Vă mulțumim că ați vizitat Nature.com. Utilizați o versiune de browser cu suport limitat pentru CSS. Pentru cea mai bună experiență, vă recomandăm să utilizați un browser actualizat (sau să dezactivați Modul de compatibilitate în Internet Explorer). În plus, pentru a asigura suport continuu, arătăm site-ul fără stiluri și JavaScript.
Glisoare care arată trei articole pe diapozitiv. Utilizați butoanele înapoi și următorul pentru a vă deplasa prin diapozitive sau butoanele controlerului de diapozitive de la sfârșit pentru a vă deplasa prin fiecare diapozitiv.
Efectul microstructurii asupra formabilității tablelor de oțel inoxidabil este o preocupare majoră pentru inginerii de prelucrare a tablelor. Pentru oțelurile austenitice, prezența martensitei de deformare (\({\alpha}^{^{\prime)\)-martensitei) în microstructură duce la o întărire semnificativă și la o scădere a formabilității. În acest studiu, ne-am propus să evaluăm formabilitatea oțelurilor AISI 316 cu diferite rezistențe martensitice prin metode experimentale și de inteligență artificială. În prima etapă, oțelul AISI 316 cu o grosime inițială de 2 mm a fost recoacet și laminat la rece la diferite grosimi. Ulterior, aria martensitei de tulpină relativă a fost măsurată prin testare metalografică. Formabilitatea foilor laminate a fost determinată utilizând un test de spargere a emisferei pentru a obține o diagramă limită de deformare (FLD). Datele obținute în urma experimentelor sunt utilizate în continuare pentru a antrena și testa sistemul artificial de interferență neuro-fuzzy (ANFIS). După antrenamentul ANFIS, tulpinile dominante prezise de rețeaua neuronală au fost comparate cu un nou set de rezultate experimentale. Rezultatele arată că laminarea la rece are un efect negativ asupra formabilității acestui tip de oțel inoxidabil, dar rezistența tablei este mult îmbunătățită. În plus, ANFIS arată rezultate satisfăcătoare în comparație cu măsurătorile experimentale.
Capacitatea de a forma foi de metal, deși subiectul articolelor științifice de zeci de ani, rămâne un domeniu interesant de cercetare în metalurgie. Noile instrumente tehnice și modele de calcul facilitează găsirea potențialilor factori care afectează formabilitatea. Cel mai important, importanța microstructurii pentru limita de formă a fost dezvăluită în ultimii ani folosind metoda Crystal Plasticity Finite Element Method (CPFEM). Pe de altă parte, disponibilitatea microscopiei electronice cu scanare (SEM) și a difracției cu retrodifuziune a electronilor (EBSD) îi ajută pe cercetători să observe activitatea microstructurală a structurilor cristaline în timpul deformării. Înțelegerea influenței diferitelor faze în metale, a mărimii și orientării granulelor și a defectelor microscopice la nivelul granulelor este esențială pentru a prezice formabilitatea.
Determinarea formabilității este în sine un proces complex, deoarece formabilitatea sa dovedit a fi foarte dependentă de căile 1, 2, 3. Prin urmare, noțiunile convenționale de deformare finală de formare sunt nesigure în condiții de încărcare disproporționată. Pe de altă parte, majoritatea căilor de încărcare în aplicațiile industriale sunt clasificate ca încărcare neproporțională. În acest sens, metodele tradiționale emisferice și experimentale Marciniak-Kuchinsky (MK)4,5,6 trebuie utilizate cu prudență. În ultimii ani, un alt concept, Fracture Limit Diagram (FFLD), a atras atenția multor ingineri de formabilitate. În acest concept, un model de deteriorare este utilizat pentru a prezice formabilitatea foii. În acest sens, independența traseului este inclusă inițial în analiză, iar rezultatele sunt în bună concordanță cu rezultatele experimentale nescale7,8,9. Formabilitatea unei table depinde de mai mulți parametri și de istoricul de prelucrare a tablei, precum și de microstructura și faza metalului10,11,12,13,14,15.
