Ďakujeme, že ste navštívili Nature.com. Používate verziu prehliadača s obmedzenou podporou CSS. Pre najlepší zážitok vám odporúčame použiť aktualizovaný prehliadač (alebo vypnúť režim kompatibility v programe Internet Explorer). Okrem toho, aby sme zabezpečili nepretržitú podporu, zobrazujeme stránku bez štýlov a JavaScriptu.
Posuvníky zobrazujúce tri články na snímke. Na posúvanie medzi snímkami použite tlačidlá späť a ďalej, na posúvanie sa po jednotlivých snímkach použite tlačidlá ovládača posúvania na konci.
Vplyv mikroštruktúry na tvárnosť plechov z nehrdzavejúcej ocele je hlavným problémom inžinierov v oblasti spracovania plechov. U austenitických ocelí vedie prítomnosť deformačného martenzitu (\({\alpha}^{^{\prime))\)-martenzitu) v mikroštruktúre k výraznému spevneniu a zníženiu tvárnosti. V tejto štúdii sme sa zamerali na vyhodnotenie tvárnosti ocelí AISI 316 s rôznymi martenzitickými pevnosťami pomocou experimentálnych metód a metód umelej inteligencie. V prvom kroku bola oceľ AISI 316 s počiatočnou hrúbkou 2 mm žíhaná a valcovaná za studena na rôzne hrúbky. Následne bola zmeraná relatívna deformačná plocha martenzitu metalografickým testovaním. Tvárniteľnosť valcovaných plechov sa stanovila pomocou testu roztrhnutia hemisféry, aby sa získal diagram medzného napätia (FLD). Údaje získané ako výsledok experimentov sa ďalej používajú na trénovanie a testovanie umelého neuro-fuzzy interferenčného systému (ANFIS). Po tréningu ANFIS boli dominantné kmene predpovedané neurónovou sieťou porovnané s novým súborom experimentálnych výsledkov. Výsledky ukazujú, že valcovanie za studena má negatívny vplyv na tvárnosť tohto typu nehrdzavejúcej ocele, ale pevnosť plechu sa výrazne zlepšuje. ANFIS navyše vykazuje uspokojivé výsledky v porovnaní s experimentálnymi meraniami.
Schopnosť tvarovať plech, hoci je predmetom vedeckých článkov už desaťročia, zostáva zaujímavou oblasťou výskumu v metalurgii. Nové technické nástroje a výpočtové modely uľahčujú hľadanie potenciálnych faktorov ovplyvňujúcich tvárnosť. Najdôležitejšie je, že dôležitosť mikroštruktúry pre limit tvaru sa v posledných rokoch odhalila pomocou metódy konečných prvkov kryštálovej plasticity (CPFEM). Na druhej strane dostupnosť skenovacej elektrónovej mikroskopie (SEM) a difrakcie spätného rozptylu elektrónov (EBSD) pomáha výskumníkom pozorovať mikroštrukturálnu aktivitu kryštálových štruktúr počas deformácie. Pochopenie vplyvu rôznych fáz v kovoch, veľkosti a orientácie zŕn a mikroskopických defektov na úrovni zŕn je rozhodujúce pre predpovedanie tvárnosti.
Stanovenie tvárniteľnosti je samo o sebe zložitý proces, pretože sa ukázalo, že tvárnosť je vysoko závislá od ciest 1, 2, 3. Preto sú konvenčné predstavy o konečnom pretvorení pri neúmernom zaťažení nespoľahlivé. Na druhej strane väčšina dráh zaťaženia v priemyselných aplikáciách je klasifikovaná ako neproporcionálne zaťaženie. V tomto ohľade by sa tradičné hemisférické a experimentálne metódy Marciniak-Kuchinsky (MK)4,5,6 mali používať opatrne. V posledných rokoch pritiahol pozornosť mnohých inžinierov tvárniteľnosti ďalší koncept, diagram medzného lomu (FFLD). V tomto koncepte sa na predpovedanie tvárnosti plechu používa model poškodenia. V tomto ohľade je do analýzy spočiatku zahrnutá nezávislosť cesty a výsledky sú v dobrej zhode s neškálovanými experimentálnymi výsledkami7,8,9. Tvárniteľnosť plechu závisí od viacerých parametrov a histórie spracovania plechu, ako aj od mikroštruktúry a fázy kovu10,11,12,13,14,15.
