9％Cr热强钢管道焊后热处理升温速率的优化计算方法与流程

　　本发明属于耐热钢焊接

　　技术领域：

　　，具体涉及一种9％cr热强钢管道焊后热处理升温速率的优化计算方法。

　　背景技术：

　　：9％cr热强钢是超(超)临界火电机组中广泛应用的一种马氏体耐热钢，其在高温下拥有优异的抗高温蠕变性能，常被用于机组的主蒸汽管道、集箱等部件。9％cr热强钢管道在焊接之后，接头往往存在一定的残余应力，并且韧性偏低，为了解决这个问题，在工程中一般采取焊后热处理的方法消除残余应力并且改善韧性。目前，对9％cr热强钢管道焊后热处理采用的是电力标准dl/t819-2010《火力发电厂焊接热处理技术规程》，该标准根据管道壁厚的不同推荐了一种升温速率选择方法，但是在实际工程中，加热器功率大小不一，且经常需要缩短工期，减少热处理时间，往往需要提高升温速率。但是升温速率增加的过大，会造成管道内壁和外壁温度梯度增加，导致内壁热处理时间不足，影响热处理质量。因此，有必要提出一种确定9％cr热强钢管道焊后热处理升温速率的优化计算方法。技术实现要素：本发明所要解决的技术问题是针对上述现有技术的不足，提供一种9％cr热强钢管道焊后热处理升温速率的优化计算方法，根据加热器功率大小和热处理时间要求，选择更佳的升温速率，从而保证焊后热处理质量，提高焊后热处理效率，节约材料和能源。为实现上述技术目的，本发明采取的技术方案为：9％cr热强钢管道焊后热处理升温速率的优化计算方法，包括以下步骤：步骤1：建立9％cr热强钢管道焊后热处理温度场模型；步骤2：计算9％cr热强钢管道各组热处理参数；步骤3：基于步骤2得到的的热处理参数，建立9％cr热强钢管道升温速率预测模型；步骤4：基于管道径向温度梯度的要求，通过9％cr热强钢管道升温速率预测模型选择升温速率。为优化上述技术方案，采取的具体措施还包括：上述的步骤1，所述建立9％cr热强钢管道焊后热处理温度场模型，具体为：计算m组不同管径、壁厚9％cr热强钢管道所需的焊后热处理加热宽度和保温宽度，利用ansys软件建立9％cr热强钢管道焊后热处理温度场模型。上述的步骤1，所述建立9％cr热强钢管道焊后热处理温度场模型，包括以下步骤：步骤1.1：根据工程实际，选定m组不同管径、壁厚的9％cr热强钢管道，并定义初始状态，根据热处理要求，定义目标状态；步骤1.2：根据dl/t819-2010《火力发电厂焊后热处理技术规程》，选定m组不同管径、壁厚的热强钢管道焊后热处理的加热宽度和保温宽度；步骤1.3：根据步骤1.1和1.2得到的各个参数，利用ansys软件建立9％cr热强钢管道焊后热处理温度场模型。上述的步骤2，所述计算9％cr热强钢管道各组热处理参数，具体为：根据步骤1建立的9％cr热强钢管道焊后热处理温度场模型，采用有限元计算软件，计算在k种加热器功率和n种升温速率下的m组不同规格9％cr热强钢管道焊后热处理所需时间和管道径向温度梯度。上述的步骤2，所述计算9％cr热强钢管道各组热处理参数，包括以下步骤：步骤2.1：有限元计算软件中，定义初始条件和边界条件；步骤2.2：利用步骤1建立的9％cr热强钢管道焊后热处理温度场模型计算k种加热功率和n种升温速率下m组不同管径、壁厚9％cr热强钢管道的热处理时间；步骤2.3：使用数据处理模块读取焊后热处理时间和管道更大径向温度梯度。上述的步骤3，所述基于步骤2得到的的热处理参数，建立9％cr热强钢管道升温速率预测模型，包括以下步骤：步骤3.1：根据步骤2得到的热处理参数，选择管径、壁厚、热处理时间、加热功率和径向温度梯度为输入，升温速率为输出，其输入神经元为5，输出神经元为1，采用单隐层，确定隐层节点为10，创建函数为newrb函数，根据多次训练修正网络中心数量、散布常数和阈值；步骤3.2：选取计算得到数据的70％作为训练样本，30％作为测试样本，进行数据归一化，代入步骤3.1中rbf神经网络参数训练，并使用测试样本对训练网络进行验证，若误差大于0.1，则修正rbf神经网络参数，若误差小于0.1，则训练完成，得到9％cr热强钢管道升温速率预测模型。上述的步骤4，所述基于管道径向温度梯度的要求，通过9％cr热强钢管道升温速率预测模型选择升温速率，包括以下步骤：步骤4.1：将步骤2中得到的加热功率和热处理时间以及9％cr热强钢管道不同管径、壁厚输入步骤3建立的9％cr热强钢管道升温速率预测模型，计算出升温速率和径向温度梯度；步骤4.2，根据满足径向温度梯度小于2的要求，确定不同规格管道更大升温速率范围。