Duplex stainless steels, DSS are stainless steels that consist of the two phases austenite and ferrite. The DSS have superb properties and are widely used in industries such as nuclear power and in pressure vessels, pipes and in pipelines. The use of DSS are limited due to embrittlement which occurs at temperatures from 250 to 550 oC. This imposes a general limited service temperature of 250 oC. The mechanism mainly responsible for the embrittlement is a phase separation occurring in the ferrite phase. Furthermore, there is a direct link between the phase separation and the mechanical properties: the ferrite hardness increases whereas the toughness decreases under low temperature aging. In this thesis, the low-temperature embrittlement of duplex stainless steels was studied through machine learning modelling and experimental hardness- and microscopy measurements. The resulting model describes the data with an accuracy, R-squared = 0.94. In combination with the experimental results, nickel was identified as an important parameter for the hardness evolution. This work aims to provide a fundamental study for understanding the importance of alloying elements on the phase separation in DSS, and provides a new methodology via a combination of machine learning and key experiments for the material design. / Duplexa rostfria stål är rostfria stål som består av de båda faserna ferrit och austenit. De har extraordinära egenskaper och används brett inom industrin, t ex. i kärnkraftverk och i tryckkärl och pipelines. Användningen av duplexa rostfria stål är begränsad p.g.a. försprödning som uppstår i legeringarna vid temperaturer mellan 250-550 oC, vilket medför att den tillåtna temperaturen vid användning begränsas till under 250 oC. Den främsta orsaken till försprödningen är en fasseparation i den ferrita fasen under åldring vid låg temperatur. Vidare leder fasseparationen till mekaniska förändringar i ferritfasen: hårdheten ökar medan segheten minskar. I den här rapporten undersöks försprödningen av duplexa rostfria stål vid åldring med hjälp av datormodellering med maskininlärning samt av experimentella hårdhets- och mikroskopiska mätningar. Modellen hade en noggrannhet (determinationsko- efficienten, R2) på 0.94. Resultatet från modellen visade tillsammans med de experimentella resultaten att nickel är ett legeringsämne som har stor betydelse för hårdhetsökningen. Detta arbete syftar till att utgöra en grundläggande studie för att förstå påverkan från olika legeringsämnen på fasseparationer i DSS, och bidrar med en ny metodik för materialdesign som kombinerar maskininlärning och utvaldaexperiment. / EIT RawMaterial Project ENDUREIT
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-298415 |
| Date | January 2021 |
| Creators | Giard, Baptiste, Karlsson, Sofia |
| 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 ; 2021:283 |
Page generated in 0.0023 seconds