Závislosť od veľkosti je problémom pri zvažovaní mikroskopických vlastností kovov. Ukázalo sa, že v malých deformačných priestoroch závislosť vibračných a vzpieracích vlastností silne závisí od dĺžkovej stupnice materiálu16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Vplyv veľkosti zŕn na tvárnosť je v priemysle známy už dlho. Yamaguchi a Mellor [31] študovali vplyv veľkosti a hrúbky zrna na ťahové vlastnosti kovových plechov pomocou teoretickej analýzy. Pomocou Marciniacovho modelu uvádzajú, že pri dvojosovom zaťažení ťahom vedie zníženie pomeru hrúbky k veľkosti zrna k zníženiu ťahových vlastností plechu. Experimentálne výsledky Wilson a kol. 32 potvrdilo, že zmenšenie hrúbky na stredný priemer zrna (t/d) malo za následok zníženie dvojosovej rozťažnosti kovových plechov troch rôznych hrúbok. Dospeli k záveru, že pri hodnotách t/d nižších ako 20 je badateľná deformačná nehomogenita a hrdlovanie ovplyvnené najmä jednotlivými zrnami v hrúbke plechu. Ulvan a Koursaris33 študovali vplyv veľkosti zŕn na celkovú obrobiteľnosť austenitických nehrdzavejúcich ocelí 304 a 316. Uvádzajú, že tvárnosť týchto kovov nie je ovplyvnená veľkosťou zŕn, ale možno pozorovať malé zmeny v ťahových vlastnostiach. Práve zväčšenie zrnitosti vedie k zníženiu pevnostných charakteristík týchto ocelí. Vplyv dislokačnej hustoty na prietokové napätie niklových kovov ukazuje, že dislokačná hustota určuje prietokové napätie kovu bez ohľadu na veľkosť zrna34. Interakcia zŕn a počiatočná orientácia majú tiež veľký vplyv na vývoj textúry hliníka, čo skúmali Becker a Panchanadiswaran pomocou experimentov a modelovania plasticity kryštálov35. Numerické výsledky v ich analýze sú v dobrej zhode s experimentmi, aj keď niektoré výsledky simulácií sa od experimentov líšia v dôsledku obmedzení použitých okrajových podmienok. Štúdiom vzorov kryštálovej plasticity a experimentálnym zisťovaním, valcované hliníkové plechy vykazujú rôznu tvárnosť36. Výsledky ukázali, že hoci krivky napätia a deformácie rôznych plechov boli takmer rovnaké, existovali významné rozdiely v ich tvárnosti na základe počiatočných hodnôt. Amelirad a Assempour použili experimenty a CPFEM na získanie kriviek napätie-deformácia pre plechy z austenitickej nehrdzavejúcej ocele37. Ich simulácie ukázali, že nárast veľkosti zŕn sa posúva smerom nahor v FLD a vytvára hraničnú krivku. Okrem toho tí istí autori skúmali vplyv orientácie zŕn a morfológie na tvorbu dutín 38 .
Okrem morfológie a orientácie zŕn v austenitických nehrdzavejúcich oceliach je dôležitý aj stav dvojčiat a sekundárnych fáz. Twinning je hlavným mechanizmom na kalenie a zvýšenie predĺženia ocele TWIP 39. Hwang40 uviedol, že tvárnosť TWIP ocelí bola slabá napriek dostatočnej odozve v ťahu. Vplyv deformačného zdvojenia na tvárnosť plechov z austenitickej ocele však nebol dostatočne študovaný. Mishra a spol. 41 študovali austenitické nehrdzavejúce ocele s cieľom pozorovať zdvojenie pri rôznych dráhach ťahového napätia. Zistili, že dvojčatá môžu pochádzať zo zdrojov rozkladu žíhaných dvojčiat a novej generácie dvojčiat. Bolo pozorované, že najväčšie dvojčatá vznikajú pod biaxiálnym napätím. Okrem toho sa zistilo, že transformácia austenitu na \({\alpha}^{^{\prime}}\)-martenzit závisí od dráhy deformácie. Hong a spol. 42 skúmal vplyv deformáciou vyvolaného zdvojenia a martenzitu na vodíkové skrehnutie v rozsahu teplôt pri selektívnom tavení austenitickej ocele 316L laserom. Zistilo sa, že v závislosti od teploty môže vodík spôsobiť zlyhanie alebo zlepšiť tvárnosť ocele 316L. Shen a kol. 43 experimentálne zmeral objem deformačného martenzitu pri zaťažení ťahom pri rôznych rýchlostiach zaťaženia. Zistilo sa, že zvýšenie ťahovej deformácie zvyšuje objemový podiel martenzitovej frakcie.