本发明具有以下有益效果：本发明能够根据加热器功率和工期时间的要求，计算不同规格9％cr热强钢管道焊后热处理的更大升温速率，可以用于指导p91、p92、e911、g115等9％cr热强钢管道接头焊后热处理升温速率的优化选择，在达到满足焊后热处理要求的同时，减少热处理时间，达到缩短工期的目的。附图说明图1是本发明方法的流程示意图；图2是本发明实施例中rbf神经网络模型训练误差曲线图。具体实施方式以下结合附图对本发明的实施例作进一步详细描述。如图1所示，本发明的9％cr热强钢管道焊后热处理升温速率的优化计算方法，包括以下步骤：步骤1：建立9％cr热强钢管道焊后热处理温度场模型，具体为：计算130组不同管径(300-1200mm，每100mm选取)、壁厚(30-150mm，每10mm选取)9％cr热强钢管道所需的焊后热处理加热宽度和保温宽度，利用ansys软件建立9％cr热强钢管道焊后热处理温度场模型，包括以下步骤：步骤1.1：根据工程实际，选定130组不同管径、壁厚的9％cr热强钢管道，并定义初始状态，根据热处理要求，定义目标状态；步骤1.2：根据dl/t819-2010《火力发电厂焊后热处理技术规程》，选定130组不同管径、壁厚的热强钢管道焊后热处理的加热宽度和保温宽度；步骤1.3：根据步骤1.1和1.2得到的各个参数，利用ansys软件建立9％cr热强钢管道焊后热处理温度场模型。步骤2：计算9％cr热强钢管道各组热处理参数，具体为：根据步骤1建立的9％cr热强钢管道焊后热处理温度场模型，采用有限元计算软件，计算15种加热器功率(20-300kw，每20kw选取)和10种升温速率(50-500℃，每50℃选取)下的130组不同规格9％cr热强钢管道焊后热处理所需时间和管道径向温度梯度，包括以下步骤：步骤2.1：有限元计算软件中，定义初始条件和边界条件；步骤2.2：利用步骤1建立的9％cr热强钢管道焊后热处理温度场模型计算15种加热功率和10种升温速率下130组不同管径、壁厚9％cr热强钢管道的热处理时间；步骤2.3：使用数据处理模块读取焊后热处理时间和管道更大径向温度梯度。步骤3：基于步骤2得到的的热处理参数，建立9％cr热强钢管道升温速率预测模型，包括以下步骤：步骤3.1：根据步骤2得到的热处理参数，选择管径、壁厚、热处理时间、加热功率和径向温度梯度为输入，升温速率为输出，其输入神经元为5，输出神经元为1，采用单隐层，确定隐层节点为10，创建函数为newrb函数，网络中心数量为600、散布常数为1和阈值为1/spread；步骤3.2：选取计算得到数据的13650组作为训练样本，5850组作为测试样本，进行数据归一化，代入步骤3.1中rbf神经网络参数训练，并使用测试样本对训练网络进行验证，若误差大于0.1，则修正rbf神经网络参数，若误差小于0.1，则训练完成，得到9％cr热强钢管道升温速率预测模型，训练误差图如图2所示。步骤4：基于管道径向温度梯度的要求，通过9％cr热强钢管道升温速率预测模型选择升温速率，包括以下步骤：步骤4.1：将步骤2中得到的加热功率和热处理时间以及9％cr热强钢管道不同管径、壁厚输入步骤3建立的9％cr热强钢管道升温速率预测模型，计算出升温速率和径向温度梯度；步骤4.2，根据满足径向温度梯度小于2的要求，确定不同规格管道更大升温速率范围。本发明中选取管道尺寸(管径和壁厚)、加热器功率、预设内外壁温差、焊后热处理环境温度以及控温温度作为变量参数，适用的范围如下：管道材料：9％cr热强钢；管道内径(半径)：300mm-1200mm；管道壁厚：30mm-150mm；加热器功率：20-300kw。将本发明方法的计算结果与电力标准进行对比：首先将表1所示规格的9％cr热强钢钢管道管径和壁厚、加热器功率输入到9％cr热强钢管道升温速率预测模型中进行计算：表1试验用9％cr热强钢管道规格序号管径/mm壁厚/mm加热器功率/kw15753520表2采用本发明方法计算结果与电力标准进行比较序号本发明方法/℃电力标准/℃误差/℃1215.2178.636.6由表2对比结果表明，用本发明得到的的9％cr热强钢管道焊后热处理升温速率相较电力标准有所提高，在保证热处理质量的情况下，缩短了热处理时间，对于实际工程中保证施工质量、缩短工期具有显著价值。以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本

　　技术领域：