Dependența de dimensiune este o problemă atunci când se iau în considerare caracteristicile microscopice ale metalelor. S-a demonstrat că, în spațiile mici de deformare, dependența proprietăților vibraționale și de flambaj depinde puternic de scara de lungime a materialului16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Efectul mărimii granulelor asupra formabilității a fost de mult recunoscut în industrie. Yamaguchi și Mellor [31] au studiat efectul mărimii și grosimii granulelor asupra proprietăților de tracțiune ale tablelor metalice folosind analize teoretice. Folosind modelul Marciniac, ei raportează că, sub sarcină de tracțiune biaxială, o scădere a raportului dintre grosime și dimensiunea granulelor duce la o scădere a proprietăților de tracțiune ale foii. Rezultatele experimentale ale lui Wilson et al. 32 a confirmat că reducerea grosimii la diametrul mediu al granulelor (t/d) a dus la o scădere a extensibilității biaxiale a foilor metalice de trei grosimi diferite. Ei au ajuns la concluzia că la valori t/d mai mici de 20, neomogenitatea deformării și gâtul vizibile sunt afectate în principal de granulele individuale din grosimea foii. Ulvan și Koursaris33 au studiat efectul mărimii granulelor asupra prelucrabilității generale a oțelurilor inoxidabile austenitice 304 și 316. Ei raportează că formabilitatea acestor metale nu este afectată de mărimea granulelor, dar pot fi observate mici modificări ale proprietăților de tracțiune. Creșterea granulei este cea care duce la scăderea caracteristicilor de rezistență ale acestor oțeluri. Influența densității de dislocare asupra tensiunii de curgere a metalelor de nichel arată că densitatea de dislocare determină solicitarea de curgere a metalului, indiferent de mărimea granulelor34. Interacțiunea cerealelor și orientarea inițială au, de asemenea, o mare influență asupra evoluției texturii aluminiului, care a fost investigată de Becker și Panchanadiswaran folosind experimente și modelarea plasticității cristalului35. Rezultatele numerice din analiza lor sunt în acord cu experimentele, deși unele rezultate de simulare se abat de la experimente din cauza limitărilor condițiilor la limită aplicate. Prin studierea modelelor de plasticitate a cristalelor și prin detectarea experimentală, foile de aluminiu laminate prezintă o formabilitate diferită36. Rezultatele au arătat că, deși curbele efort-deformare ale diferitelor foi au fost aproape aceleași, au existat diferențe semnificative în formabilitatea lor pe baza valorilor inițiale. Amelirad și Assempour au folosit experimente și CPFEM pentru a obține curbele tensiune-deformare pentru foile de oțel inoxidabil austenitic37. Simulările lor au arătat că creșterea mărimii granulelor se deplasează în sus în FLD, formând o curbă limitativă. În plus, aceiași autori au investigat efectul orientării și morfologiei granulelor asupra formării golurilor 38 .
Pe lângă morfologia și orientarea granulelor în oțelurile inoxidabile austenitice, este importantă și starea fazelor gemene și secundare. Înfrățirea este mecanismul principal de întărire și creștere a alungirii în oțelul TWIP 39. Hwang40 a raportat că formabilitatea oțelurilor TWIP a fost slabă, în ciuda răspunsului la tracțiune suficient. Cu toate acestea, efectul înfrățirii prin deformare asupra formabilității tablelor de oțel austenitic nu a fost suficient studiat. Mishra et al. 41 au studiat oțelurile inoxidabile austenitice pentru a observa înfrățirea sub diferite căi de deformare la tracțiune. Ei au descoperit că gemenii ar putea proveni din surse de degradare atât ale gemenilor recoapți, cât și ale noii generații de gemeni. S-a observat că cei mai mari gemeni se formează sub tensiune biaxială. În plus, s-a observat că transformarea austenitei în \({\alpha}^{^{\prime}}\)-martensită depinde de traseul deformarii. Hong şi colab. 42 a investigat efectul înfrățirii induse de deformare și al martensitei asupra fragilizării hidrogenului într-un interval de temperaturi în topirea selectivă cu laser a oțelului austenitic 316L. S-a observat că, în funcție de temperatură, hidrogenul poate cauza defecțiuni sau îmbunătăți formabilitatea oțelului 316L. Shen şi colab. 43 a măsurat experimental volumul de deformare a martensitei sub încărcare de tracțiune la diferite rate de încărcare. S-a constatat că o creștere a tensiunii de tracțiune crește fracția de volum a fracțiunii de martensită.