Metódy AI sa používajú vo vede a technike kvôli ich všestrannosti pri modelovaní zložitých problémov bez uchyľovania sa k fyzikálnym a matematickým základom problému44,45,46,47,48,49,50,51,52 Počet metód AI sa zvyšuje . Moradi a kol. 44 použili techniky strojového učenia na optimalizáciu chemických podmienok na výrobu jemnejších častíc nanooxidu kremičitého. Ďalšie chemické vlastnosti tiež ovplyvňujú vlastnosti materiálov v nanorozmeroch, čo sa skúmalo v mnohých výskumných článkoch53. Ce a spol. 45 použil ANFIS na predpovedanie tvárnosti plechu z obyčajnej uhlíkovej ocele pri rôznych podmienkach valcovania. V dôsledku valcovania za studena sa hustota dislokácií v mäkkej oceli výrazne zvýšila. Obyčajné uhlíkové ocele sa líšia od austenitických nehrdzavejúcich ocelí mechanizmom kalenia a obnovy. V jednoduchej uhlíkovej oceli nedochádza k fázovým premenám v mikroštruktúre kovu. Okrem kovovej fázy ovplyvňuje ťažnosť, lom, obrobiteľnosť atď. kovov aj niekoľko ďalších mikroštrukturálnych znakov, ktoré sa vyskytujú pri rôznych typoch tepelného spracovania, spracovania za studena a starnutia54,55,56,57,58,59 ,60. , 61, 62. Nedávno Chen a kol. 63 skúmal vplyv valcovania za studena na tvárnosť ocele 304L. Fenomenologické pozorovania brali do úvahy iba v experimentálnych testoch, aby trénovali neurónovú sieť na predpovedanie tvárnosti. V skutočnosti sa v prípade austenitických nehrdzavejúcich ocelí spája niekoľko faktorov, ktoré znižujú ťahové vlastnosti plechu. Lu et al.64 použili ANFIS na pozorovanie vplyvu rôznych parametrov na proces rozširovania otvoru.
Ako je stručne uvedené vo vyššie uvedenom prehľade, vplyvu mikroštruktúry na diagram limitov tvaru sa v literatúre venuje malá pozornosť. Na druhej strane treba brať do úvahy mnohé mikroštrukturálne vlastnosti. Preto je takmer nemožné zahrnúť všetky mikroštrukturálne faktory do analytických metód. V tomto zmysle môže byť využitie umelej inteligencie prospešné. V tejto súvislosti táto štúdia skúma vplyv jedného aspektu mikroštrukturálnych faktorov, konkrétne prítomnosti martenzitu vyvolaného napätím, na tvárnosť plechov z nehrdzavejúcej ocele. Táto štúdia sa líši od iných štúdií AI, pokiaľ ide o tvárnosť v tom, že sa zameriava skôr na mikroštrukturálne vlastnosti ako len na experimentálne krivky FLD. Snažili sme sa vyhodnotiť tvárnosť ocele 316 s rôznym obsahom martenzitu pomocou experimentálnych metód a metód umelej inteligencie. V prvom kroku bola oceľ 316 s počiatočnou hrúbkou 2 mm žíhaná a valcovaná za studena na rôzne hrúbky. Potom sa pomocou metalografickej kontroly zmerala relatívna plocha martenzitu. Tvárniteľnosť valcovaných plechov sa stanovila pomocou testu roztrhnutia hemisféry, aby sa získal diagram medzného napätia (FLD). Údaje získané od neho sa neskôr použili na trénovanie a testovanie systému umelej neuro-fuzzy interferencií (ANFIS). Po tréningu ANFIS sa predpovede neurónovej siete porovnávajú s novým súborom experimentálnych výsledkov.
Kovový plech z austenitickej nehrdzavejúcej ocele 316 použitý v tejto štúdii má chemické zloženie uvedené v tabuľke 1 a počiatočnú hrúbku 1,5 mm. Žíhanie pri 1050 °C počas 1 hodiny, po ktorom nasleduje ochladenie vodou, aby sa uvoľnili zvyškové napätia v plechu a získala sa jednotná mikroštruktúra.
