The ability to predict nucleation and solidification behaviour is essential for producing high-quality metal powders. The droplet cooling of complex multi-component alloy systems has not been accurately studied by any models to date. In this study, a computational model to simulate the nucleation and cooling of metal melt droplets in a gas atomisation process is formulated. Even the nucleation and cooling events of complex multicomponent alloy systems can be predicted using the model. The model is made stochastic by comparing the probability of nucleation to a random numeric value to determine the occurrence of nucleation. Thermo-Calc Software version 2021ais utilized in the model to collect live thermodynamic data for each time step. The nucleation model predicts a reduction in nucleation temperature of roughly 1 K for a droplet size reduction of 10 μm. The model predicts an undercooling of 35 kelvin before nucleation for the alloy compositionFe-0.4%C-5%Ni-0.7%Si.All the results except the ones from the recalescence stage are consistent with the conventional metallurgical theory. Results confirm that the model is sensitive to droplet size, gas properties, and composition. The results from this study can help in predicting nucleation more accurately allowing the industry to anticipate powder qualities ahead of time, resulting in better resource efficiency. This research might open new possibilities for implementing stochastic techniques to study nucleation and droplet solidification. / Förmågan att förutsäga kärnbildning och stelningsbeteende är avgörande för att producera metallpulver av hög kvalitet. Droppkylning av komplexa legeringssystem med flera komponenter har hittills inte studerats noggrant med hjälp av någon modell. I den här studien formuleras en beräkningsmodell för att simulera kärnbildning och kylning av smälta metalldroppar i en gasatomiseringsprocess. Med hjälp av modellen kan man även förutsäga kärnbildning och avkylning av komplexa flerkomponentslegeringssystem. Modellen görs stokastisk genom att sannolikheten för kärnbildning jämförs med ett slumpmässigt numeriskt värde för att avgöra om kärnbildning sker. Thermo-Calc Software version 2021a används i modellen för att samla in termodynamiska data för varje tidssteg. Kärnbildningsmodellen förutsäger en minskning av kärnbildningstemperaturen med ungefär 1 K för en minskning av droppstorleken med 10 μm. Modellen förutsäger en underkylning på 35 kelvin före kärnbildning för legeringssammansättningen Fe-0,4 %C-5 %Ni-0,7 %Si. Alla resultat utom de från rekalescensstadiet överensstämmer med den konventionella metallurgiska teorin. Resultaten bekräftar att modellen är känslig för droppstorlek, gasegenskaper och sammansättning. Resultaten från den här studien kan bidra till att förutsäga kärnbildning mer exakt så att industrin kan förutse pulverkvaliteter i förväg, vilket leder till bättre resurseffektivitet. Denna forskning kan öppna nya möjligheter att tillämpa stokastiska tekniker för att studera kärnbildning och droppstelnad stelning.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-304170 |
Date | January 2021 |
Creators | Illam Muraleedhara Sharma, Nandakishor Thamarassery |
Publisher | KTH, Materialvetenskap |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-ITM-EX ; 2021:586 |
Page generated in 0.0018 seconds