Metodele AI sunt utilizate în știință și tehnologie datorită versatilității lor în modelarea problemelor complexe fără a recurge la fundamentele fizice și matematice ale problemei44,45,46,47,48,49,50,51,52 Numărul metodelor AI este în creștere . Moradi și colab. 44 au folosit tehnici de învățare automată pentru a optimiza condițiile chimice pentru a produce particule de nanosilice mai fine. Alte proprietăți chimice influențează, de asemenea, proprietățile materialelor la scară nanometrică, care a fost investigată în multe articole de cercetare53. Ce şi colab. 45 a folosit ANFIS pentru a prezice formabilitatea tablei de oțel carbon simplu în diferite condiții de laminare. Datorită laminarii la rece, densitatea de dislocare în oțelul moale a crescut semnificativ. Oțelurile carbon simple diferă de oțelurile inoxidabile austenitice prin mecanismele lor de întărire și restaurare. În oțelul carbon simplu, transformările de fază nu au loc în microstructura metalică. În plus față de faza metalică, ductilitatea, fractura, prelucrabilitatea etc. ale metalelor sunt, de asemenea, afectate de câteva alte caracteristici microstructurale care apar în timpul diferitelor tipuri de tratament termic, prelucrare la rece și îmbătrânire54,55,56,57,58,59. ,60. , 61, 62. Recent, Chen şi colab. 63 a studiat efectul laminarii la rece asupra formabilității oțelului 304L. Ei au luat în considerare observațiile fenomenologice doar în teste experimentale pentru a antrena rețeaua neuronală pentru a prezice formabilitatea. De fapt, în cazul oțelurilor inoxidabile austenitice, mai mulți factori se combină pentru a reduce proprietățile de întindere ale tablei. Lu et al.64 au folosit ANFIS pentru a observa efectul diverșilor parametri asupra procesului de expansiune a găurilor.
După cum sa discutat pe scurt în revizuirea de mai sus, efectul microstructurii asupra diagramei limitei formei a primit puțină atenție în literatură. Pe de altă parte, multe caracteristici microstructurale trebuie luate în considerare. Prin urmare, este aproape imposibil să includeți toți factorii microstructurali în metodele analitice. În acest sens, utilizarea inteligenței artificiale poate fi benefică. În acest sens, acest studiu investighează efectul unui aspect al factorilor microstructurali, și anume prezența martensitei induse de stres, asupra formabilității tablelor de oțel inoxidabil. Acest studiu diferă de alte studii AI în ceea ce privește formabilitatea prin aceea că se pune accentul pe caracteristicile microstructurale, mai degrabă decât pe curbele FLD experimentale. Am căutat să evaluăm formabilitatea oțelului 316 cu diferite conținuturi de martensită folosind metode experimentale și de inteligență artificială. În prima etapă, oțelul 316 cu o grosime inițială de 2 mm a fost recoacet și laminat la rece la diferite grosimi. Apoi, folosind controlul metalografic, s-a măsurat aria relativă a martensitei. Formabilitatea foilor laminate a fost determinată utilizând un test de spargere a emisferei pentru a obține o diagramă limită de deformare (FLD). Datele primite de la el au fost folosite ulterior pentru antrenarea și testarea sistemului artificial de interferență neuro-fuzzy (ANFIS). După antrenamentul ANFIS, predicțiile rețelei neuronale sunt comparate cu un nou set de rezultate experimentale.
Tabla din oțel inoxidabil austenitic 316 utilizată în studiul de față are o compoziție chimică așa cum se arată în tabelul 1 și o grosime inițială de 1,5 mm. Recoacere la 1050°C timp de 1 oră urmată de călire cu apă pentru a elibera tensiunile reziduale din foaie și pentru a obține o microstructură uniformă.