Mikroštruktúru austenitických ocelí možno odhaliť pomocou niekoľkých leptadiel. Jedným z najlepších leptadiel je 60% kyselina dusičná v destilovanej vode, leptaná pri 1 V DC po dobu 120 s38. Toto leptadlo však zobrazuje iba hranice zŕn a nedokáže identifikovať dvojité hranice zŕn, ako je znázornené na obr. 1a. Ďalším leptacím činidlom je glycerolacetát, v ktorom možno dobre vizualizovať hranice dvojčiat, ale hranice zŕn nie, ako je znázornené na obr. 1b. Okrem toho, po transformácii metastabilnej austenitickej fázy na \({\alpha }^{^{\prime}}\)-martenzitovú fázu je možné detegovať pomocou leptadla glycerolacetátu, ktoré je predmetom súčasnej štúdie.
Mikroštruktúra kovovej platne 316 po žíhaní, znázornená rôznymi leptadlami, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) v destilovanej vode pri 1,5 V počas 120 s a (b) 200x glycerylacetát.
Vyžíhané plechy boli narezané na plechy široké 11 cm a dlhé 1 m na valcovanie. Válcovňa za studena má dva symetrické valce s priemerom 140 mm. Proces valcovania za studena spôsobuje v nehrdzavejúcej oceli 316 transformáciu austenitu na deformačný martenzit. Hľadá sa pomer martenzitickej fázy k austenitickej fáze po valcovaní za studena cez rôzne hrúbky. Na obr. 2 je znázornená vzorka mikroštruktúry plechu. Na obr. 2a znázorňuje metalografický obraz valcovanej vzorky pri pohľade zo smeru kolmého na plech. Na obr. 2b pomocou softvéru ImageJ65 je martenzitická časť zvýraznená čiernou farbou. Pomocou nástrojov tohto softvéru s otvoreným zdrojovým kódom je možné merať oblasť frakcie martenzitu. Tabuľka 2 ukazuje podrobné frakcie martenzitickej a austenitickej fázy po valcovaní na rôzne zmenšenia hrúbky.
Mikroštruktúra 316 l plechu po valcovaní na 50 % zmenšenie hrúbky, pri pohľade kolmo na rovinu plechu, zväčšené 200-krát, glycerolacetát.
Hodnoty uvedené v tabuľke 2 boli získané spriemerovaním nameraných frakcií martenzitu na troch fotografiách urobených na rôznych miestach na tej istej metalografickej vzorke. Okrem toho na obr. 3 ukazuje kvadratické krivky prispôsobenia na lepšie pochopenie účinku valcovania za studena na martenzit. Je možné vidieť, že existuje takmer lineárna korelácia medzi podielom martenzitu a redukciou hrúbky v stave valcovanom za studena. Kvadratický vzťah však môže tento vzťah lepšie reprezentovať.
Zmena podielu martenzitu ako funkcia redukcie hrúbky počas valcovania za studena pôvodne žíhaného oceľového plechu 316.
Hranica tvarovania bola hodnotená podľa obvyklého postupu s použitím testov prasknutia hemisféry37,38,45,66. Celkovo bolo vyrobených šesť vzoriek rezaním laserom s rozmermi znázornenými na obr. 4a ako súbor experimentálnych vzoriek. Pre každý stav martenzitovej frakcie boli pripravené a testované tri sady skúšobných telies. Na obr. 4b znázorňuje rezané, leštené a označené vzorky.
Lisovanie Nakazima obmedzuje veľkosť vzorky a reznú dosku. (a) Rozmery, (b) Vyrezané a označené vzorky.
Skúška na pologuľové dierovanie sa uskutočnila pomocou hydraulického lisu s rýchlosťou posuvu 2 mm/s. Kontaktné povrchy lisovníka a plechu sú dobre namazané, aby sa minimalizoval vplyv trenia na limity tvárnenia. Pokračujte v testovaní, kým vo vzorke nepozorujete výrazné zúženie alebo zlomenie. Na obr. 5 je znázornená zničená vzorka v zariadení a vzorka po testovaní.
