| 题名 | 激光冲击作用下的材料响应机制及测试方法 |
| 作者 | 吴嘉俊 |
| 答辩日期 | 2021-07-30 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 赵吉宾 ; 乔红超 |
| 关键词 | 激光冲击强化 响应机制 测试方法 材料性能 表面形貌 |
| 学位名称 | 博士 |
| 其他题名 | Response Mechanisms and Test Methods of Material Subjected to Laser Shock Processing |
| 学位专业 | 机械制造及其自动化 |
| 英文摘要 | 随着航空航天工业的快速发展，对飞机发动机的整体性能提出了越来越高的要求，尤其是要求飞机发动机零部件在苛刻的服役坏境中具备更高的稳定性和抗蠕变性能等。表面强化已被证明是一种提高材料力学性能和疲劳寿命的有效手段，并在工业生产中得到了越来越广泛的关注与应用。激光冲击强化（Laser shock processing/peening, LSP），又叫激光喷丸，是当世界上最先进最有效的材料表面强化技术之一，十分适用于航空航天关键零部件结构的表面强化。本文拟在激光冲击作用下的材料响应机制及测试方法方面开展相关工作，主要研究内容如下：数值模拟仿真是研究LSP机理的重要手段之一，而材料动态本构模型参数是进行LSP仿真的必要参数。本研究针对材料动态本构模型参数复杂和确定困难等问题，提出了一种基于LSP实验与数值模拟仿真相结合的材料动态本构模型参数的确定方法。研究选择了LSP数值模拟领域最为常用的J-C模型，并通过提出方法确定了材料的J-C简化模型参数。首先将材料的静态拉伸工程应力-应变曲线通过换算关系得到材料的真塑性应力-应变曲线，经最小二乘法拟合得到应变硬化函数。然后通过单点LSP实验并通过X射线残余应力测量得到材料LSP处理后的残余应力；接下来先假设应变率强化参数并进行对应的单点LSP有限元数值模拟仿真，以实验和仿真得到的最大残余压应力进行对比，将误差控制在一定范围为优化目标，最终可得到材料的J-C简化模型参数。研究以FGH4095合金为实验材料，对提出的方法进行了验证。研究了LSP对材料的作用过程，提出了不同激光能量作用下的材料LSP表面力学响应机理。单点LSP能够在材料表面诱导形成冲击凹坑，且冲击凹坑直径和深度随激光能量的增加而增加，凹坑直径和深度反映了材料的塑性变形程度；根据LSP诱导的残余应力场分布和材料表面纳米压痕测试曲线，可以将材料表面区域划分为LSP区域、LSP影响区域和非LSP区域；在激光冲击作用下，除提高残余应力、纳米硬度外，还伴随着材料弹性模量的提高；而这些力学性能的提高主要归结于LSP对材料晶粒的细化作用。研究了多点冲击的响应机制，包括点与点的相互影响、单点多次冲击的响应机制、多点搭接冲击的力学响应机制和多点搭接冲击的微观组织演变。在多点冲击过程中，点与点之间的残余应力场和塑性变形均会发生叠加效应，且叠加效应随光斑搭接率的增加而增加。采用单点多次冲击的方式，材料表面残余应力和冲击凹坑的深度均随冲击次数的增加而增加，但是增加幅度均下降。对材料进行多点搭接冲击处理，表面形貌与表面粗糙度的变化规律较为复杂，本研究定义了光斑搭接率阈值（threshold of overlap rate, TOR）这一参数，主要解释了表面粗糙度随光斑搭接率的变化规律。为对光斑搭接率对激光冲击诱导残余应力的影响进行量化研究，提出了等效冲击次数（Equivalent shocked times, EST）的概念，将光斑搭接率对材料力学性能的影响换算为冲击次数对材料力学性能的影响；此外提出了光斑控制距离（spot control distance, SCD）的概念，在对材料经LSP处理后的表面形貌进行测量时，需要考虑测量区域面积对表面形貌的影响，SCD概念的提出，可为LSP处理后材料表面形貌测量面积的正确选择提供理论参考。在多点搭接冲击作用下，材料近表层将发生塑性变形和伴随着微观组织演变；并未观察到新的相产生，但XRD 特征峰发生了偏移和强度的微量变化；材料的晶粒尺寸得到细化，并伴随着位错密度、孪晶数量的增加；最后提出了多点搭接冲击的微观组织演变机理。研究了LSP声学信号分析的基础理论，利用声学信号在线检测手段能够实现LSP质量的在线评估。搭建了声学信号测试系统，可用于开展了LSP过程中声波信号分析。研究了约束层状态、激光能量和测量距离对等空气中离子体声波信号幅值的影响；该研究表明声学信号测试方法能够识别空气中等离子体声波信号的特征参数变化，可以监控LSP过程的状态。为得到LSP声源处的声信号特征参数，提出了一种基于信号传播特性的声源定位方法；首先进行声波信号的传播特性测试，得到了声信号的能量衰减系数；然后在实验试样表面设置三个传感器，基于声波信号的平面定位原理，能够准确确定LSP声源的位置；最后通过数学关系式计算得到了LSP声源处的信号强度。开展了基于人工智能的激光冲击强化效果预测方法研究，主要包括基于人工神经网络的激光冲击诱导残余应力预测和基于机器学习的激光冲击强化效果预测研究。构建了激光冲击诱导残余应力的4层网络结构（4×N×N×1）的人工神经网络模型，从决定系数R2、均方根误差RMSE和平均绝对误差MAE等多个指标对激光冲击诱导残余应力预测效果进行了评价；并发现预测残余应力与实验残余应力具有较好的一致。几种机器学习方法（人工神经网络、线性回归、多任务弹性网络、岭回归和多任务套索）用于激光冲击强化效果（残余应力、显微硬度和抗拉强度）的预测；相对误差用于评价抗拉强度的预测效果，决定系数R2用于评价残余应力和显微硬度的预测效果。对于整体预测效果而言：抗拉强度的预测效果最好，其次是显微硬度，最后是残余应力；线性回归在残余应力和显微硬度预测中的效果最好。综上所述，本文对激光冲击作用下的材料响应机制与测试方法进行了研究，提出了材料动态本构模型的确定方法和激光冲击作用下的材料响应机制；围绕激光冲击强化测试方法，从基于声学信号分析的激光冲击强化质量评估与基于人工智能的激光冲击强化效果预测方面进行了研究，可为激光冲击强化技术的发展提供理论参考与借鉴。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 156页 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.sia.cn/handle/173321/30061]  |
| 专题 | 工艺装备与智能机器人研究室 |
| 作者单位 | 中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 吴嘉俊. 激光冲击作用下的材料响应机制及测试方法[D]. 沈阳. 中国科学院沈阳自动化研究所. 2021. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论