Microstructura oțelurilor austenitice poate fi dezvăluită folosind mai mulți agenti de gravare. Unul dintre cei mai buni agenți de gravare este acidul azotic 60% în apă distilată, gravat la 1 VDC timp de 120 s38. Cu toate acestea, acest gravator arată doar limitele granulelor și nu poate identifica limitele duble ale granulelor, așa cum se arată în Fig. 1a. Un alt agent de gravare este acetatul de glicerol, în care limitele gemene pot fi bine vizualizate, dar granițele nu sunt, așa cum se arată în Fig. 1b. În plus, după transformarea fazei austenitice metastabile în faza \({\alpha }^{^{\prime}}\)-martensită poate fi detectată utilizând agentul de gravare cu acetat de glicerol, care este de interes în studiul actual.
Microstructura plăcii de metal 316 după recoacere, prezentată de diverși agenti de gravare, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) în apă distilată la 1,5 V timp de 120 s și (b) 200x , acetat de gliceril.
Foile recoapte au fost tăiate în foi de 11 cm lățime și 1 m lungime pentru rulare. Instalația de laminare la rece are două role simetrice cu diametrul de 140 mm. Procesul de laminare la rece determină transformarea austenitei în martensită de deformare din oțel inoxidabil 316. Se caută raportul dintre faza de martensită și faza de austenită după laminarea la rece prin diferite grosimi. Pe fig. 2 prezintă o probă de microstructură a tablei de metal. Pe fig. 2a prezintă o imagine metalografică a unei probe laminate, văzută dintr-o direcție perpendiculară pe foaie. Pe fig. 2b folosind software-ul ImageJ65, partea martensitică este evidențiată cu negru. Folosind instrumentele acestui software open source, se poate măsura aria fracției de martensite. Tabelul 2 prezintă fracțiile detaliate ale fazelor martensitice și austenitice după rulare la diferite reduceri de grosime.
Microstructura unei foi de 316 L după rulare la o reducere de 50% a grosimii, privită perpendicular pe planul foii, mărită de 200 de ori, acetat de glicerol.
Valorile prezentate în Tabelul 2 au fost obținute prin media fracțiilor de martensită măsurate pe trei fotografii realizate în locații diferite pe același specimen metalografic. În plus, în fig. 3 prezintă curbele de potrivire pătratice pentru a înțelege mai bine efectul laminarii la rece asupra martensitei. Se poate observa că există o corelație aproape liniară între proporția de martensită și reducerea grosimii în starea laminată la rece. Cu toate acestea, o relație pătratică poate reprezenta mai bine această relație.
Variația proporției de martensită în funcție de reducerea grosimii în timpul laminarii la rece a unei foi de oțel 316 recoapte inițial.
Limita de modelare a fost evaluată conform procedurii obișnuite folosind teste de spargere a emisferei37,38,45,66. În total, șase mostre au fost fabricate prin tăiere cu laser cu dimensiunile prezentate în Fig. 4a ca un set de probe experimentale. Pentru fiecare stare a fracției de martensită, au fost pregătite și testate trei seturi de eșantioane de testat. Pe fig. 4b prezintă mostre tăiate, lustruite și marcate.
Turnarea Nakazima limitează dimensiunea eșantionului și placa de tăiat. (a) Dimensiuni, (b) specimene tăiate și marcate.
Testul pentru poansonare semisferică a fost efectuat cu o presă hidraulică cu o viteză de deplasare de 2 mm/s. Suprafețele de contact ale poansonului și foii sunt bine lubrifiate pentru a minimiza efectul frecării asupra limitelor de formare. Continuați testarea până când se observă o îngustare sau o rupere semnificativă în eșantion. Pe fig. 5 arată proba distrusă în dispozitiv și proba după testare.
Limita de formare a fost determinată utilizând un test de spargere emisferică, (a) instalație de testare, (b) placă de probă la rupere în instalația de testare, (c) aceeași probă după testare.