Hranica tvarovania sa určila pomocou testu pologuľového roztrhnutia, (a) testovacieho zariadenia, (b) doštičky so vzorkou pri pretrhnutí v testovacom zariadení, (c) rovnakej vzorky po testovaní.
Neuro-fuzzy systém vyvinutý Jang67 je vhodným nástrojom na predikciu limitnej krivky tvorby listov. Tento typ umelej neurónovej siete zahŕňa vplyv parametrov s nejasným popisom. To znamená, že na svojich poliach môžu získať akúkoľvek skutočnú hodnotu. Hodnoty tohto typu sú ďalej klasifikované podľa ich hodnoty. Každá kategória má svoje pravidlá. Hodnota teploty môže byť napríklad akékoľvek reálne číslo a v závislosti od jej hodnoty možno teploty klasifikovať ako studené, stredné, teplé a horúce. V tomto ohľade je napríklad pravidlom pre nízke teploty pravidlo „nosiť sako“ a pravidlom pre teplé teploty je „dosť trička“. V samotnej fuzzy logike sa výstup hodnotí z hľadiska presnosti a spoľahlivosti. Kombinácia systémov neurónových sietí s fuzzy logikou zaisťuje, že ANFIS bude poskytovať spoľahlivé výsledky.
Obrázok 6 poskytnutý Jang67 ukazuje jednoduchú neurónovú fuzzy sieť. Ako je znázornené, sieť má dva vstupy, v našej štúdii je vstupom podiel martenzitu v mikroštruktúre a hodnota menšieho napätia. Na prvej úrovni analýzy sú vstupné hodnoty fuzzifikované pomocou fuzzy pravidiel a funkcií členstva (FC):
Pre \(i=1, 2\), keďže sa predpokladá, že vstup má dve kategórie popisu. MF môže mať akýkoľvek trojuholníkový, lichobežníkový, gaussovský alebo akýkoľvek iný tvar.
Na základe kategórií \({A}_{i}\) a \({B}_{i}\) a ich hodnôt MF na úrovni 2 sú prijaté niektoré pravidlá, ako je znázornené na obrázku 7. vrstvy sa účinky rôznych vstupov nejakým spôsobom kombinujú. Nasledujúce pravidlá sa používajú na kombináciu vplyvu frakcie martenzitu a hodnôt menšieho napätia:
Výstup \({w}_{i}\) tejto vrstvy sa nazýva intenzita vznietenia. Tieto intenzity vznietenia sú normalizované vo vrstve 3 podľa nasledujúceho vzťahu:
Vo vrstve 4 sú do výpočtu zahrnuté pravidlá Takagi a Sugeno67,68, aby sa zohľadnil vplyv počiatočných hodnôt vstupných parametrov. Táto vrstva má nasledujúce vzťahy:
Výsledný \({f}_{i}\) je ovplyvnený normalizovanými hodnotami vo vrstvách, čo dáva konečnému výsledku hlavné hodnoty deformácie:
kde \(NR\) predstavuje počet pravidiel. Úlohou neurónovej siete je využiť svoj vnútorný optimalizačný algoritmus na opravu neznámych parametrov siete. Neznáme parametre sú výsledné parametre \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\) a parametre súvisiace s MF sa považujú za zovšeobecnenú funkciu tvaru zvonenia vetra:
Diagramy hraníc tvaru závisia od mnohých parametrov, od chemického zloženia až po históriu deformácií plechu. Niektoré parametre sa dajú ľahko vyhodnotiť, vrátane parametrov ťahovej skúšky, zatiaľ čo iné vyžadujú zložitejšie postupy, ako je metalografia alebo stanovenie zvyškového napätia. Vo väčšine prípadov sa odporúča vykonať skúšku medzného napätia pre každú šaržu plechu. Niekedy však možno použiť iné výsledky testov na priblíženie hranice tvarovania. Napríklad niekoľko štúdií použilo výsledky skúšok v ťahu na určenie tvárnosti plechu69,70,71,72. Iné štúdie zahrnuli do analýzy viac parametrov, ako je hrúbka a veľkosť zrna31,73,74,75,76,77. Nie je však výpočtovo výhodné zahrnúť všetky povolené parametre. Použitie modelov ANFIS teda môže byť rozumným prístupom na riešenie týchto problémov45,63.
