähtymisnopeus (nopeusmuutokset sallittu). IDS jähmettymismoduli antaa ne tarvitaessa. - Output mm: faasitransformaatiot, faasimäärät, erkaumat, austeniitin koostumus,...

8 Morfologioiden laskenta IDS ei laske morfologioita. Ne voidaan laskea esim. Cellular Automata (CA) tai Phase Field menetelmillä, mutta ne ovat laskennallisesti aikaa vieviä ja vielä akateemisia. Yhteistyö menossa IDS+Cellular Automata (Aalto yliopisto+university of Alabama, USA) Prosessimalli (Tempsimu)+IDS+Cellular automata laskentatulos: valurakenne Yhteistyö menossa IDS+CA

9 IDS erkaumien laskenta Sulkeumat (sulasta) lasketaan pelkästään termodynamiikan pohjalta Erkaumat lasketaan termodynamiikan+kinetiikan (ydintyminen)+ misfit energian avulla tarvitaan paljon empiiristä tietoa Jos faasin Gibbsin energia suurempi kuin erkauman Modified Gibbs energy (kaava ohessa) erkauma ydintyy ja alkaa kasvaa. Kun faasi ydintynyt ydintymisenergia nollaksi

10 IDS austeniitin rakeenkasvu: empiirinen kaava D( t t) D( t) M * 0 exp( Q / 1 R / T( t)) ( D( t) 1 D max ) 1 1 n 0 t Missä: Q fer a0 pre b0 ( 1 ( f ) ( f ) ) Q0 C EQ Q EQ Ferriitti austeniittirakeiden välissä ja erkaumat hidastavat rakeenkasvua Seostuksen vaikutus Tarvitaan paljon empiiristä tietoa Kasvu hidastuu: (1) nopea jäähtymisnopeus (vähän aikaa), (2) matala lämpötila, (3) ferriitin ja erkaumien muodostuminen Liuenneilla seosaineilla myös jonkin verran vaikutusta, mutta tässä vaiheessa vain hiili mukana siinä suhteessa

11 IDS tietokannat 1. Thermodynamic Gibbs energy data. Phases: liquid, ferrite, austenite, compounds and cementite. Components: Fe, C, Si, Mn, P, S, Cr, Mo, Ni, Cu, Al, N, Nb, Ti, V, Ca, B, Ce, Mg, O, H) 2. Diffusion coefficients of solutes. Phases: ferrite and austenite. Solutes: Si, Mn, P, Cr, Mo, Ni, Cu, Al, Nb, Ti, V, Ca (diffusion of B, C, H, N, O, S assumed extremely rapid) 3. Microstructure data for DAS and grain (= default values for calculation volume elements) 4. Thermophysical material data: Enthalpy, specific heat and latent heat (derived from the Gibbs energy data) Thermal conductivity. Phases: liquid and solid. Components: Fe, C, Si, Mn, Cr, Mo, Ni, Nb, Cu, V. Density. Phases: liquid, ferrite, austenite and cementite. Components: Fe, C, Si, Mn, P, S, Cr, Mo, Ni, Cu, Al, Nb, Ti, V, B, O (liquid) and Fe, C, Si, Mn, Cr, Mo, Ni, Nb (solid phases). Dynamic liquid viscosity. Components: Fe, C, Si, Mn, P, S, Cr, Mo, Ni, Cu, Al, Nb, Ti, V, B, O. Surface tension (between liquid and air). Components: Fe, C, Si, Mn, P, S, Cr, Mo, Ni, Cu, Al, N, V, B, O. Fusion entropy. Phases: ferrite and austenite. Components: Fe, C, Cr, Mo, Ni. For the calculation of solid/liquid interface energy 5. CCT data. Parameters of CCT regression formulas. Components: C, Si, Mn, Cr, Mo, Ni, B. Applied in ADC simulations.

12 IDS validointi o C Liquidus o C Austenite formation o C Zero-strength Stainless- Residual Ferrite: 87 measurements Deviation=1.2% o C Solidus

13 IDS koostumusalueet tänä päivänä Alloying element All steels and modules Low-alloy SOL module Low-alloy ADC module High-alloy SOL and ADC wt%-min wt%-max wt%-max wt%-max C (10ppm) Si (1ppm) <2 1 2 Mn (1ppm) < P (1ppm) S (1ppm) Cr (1ppm) < Ni (1ppm) < Mo (1ppm) < Cu (1ppm) Al (1ppm) N (1ppm) Nb (1ppm) Ti (1ppm) V (1ppm) Ca (1ppm) Ce (1ppm) Mg (1ppm) B (1ppm) O (1ppm) H (1ppm) Näitä rajoja laajennetaan koko ajan huomioiden uudet teollisuuden teräslajit

14 Case esimerkkejä

15 Case: boorin vaikutus austeniitin hajaantumiseen Boori siirtää neniä tunnetusti oikealla martensiitin muodostus helpottuu 0 ppm B (pisteviiva) and 20ppm B (kiinteä viiva). Huom! IDS käyttää austeniitin hajaantumismodulissa liuennutta koostumusta, koska erkaumat eivät vaikuta hajaantumiseen.

16 Case: Alumiininitridin muodostuminen/liukeneminen Teräs L1 jäähdytetty ensin 1 o C/s, sitten kuummennettu 10 o C/s, ja a) pito 1150 o C 60min ja sitten jäähdytetty 10 o C/s. b) pito1200 o C 1min ja sitten with 10 o C/s. Iso ero lopputuloksissa a ja b välillä

17 IDS esimerkkejä (vedyn diffuusiokerroin, rakeenkasvu) Vedyn diffuusiokerroin 4 eri teräksessä Rakeenkasvu jähmettymisen jälkeen kolmessa eri teräksessä

18 Muitakin ohjelmia kehitetty (Aalto yliopisto, Casim Consulting,...) IDS TEMPSIMU3D CastManager (3D on-line) Solidification and microstructures from CC to hot rolling Heat transfer model for CC based on FDM Transient heat transfer model for CC based on FDM On-line IDS + On-line CastManager asennettu Raahen ja Tornion valukoneisiin On-line IDS + On-line FurnaceManager: asennus Tornion kuumennusuuniin menossa Off-line IDS ohjelmaa käytetään teollisuudessa ja yliopistoissa

19 Yhteenvetoa IDS on laskennallisesti nopea ja sitä käytetään teollisuudessa, yliopistoissa IDS soveltuu parhaiten välille valu kuumavalssaus On-line IDS versio valmis ja asennettu SSAB/Raahe, Outokumpu/Tornio Lämpökäsittelyyn IDS voidaan soveltaa, jos tunnetaan austeniitin hajaantumismodulin input arvot, mutta nyt vain pienet jäähtymisnopeuden muutokset mahdollisia (modulia kehitetään suurempien muutosten ja pitojen suuntaan) Morfologiamallit (Phase Field, Cellular Automata,...) ovat vielä akateemisella tasolla. Jatko: IDS+morfologiamallit+prosessimallit+ominaisuusmallit (+kierrätysmallit) Yhä enemmän tutkimusta tehdään jotta empiiristä tietoa voitaisiin korvata yhä enemmän fysiikan kaavoilla Jatkossa IDS mallin kehityksessä mukana: Aalto yliopisto, Oulun yliopisto, Casim Consulting, terästeollisuus, muita? CAS malliakin kehitetään mutta pienemmillä resursseilla.

20 Kiitos PS. Jos ohjelmaan on kiinnostusta tavalla tai toisella, niin ottakaa vain ystävällisesti yhteyttä