Sistemul neuro-fuzzy dezvoltat de Jang67 este un instrument potrivit pentru predicția curbei limită a formării frunzelor. Acest tip de rețea neuronală artificială include influența parametrilor cu descrieri vagi. Aceasta înseamnă că pot obține orice valoare reală în domeniile lor. Valorile de acest tip sunt clasificate în continuare în funcție de valoarea lor. Fiecare categorie are propriile reguli. De exemplu, o valoare a temperaturii poate fi orice număr real și, în funcție de valoarea sa, temperaturile pot fi clasificate ca reci, medii, calde și calde. În acest sens, de exemplu, regula pentru temperaturi scăzute este regula „purtați o jachetă”, iar regula pentru temperaturile calde este „destul de tricou”. În logica fuzzy însăși, rezultatul este evaluat pentru precizie și fiabilitate. Combinația de sisteme de rețele neuronale cu logica fuzzy asigură că ANFIS va oferi rezultate fiabile.
Figura 6 furnizată de Jang67 arată o rețea neuronală fuzzy simplă. După cum se arată, rețeaua are două intrări, în studiul nostru intrarea este proporția de martensită în microstructură și valoarea deformarii minore. La primul nivel de analiză, valorile de intrare sunt fuzzizate folosind reguli fuzzy și funcții de membru (FC):
Pentru \(i=1, 2\), deoarece se presupune că intrarea are două categorii de descriere. MF poate lua orice formă triunghiulară, trapezoidală, gaussiană sau orice altă formă.
Pe baza categoriilor \({A}_{i}\) și \({B}_{i}\) și a valorilor lor MF la nivelul 2, sunt adoptate unele reguli, așa cum se arată în Figura 7. În acest strat, efectele diferitelor intrări sunt cumva combinate. Aici, următoarele reguli sunt utilizate pentru a combina influența fracției de martensite și a valorilor de deformare minoră:
Ieșirea \({w}_{i}\) a acestui strat se numește intensitate de aprindere. Aceste intensități de aprindere sunt normalizate în stratul 3 conform următoarei relații:
În stratul 4, regulile Takagi și Sugeno67,68 sunt incluse în calcul pentru a lua în considerare influența valorilor inițiale ale parametrilor de intrare. Acest strat are următoarele relații:
Rezultatul \({f}_{i}\) este afectat de valorile normalizate din straturi, ceea ce dă rezultatul final, principalele valori warp:
unde \(NR\) reprezintă numărul de reguli. Rolul rețelei neuronale aici este de a folosi algoritmul său intern de optimizare pentru a corecta parametrii de rețea necunoscuți. Parametrii necunoscuți sunt parametrii rezultați \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\) și parametrii legați de MF sunt considerate funcția de formă generalizată a clopoteilor de vânt:
Diagramele limite de formă depind de mulți parametri, de la compoziția chimică până la istoricul de deformare a tablei. Unii parametri sunt ușor de evaluat, inclusiv parametrii de încercare la tracțiune, în timp ce alții necesită proceduri mai complexe, cum ar fi metalografia sau determinarea tensiunii reziduale. În cele mai multe cazuri, este recomandabil să se efectueze un test de limită de deformare pentru fiecare lot de tablă. Cu toate acestea, uneori, alte rezultate ale testelor pot fi folosite pentru a aproxima limita de modelare. De exemplu, mai multe studii au folosit rezultatele testelor de tracțiune pentru a determina formabilitatea foii69,70,71,72. Alte studii au inclus mai mulți parametri în analiza lor, cum ar fi grosimea și dimensiunea granulelor31,73,74,75,76,77. Cu toate acestea, nu este avantajos din punct de vedere computațional să includeți toți parametrii admiși. Astfel, utilizarea modelelor ANFIS poate fi o abordare rezonabilă pentru abordarea acestor probleme45,63.
În această lucrare, a fost investigată influența conținutului de martensită asupra diagramei limite de formare a unei table de oțel austenitic 316. În acest sens, a fost pregătit un set de date folosind teste experimentale. Sistemul dezvoltat are două variabile de intrare: proporția de martensite măsurată în teste metalografice și gama de tulpini inginerești mici. Rezultatul este o deformare inginerească majoră a curbei limită de formare. Există trei tipuri de fracții martensitice: fracții fine, medii și înalte. Scăzut înseamnă că proporția de martensită este mai mică de 10%. În condiții moderate, proporția de martensite variază de la 10% la 20%. Valorile ridicate ale martensitei sunt considerate a fi fracțiuni de peste 20%. În plus, tulpina secundară are trei categorii distincte între -5% și 5% lângă axa verticală, care sunt utilizate pentru determinarea FLD0. Intervalele pozitive și negative sunt celelalte două categorii.
