4. 材料热物理性能与高温力学性能

焊接热过程仿真的精度，首先取决于材料属性是否随温度被正确描述。室温下单点数据无法支撑焊接仿真：焊缝附近在几秒内从室温升到1500 ℃以上，热导率、比热容、密度、弹性模量、屈服强度和热膨胀系数都会发生数倍变化。若把材料当作常数处理，温度场峰值、冷却速度、残余应力分布都会出现系统性偏差。本节围绕“随温度变化的属性曲线”展开，说明各参数的物理意义、在仿真中的作用，以及数据获取与拟合的实用方法。

一、热物理性能：决定温度场形态

热导率 λ(T) 控制热量在母材中的传导速度。钢在室温下约 45～55 W/(m·K)，随温度升高总体下降，到 800 ℃附近可能降至 25～30 W/(m·K)。热导率越低，热影响区越窄、温度梯度越陡，冷却速度也越快。比热容 c_p(T) 反映单位质量材料升高单位温度所需热量，钢在 700～800 ℃的相变区间会出现明显峰值，因为相变潜热被折算进等效比热容。密度 ρ(T) 随温度缓慢下降，热膨胀使体积增大，通常从室温到熔点下降约 3%～8%。三者共同决定热扩散率 a = λ/(ρc_p)，它才是温度场扩散快慢的直接指标。

在仿真中，热物理性能通常以“温度—数值”表格形式输入，求解器在表格点之间做线性插值。需要注意两点：一是温度范围必须覆盖从室温到熔点以上，否则高温区会被外推；二是相变潜热不能遗漏，否则熔合线附近温度会偏高、冷却偏快。对于低碳钢，一个可参考的示例数据序列如下（示例值，实际应以材料手册或实测为准）：

温度 T / ℃      20    200   400   600   800   1000  1200  1500
热导率 λ        50    47    42    36    30    27    29    32   W/(m·K)
比热容 c_p      460   500   600   750   900   700   650   700  J/(kg·K)
密度 ρ          7850  7820  7780  7720  7650  7550  7450  7300 kg/m³

可以看到，比热容在 800 ℃附近取到 900 J/(kg·K) 的等效峰值，正是为了体现相变吸热。若直接使用室温常数 460 J/(kg·K)，熔合线附近的升温会明显偏快。

二、高温力学性能：决定应力与变形

弹性模量 E(T) 随温度升高持续下降。钢从室温约 210 GPa 降到 800 ℃时约 120～140 GPa，到 1000 ℃以上迅速趋近于零。屈服强度 σ_y(T) 的下降更剧烈：室温约 235～355 MPa，600 ℃时可能只剩 100 MPa 左右，800 ℃以上仅几十兆帕。热膨胀系数 α(T) 则随温度缓慢增大，钢在室温约 1.2×10⁻⁵ /℃，到 600 ℃附近可达 1.5×10⁻⁵ /℃ 以上。

这三者对应力仿真的影响是耦合的。热应变由 α(T)·ΔT 决定，是驱动应力的“源头”；弹性模量决定同样应变下产生多大弹性应力；屈服强度决定材料何时进入塑性、应力是否被“削平”。焊接冷却过程中，高温区材料屈服强度极低，几乎不能承载，塑性应变在此阶段大量累积；随着温度下降，屈服强度恢复，残余应力逐渐“冻结”在构件中。因此，若把屈服强度当作室温常数，会严重高估高温区的承载能力，导致残余应力计算失真。

三、数据获取与拟合方法

材料数据来源主要有三类：材料手册与标准（如 ASM、EN 10028、GB/T 标准中的高温性能表）、材料供应商数据表、以及文献或实验测量。手册数据通常覆盖到 600～800 ℃，更高温度段往往缺失，需要拟合或外推。常用做法是：

1. 整理原始数据：把不同来源的 T-λ、T-c_p、T-E、T-σ_y、T-α 数据统一到同一温度网格，剔除明显异常点。
2. 选择拟合形式：热导率、比热容常用分段线性或多项式；弹性模量和屈服强度在高温段下降快，可用指数衰减或分段线性；热膨胀系数常用线性或二次多项式。
3. 约束物理合理性：E(T) 和 σ_y(T) 必须单调不增且趋于零；c_p(T) 的相变峰要有界；λ(T) 不应出现负值或剧烈振荡。
4. 外推与验证：对缺失的高温段，用相邻点斜率外推并设置上限，再用一个简单热循环算例检查温度场和应力场是否合理。

下面给出一个用于拟合弹性模量的示例代码片段，采用分段线性加指数衰减的组合形式，便于在 Python 中生成仿真输入表：

import numpy as np

T = np.array([20, 200, 400, 600, 800, 1000, 1200, 1500])
E = np.array([210, 200, 185, 165, 130, 80, 30, 5])  # GPa，示例值

# 线性插值到 50 ℃ 网格
T_fine = np.arange(20, 1501, 50)
E_fine = np.interp(T_fine, T, E)

# 输出仿真材料卡格式
for t, e in zip(T_fine, E_fine):
    print(f"{t:6.0f}  {e:8.2f}")

拟合完成后，建议把曲线与原始数据点叠图检查，重点看 600～1000 ℃区间是否平滑、是否出现不合理的拐点。对于焊接仿真，这一区间恰恰是塑性应变累积和残余应力形成的关键温度段，拟合质量直接影响最终结果。

四、属性随温度变化的整体关系

把上述参数放在同一张图上，可以直观看到它们随温度的不同变化趋势，以及它们如何共同作用于焊接热过程。下图以低碳钢为例，示意热物理性能与高温力学性能随温度的相对变化，并标出相变区和熔化区的关键位置。

从图中可以读出几个对仿真设置直接有用的结论：热导率下降使高温区热量不易散出，冷却速度对热导率敏感；比热容的相变峰决定了熔合线附近温度曲线的“平台”特征；弹性模量和屈服强度在 600 ℃以上快速衰减，意味着高温区的应力计算必须使用随温度变化的塑性模型；热膨胀系数虽然变化幅度不大，但它是热应变的直接来源，其定义方式必须与仿真输入一致。