论文部分内容阅读
泥浆泵是钻探设备的重要组成部分,它是钻探过程中用来向井筒输送泥浆或水等冲洗液的动力设备。钻井泥浆泵的工作环境极其恶劣,常用来输送高含砂量、高黏度、具有腐蚀性的钻井液,故长期受到大载荷扭矩、泥浆液高压冲蚀及其腐蚀、硬质颗粒磨损作用。因此,泥浆泵的缸套、活塞、气阀以及曲轴等关键部件常发生磨损、漏失、腐蚀等故障。故如何提高泥浆泵关键部件表面性能,已成为当前石油开采亟需解决的关键问题之一。金属基复合镀层是一类以被沉积金属为连续相,第二相强化粒子为分散相的一种复合材料。它可通过电沉积方法将一种或多种强化粒子镶嵌于金属镀层中,从而形成金属基复合镀层,该镀层结构成分主要包括阴极表面被还原的金属以及第二相强化粒子。纳米镀层是由纳米级第二相粒子（如SiC、TiN、Al2O3等）镶嵌于基体金属中形成的纳米材料。纳米镀层中存在大量的第二相强化粒子,而这些粒子自身具有一些优异的性能,使得纳米镀层具有一定的物理或化学特性。将具有高硬度、高强度、良好耐磨和耐腐蚀性的Ni-TiN纳米镀层沉积到泥浆泵关键部件表面,可显著提高泥浆泵关键部件的表面综合性能。然而,在制备Ni-TiN纳米镀层时,仅仅采用超声波场或磁场与电沉积复合,不能有效分散镀液中的TiN纳米粒子,导致纳米粒子不能均匀地分散在纳米镀层中。因此,需将超声波场、磁场及电场有机结合,实现泥浆泵关键部件表面多场耦合沉积Ni-TiN纳米镀层的制备,系统研究多场耦合沉积Ni-TiN纳米镀层的制备工艺、表面形貌、微观组织及其镀层性能,进而确定并优化其工艺参数。本论文采用试验研究与理论分析相结合的方法,对泥浆泵关键部件表面沉积Ni-TiN纳米镀层的表面形貌、微观组织、TiN纳米粒子复合量、显微硬度、耐磨性及耐蚀性能进行系统研究。采用正交试验方法对泥浆泵关键部件表面多场耦合沉积Ni-TiN纳米镀层的工艺参数进行优化,并利用BP神经网络模型对Ni-TiN纳米镀层的磨损量进行预测研究。研究不同工艺参数对多场耦合沉积Ni-TiN纳米镀层TiN纳米粒子复合量、显微硬度、磨损量以及腐蚀量的影响,得出泥浆泵关键部件表面多场耦合沉积Ni-TiN纳米镀层所需的主要工艺参数范围为:TiN纳米粒子浓度在710 g/l,pH值35,阴极电流密度1.52.5 A/dm2,脉冲占空比3050%,超声波功率150250 W,表面活性剂添加量90150 mg/l,磁场强度0.40.6 T。采用正交试验方法,寻找到一组多场耦合沉积Ni-TiN纳米镀层的最佳工艺参数:TiN纳米粒子浓度8 g/l,阴极电流密度2.5 A/dm2,脉冲占空比40%,超声波功率200 W,磁场强度0.8 T。此外,通过极值比较,得出影响Ni-TiN纳米镀层磨损量大小因素为:TiN纳米粒子浓度>脉冲占空比>磁场强度>超声波功率>阴极电流密度。经扫描电镜（SEM）分析,采用电沉积方法制备的Ni-TiN纳米镀层表面存在一些凸起状颗粒,而这些凸起状颗粒将随着超声波场及磁场的引入而逐渐减小。当采用多场耦合沉积方法时,Ni-TiN纳米镀层的表面凸起状结构基本消失,镀层表面较为平整、紧密。经原子力显微镜（AFM）分析,采用电沉积方法制备的Ni-TiN纳米镀层在微观区域呈现出较大的颗粒状结构;采用超声-电沉积方法以及磁场-电沉积方法制备Ni-TiN纳米镀层时,镀层中颗粒粒径显著变小;而采用多场耦合沉积方法制备Ni-TiN纳米镀层时,镀层表面颗粒粒径进一步减小,并均匀分布于镀层表面,且镀层表面较为平整、紧密。经透射电镜（TEM）分析,在采用磁场-电沉积与超声电沉积方法所制备的纳米镀层中,TiN纳米粒子的复合量逐渐增多,但仍存在TiN纳米粒子的团聚现象;采用多场耦合沉积方法所制备的镀层TiN纳米粒子复合量较多,且TiN纳米粒子的平均粒径约在3050nm之间,镀层紧密性较好,基本无缺陷。经X射线衍射仪（XRD）分析,在衍射角2θ分别为44.82°、52.21°和76.77°处发现了镍的三条较强衍射峰,分别对应（1 1 1）、（2 0 0）和（2 2 0）晶面。在衍射角2θ分别为36.66°、42.60°和61.81°处发现TiN的三条较强衍射峰,分别对应（1 1 1）、（2 0 0）和（2 2 0）晶面,这证明在Ni-TiN纳米镀层中含有Ni和TiN两相。根据X射线衍射数据计算可知,Ni-TiN纳米镀层中Ni和TiN的平均晶粒尺寸分别约为51.83 nm和38.82 nm。采用多场耦合沉积方法在F1-1600型泥浆泵缸套、活塞、阀座等关键部件表面沉积Ni-TiN纳米镀层。采用多场耦合沉积Ni-TiN纳米镀层后,泥浆泵缸套完全被修复,其内表面较为光滑,无明显划痕,其表面显微硬度由634 Hv提高到849 Hv。当腐蚀时间和磨损时间为60 min时,泥浆泵缸套修复前后的腐蚀量由20.4 mg减小到16.1 mg,其磨损量由22.7 mg减小到19.2 mg。采用多场耦合沉积Ni-TiN纳米镀层后,活塞外表面较为光滑,无法用肉眼分辨镀前的腐蚀坑及划痕,其表面显微硬度由622 Hv提高到815Hv。当腐蚀时间和磨损时间为60 min时,泥浆泵活塞修复前后的腐蚀量由12.8 mg减小到9.9 mg,其磨损量由12.4 mg减小到9.6 mg。采用多场耦合沉积Ni-TiN纳米镀层后,阀座表面较为光滑,其表面显微硬度由611 Hv提高到826 Hv。当腐蚀时间和磨损时间为60 min时,泥浆泵阀座修复前后的腐蚀量由18.1 mg减小到15.5 mg,其磨损量由15.6mg减小到11.3 mg。利用BP神经网络模型对泥浆泵关键部件表面沉积Ni-TiN纳米镀层的磨损量进行预测,并与Neville多项式插值预测结果进行对比。结果表明,采用BP神经网络模型预测的平均相对误差为3.22%,而Neville多项式插值预测的平均相对误差为7.17%,这说明BP神经网络模型对镀层磨损量的预测精度更高。故验证了泥浆泵关键部件表面多场耦合沉积Ni-TiN纳米镀层磨损量的BP神经网络模型具有更高的预测精度和可靠性,可为其它金属基纳米镀层的性能预测提供一定技术支持。