Rezultatele testului emisferic sunt prezentate în FIG. Figura prezintă 6 diagrame de modelare ale limitelor, dintre care 5 sunt FLD ale foilor laminate individuale. Având în vedere un punct de siguranță și curba sa limită superioară formând o curbă limită (FLC). Ultima cifră compară toate FLC-urile. După cum se poate observa din ultima figură, o creștere a proporției de martensite în oțelul austenitic 316 reduce formabilitatea tablei. Pe de altă parte, creșterea proporției de martensită transformă treptat FLC într-o curbă simetrică în jurul axei verticale. În ultimele două grafice, partea dreaptă a curbei este puțin mai mare decât cea stângă, ceea ce înseamnă că formabilitatea în tensiune biaxială este mai mare decât în tensiune uniaxială. În plus, atât tulpinile de inginerie minore, cât și cele majore înainte de gât scad odată cu creșterea proporției de martensită.
316 formând o curbă limită. Influența proporției de martensite asupra formabilității tablelor de oțel austenitic. (punct de siguranță SF, curba limită de formare FLC, martensită M).
Rețeaua neuronală a fost antrenată pe 60 de seturi de rezultate experimentale cu fracțiuni de martensită de 7,8, 18,3 și 28,7%. Un set de date de 15,4% martensită a fost rezervat pentru procesul de verificare și 25,6% pentru procesul de testare. Eroarea după 150 de epoci este de aproximativ 1,5%. Pe fig. 9 arată corelația dintre rezultatul real (\({\epsilon }_{1}\), volumul de muncă de bază de inginerie) furnizat pentru instruire și testare. După cum puteți vedea, NFS antrenat prezice \({\epsilon} _{1}\) în mod satisfăcător pentru piesele din tablă.
(a) Corelația dintre valorile prezise și cele reale după procesul de instruire, (b) Eroare între valorile prezise și cele reale pentru sarcinile tehnice principale de pe FLC în timpul antrenamentului și verificării.
La un moment dat în timpul antrenamentului, rețeaua ANFIS este inevitabil reciclată. Pentru a determina acest lucru, se efectuează o verificare paralelă, numită „verificare”. Dacă valoarea erorii de validare se abate de la valoarea de antrenament, rețeaua începe să se reantreneze. După cum se arată în Figura 9b, înainte de epoca 150, diferența dintre curbele de învățare și de validare este mică și urmează aproximativ aceeași curbă. În acest moment, eroarea procesului de validare începe să se abată de la curba de învățare, ceea ce este un semn al supraadaptarii ANFIS. Astfel, rețeaua ANFIS pentru runda 150 este păstrată cu o eroare de 1,5%. Apoi este introdusă predicția FLC pentru ANFIS. Pe fig. 10 prezintă curbele prezise și reale pentru eșantioanele selectate utilizate în procesul de instruire și verificare. Deoarece datele din aceste curbe au fost folosite pentru a antrena rețeaua, nu este surprinzător să observați predicții foarte apropiate.
Curbe predictive experimentale reale FLC și ANFIS în diferite condiții de conținut de martensită. Aceste curbe sunt utilizate în procesul de antrenament.
Modelul ANFIS nu știe ce sa întâmplat cu ultimul eșantion. Prin urmare, am testat ANFIS-ul nostru instruit pentru FLC, trimițând probe cu o fracție de martensită de 25,6%. Pe fig. 11 prezintă predicția ANFIS FLC, precum și FLC experimentală. Eroarea maximă dintre valoarea prezisă și valoarea experimentală este de 6,2%, ceea ce este mai mare decât valoarea prezisă în timpul antrenamentului și validării. Cu toate acestea, această eroare este o eroare tolerabilă în comparație cu alte studii care prezic teoretic FLC37.
