在9Cr-1Mo型耐热钢基础上,添加V、Nb、N 等元素开发的新型耐热钢。该钢种因其高的热强性,良好的持久塑性、抗氧化性和抗腐蚀性能,低的热膨胀系数和较低的生产成本被广泛用于超临界锅炉耐热管道,在日本、欧美等国被作为开发更高使用温度的铁素体耐热40cr无缝钢管的研究基准。但是,这种钢又属于难变形钢种,其化学成分复杂和合金元素含量高,在热变形过程中变形抗力大、塑性低和变形温度范围窄,给该钢种的工业生产带来一定的难度。
分析绘制了稀土加入前后实验钢的真应力-真应变曲线、再结晶-温度-时间图、再结晶图及功率耗散图,并计算了高温下实验钢的再结晶激活能. 在变形温度为850-1100℃,变形速率为0.004-10 s-1变形条件下,变形温度越高和变形速率越低,动态再结晶越容易发生。稀土加入会产生固溶强化,稀土元素与碳原子发生交互作用,且在晶界处或晶界附近偏聚,使变形抗力与峰值应变均增大,再结晶激活能由354.6 kJ·mol-1提高到397.2 kJ·mol-1。 另外,稀土会显著推迟再结晶发生时间,扩大40cr无缝钢管再结晶的时间间隔,推迟再结晶动力学过程。
图8-5氮化层的波纹状组织 锅炉管是无缝管的一种。制造方法与无缝管相同,但对制造钢管所用的钢种有严格的要求。根据使用温度高低分为一般锅炉管和高压锅炉管两种。 GB/T223.19-1989 钢换及合金化学分析方法 丁二酮肟分光光度法测量不锈钢产品形状 所有金属都和大气中的氧气进行反应,在表面形成氧化膜。不幸的是,在普通碳钢上形成的氧化铁继续进行氧化,使锈蚀不断扩大,最终形成孔洞。可以利用油漆或耐氧化的金属(例如,锌,镍和铬)进行电镀来保证碳钢表面,但是,正如人们所知道的那样,这种保护仅是一种薄膜。如果保护层被破坏,下面的钢便开始锈蚀。 考虑到氮化层较薄,检验时应采用轻负荷硬度计(如表面洛 氏、显微硬度计以及小负荷维氏硬度计等)进行检测,建议采用表 面洛氏硬度计,其负荷应不大于5kg为宜,或者采用小负荷维氏硬度计测定。如采用较大的负荷时,在测定时会将氮化层压穿,造成测量结果不准确。粉末不锈钢工艺的流程
粉末冶金不锈钢的工艺流程是制备粉末—>成形—>烧结。
制备粉末是用粉末冶金法生产不锈钢的第一步,可以是水雾化,将熔融的不锈钢由喷嘴漏孔流出,用高压水吹散、凝固,得到不锈钢粉末。水雾化不锈钢粉末的松装密度为2.5~3.2 g/cm3。也可以是气雾化,高压氮气雾化粉末的松装密度为4.8 g/cm3,粉末氧含量小于10-4。还可以采用旋转电极制粉法生产球状不锈钢粉末。
下一步是烧结。由于不锈钢中的合金元素容易氧化,所以必须在含氧量极低的保护气氛中烧结,如果采用氢气或分解氨作为保护气氛,露点应为-45~-50℃。也可采用真空烧结,烧结温度为1120~1150℃。还可以将这些不锈钢粉末装入包套内,抽真空密封后,冷等静压制,接着热等静压致密化成材,工艺参数为1050℃,压力2 kPa。
与普通的铸锻不锈钢材相比,粉末冶金不锈钢的合金元素的偏析小,晶粒度细小,不纯的夹杂物细小并均匀分布,力学性能和耐腐蚀性能较高。特别是用粉末冶金方法生产的高氮不锈钢,比高压熔炼法成本要降低很多,同时粉末冶金高氮不锈钢具有一系列优异的性能,应用前景非常广阔。
粉末冶金不锈钢是指用粉末冶金方法制造的不锈钢。使用该方法制备的不锈钢可以使显微组织细化,合金元素的偏析减少,从而改善材料的性能。此外,还能够节省原材料与节约能耗,实现低碳、绿色、环保。
GB/T699-1999优质碳素结构钢【1】氮化层深度的测定实际应用中,常将耐弱腐蚀介质腐蚀的钢称为厚壁无缝钢管,而将耐化学介质腐蚀的钢 称为耐酸钢。由于两者在化学成分上的差异,前者不一定耐化学介质腐蚀,而后者则一般均具有不锈性。厚壁无缝钢管的耐蚀性取决于钢中所含的合金元素。 ②管道直饮水发展迅速 NDT 包含了许多种已可有效应用的方法,最常用的 NDT 方法是:射线照相检测、超声检测、涡流检测、磁粉检测、渗透检测、目视检测、泄漏检测、声发射检测、射线透视检测等。厚壁无缝钢管中耐空气、蒸汽、水等弱腐蚀介质和酸、碱、盐等化学浸蚀性介质腐蚀的钢, 又称不锈耐酸钢。本钢热轧1880生产线宽度模型控制进一步改善
经过专业技术人员积极攻关,板材热连轧厂1880生产线宽度控制自动化水平进一步提升,既提高了工作效率和控制稳定性,又可避免手动失误造成的质量问题。
1880生产线生产的薄规格产品深受市场青睐。面对激烈的市场竞争,该厂从提升产品质量和提高成材率出发,组织技术人员针对板型宽度控制难点积极开展攻关。
技术人员在深入分析了原因后,针对宽度控制模型提出了改进思路,他们大胆创新,突破传统控制模式,采用同一浇次中统一的宽度控制参数,从而更好地确保一个批次的宽度控制准确,避免了以往控制模式中各块钢坯间可能出现偏差的问题。在此基础上,为了确保钢坯参数准确,他们在参数确定上采用固定自学习值的控制模式。通过分析最近时间段的数据,总结出各钢种的自学习值。同时,可以通过对这个值的更精确跟踪控制,为后续生产的参数稳定创造条件。
围绕当前合同结构复杂多变,现场生产品种规格变化频繁的情况,他们通过对钢种和规格的统计分析,进行了程序的完善优化,提升了系统的自动判断能力。这样可以避免每次换浇次时手动修改自学习值,减少失误。此外,在数据库完善过程中,他们还增加了以往没有的逆厚补偿值字段,实现由程序判断是否逆厚,根据逆厚程度和逆厚补偿值来对自学习增加逆厚补偿,无须再进行手动干预,使相关模型程序更好地适应现场生产需求。