● 摘要
镍基单晶高温合金是目前制造先进航空发动机涡轮叶片，导向叶片的关键材料，不断提高承温能力和降低合金成本是该类合金的主要研究目标。为提高承温能力，常采用低Cr高难熔（W、Mo、Nb、Ta、Re等）元素总量的合金化途径，尤其是稀贵金属Re的使用显著提高了单晶合金的高温蠕变和持久性能。但含Re单晶合金的成本提高了约一个数量级以上，严重制约了合金的推广应用。因此，无铼的低成本高温合金开发成为一个重要的研究方向。近来，人工神经网络作为一种提取大量试验数据隐藏规律的有效数学手段开始应用于单晶高温合金的性能预测，这种方法可以充分利用已有的试验结果，反应合金性能的随合金成分的变化规律。本文在上述背景下，建立并训练了镍基单晶高温合金的持久性能与成分人工神经网络关系模型，然后用该人工神经网络进行了无铼的低成本NN-1单晶高温合金的设计，确立了NN-1单晶合金成分；研究了NN-1合金的不同的固溶处理和时效处理制度对合金组织的影响，确定了合金完全热处理制度；研究了合金热暴露下的组织稳定性和微观组织演变；测试了本批次NN-1单晶合金在1000℃/195MPa，1040℃/165MPa，1100℃/137Mpa下的持久性能并分析了持久断裂试样的显微组织。结果表明建立的网络模型具有初步的合金性能预测功能，对于训练样本充足的第二代和第三代镍基单晶高温合金表现出相对较高的预测准确性，能够预测出一些关键元素如：Re，W，Mo等元素的变化对合金持久性能影响趋势；NN-1铸态合金组织由γ相、γ′相、γ/γ′共晶相组成，合金固溶处理温度区间为1290～1330℃，时效处理参数870℃、32h；合金经过900℃、1000℃、1100℃1200小时长期热暴露后未发现有害相析出，但γ′相粗化，细小二次γ′相在基体中析出，并与初生γ′相聚合；合金冶炼过程中形成的碳化物以及单晶生长中形成的微孔洞和合金取向差异是合金持久断裂的主要原因。