În industrie, parametrii care afectează formabilitatea sunt descriși sub forma unei limbi. De exemplu, „granulele grosiere reduce formabilitatea” sau „prelucrarea la rece crescută reduce FLC”. Intrările în rețeaua ANFIS în prima etapă sunt clasificate în categorii lingvistice, cum ar fi scăzut, mediu și ridicat. Există reguli diferite pentru diferite categorii în rețea. Prin urmare, în industrie, acest tip de rețea poate fi foarte util în ceea ce privește includerea mai multor factori în descrierea și analiza lor lingvistică. În această lucrare, am încercat să luăm în considerare una dintre principalele caracteristici ale microstructurii oțelurilor inoxidabile austenitice pentru a utiliza posibilitățile ANFIS. Cantitatea de martensită indusă de stres de 316 este o consecință directă a prelucrării la rece a acestor inserții. Prin experimente și analize ANFIS, s-a constatat că creșterea proporției de martensite în acest tip de oțel inoxidabil austenitic duce la o scădere semnificativă a FLC a plăcii 316, astfel încât creșterea proporției de martensite de la 7,8% la 28,7% reduce FLD0 de la 0,35. până la 0,1 respectiv. Pe de altă parte, rețeaua ANFIS instruită și validată poate prezice FLC folosind 80% din datele experimentale disponibile cu o eroare maximă de 6,5%, ceea ce reprezintă o marjă de eroare acceptabilă în comparație cu alte proceduri teoretice și relații fenomenologice.
Seturile de date utilizate și/sau analizate în studiul curent sunt disponibile de la autorii respectivi la cerere rezonabilă.
Iftikhar, CMA, şi colab. Evoluția căilor de curgere ulterioare ale aliajului de magneziu extrudat AZ31 „ca atare” sub căi de încărcare proporționale și neproporționale: experimente și simulări CPFEM. intern J. Prast. 151, 103216 (2022).
Iftikhar, TsMA și colab. Evoluția suprafeței de curgere ulterioară după deformarea plastică de-a lungul căilor de încărcare proporționale și neproporționale ale aliajului recoacet AA6061: experimente și modelare cu elemente finite a plasticității cristalului. intern J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Tranzitorii tranzitori, întărirea prin muncă și valorile r ale aluminiului din cauza modificărilor căii de deformare. intern J. Prast. 69, 1–20 (2015).
Mamushi, H. şi colab. O nouă metodă experimentală pentru determinarea diagramei de formare limitatoare ținând cont de efectul presiunii normale. intern J. Alma mater. formă. 15(1), 1 (2022).
Yang Z. şi colab. Calibrarea experimentală a parametrilor de fractură ductilă și a limitelor de deformare ale tablei AA7075-T6. J. Alma mater. proces. tehnologii. 291, 117044 (2021).
Petrits, A. şi colab. Dispozitive ascunse de colectare a energiei și senzori biomedicali bazați pe convertoare feroelectrice ultra-flexibile și diode organice. Comuna nationala. 12(1), 2399 (2021).
Basak, S. și Panda, SK Analiza limitelor de gât și fractură ale diferitelor plăci predeformate în căi de deformare plastică efectivă polară folosind modelul de randament Yld 2000–2d. J. Alma mater. proces. tehnologii. 267, 289–307 (2019).
Basak, S. și Panda, SK Deformații de fractură în foile anizotrope: evaluare experimentală și previziuni teoretice. intern J. Mecha. stiinta. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Studiu experimental și teoretic al efectului modificării traiectoriei deformarii asupra diagramei limită de turnare AA5083. intern J. Adv. producător. tehnologii. 76(5–8), 1343–1352 (2015).
Habibi, M. şi colab. Studiu experimental al proprietăților mecanice, al formabilității și al diagramei de formare limitatoare a semifabricatelor sudate prin frecare. J. Maker. proces. 31, 310–323 (2018).
Habibi, M., şi colab. Având în vedere influența îndoirii, diagrama limită se formează prin încorporarea modelului MC în modelarea cu elemente finite. proces. Institutul de blană. proiect. L 232(8), 625–636 (2018).
Ora postării: 08-jun-2023