V tomto príspevku bol skúmaný vplyv obsahu martenzitu na diagram limitov tvarovania plechu z austenitickej ocele 316. V tomto ohľade bol pomocou experimentálnych testov pripravený súbor údajov. Vyvinutý systém má dve vstupné premenné: podiel martenzitu nameraný v metalografických testoch a rozsah malých inžinierskych deformácií. Výsledkom je veľká inžinierska deformácia medznej krivky tvárnenia. Existujú tri typy martenzitických frakcií: jemné, stredné a vysoké frakcie. Nízky znamená, že podiel martenzitu je nižší ako 10 %. V miernych podmienkach sa podiel martenzitu pohybuje od 10 % do 20 %. Za vysoké hodnoty martenzitu sa považujú frakcie nad 20 %. Okrem toho má sekundárne napätie tri odlišné kategórie medzi -5 % a 5 % v blízkosti vertikálnej osi, ktoré sa používajú na určenie FLD0. Pozitívne a negatívne rozsahy sú ďalšie dve kategórie.
Výsledky hemisférického testu sú znázornené na obr. Na obrázku je znázornených 6 tvarovacích diagramov hraníc, z ktorých 5 je FLD jednotlivých valcovaných plechov. Daný bezpečnostný bod a jeho horná medzná krivka tvoriaca hraničnú krivku (FLC). Posledný obrázok porovnáva všetky FLC. Ako je zrejmé z posledného obrázku, zvýšenie podielu martenzitu v austenitickej oceli 316 znižuje tvárnosť plechu. Na druhej strane zvyšovanie podielu martenzitu postupne mení FLC na symetrickú krivku okolo vertikálnej osi. V posledných dvoch grafoch je pravá strana krivky o niečo vyššia ako ľavá, čo znamená, že tvárnosť v dvojosovom ťahu je vyššia ako pri jednoosovom ťahu. Okrem toho, menšie aj veľké inžinierske kmene pred zúžením klesajú so zvyšujúcim sa podielom martenzitu.
316 tvoriaci hraničnú krivku. Vplyv podielu martenzitu na tvárnosť plechov austenitickej ocele. (bezpečnostný bod SF, medzná krivka tvorby FLC, martenzit M).
Neurónová sieť bola trénovaná na 60 súboroch experimentálnych výsledkov s martenzitovými frakciami 7,8, 18,3 a 28,7 %. Súbor údajov 15,4 % martenzitu bol vyhradený pre proces overovania a 25,6 % pre proces testovania. Chyba po 150 epochách je asi 1,5 %. Na obr. 9 ukazuje koreláciu medzi skutočným výstupom (\({\epsilon }_{1}\), základná inžinierska pracovná záťaž) poskytnutým na školenie a testovanie. Ako vidíte, trénovaný NFS predpovedá \({\epsilon} _{1}\) uspokojivo pre plechové diely.
(a) Korelácia medzi predpokladanými a skutočnými hodnotami po tréningovom procese, (b) Chyba medzi predpokladanými a skutočnými hodnotami pre hlavné inžinierske zaťaženia na FLC počas tréningu a overovania.
V určitom bode počas školenia je sieť ANFIS nevyhnutne recyklovaná. Aby sa to zistilo, vykoná sa paralelná kontrola, ktorá sa nazýva „kontrola“. Ak sa hodnota chyby overenia odchyľuje od trénovacej hodnoty, sieť sa začne pretrénovať. Ako je znázornené na obrázku 9b, pred epochou 150 je rozdiel medzi krivkami učenia a overovania malý a sledujú približne rovnakú krivku. V tomto bode sa chyba procesu validácie začína odchyľovať od krivky učenia, čo je znakom nadmerného vybavenia ANFIS. Sieť ANFIS pre kolo 150 je teda zachovaná s chybou 1,5 %. Potom sa zavedie predikcia FLC pre ANFIS. Na obr. 10 ukazuje predpokladané a skutočné krivky pre vybrané vzorky použité v procese tréningu a overovania. Keďže údaje z týchto kriviek boli použité na trénovanie siete, nie je prekvapujúce pozorovať veľmi blízke predpovede.
Aktuálne experimentálne prediktívne krivky FLC a ANFIS pri rôznych podmienkach obsahu martenzitu. Tieto krivky sa využívajú v tréningovom procese.
Model ANFIS nevie, čo sa stalo s poslednou vzorkou. Preto sme testovali naše vyškolené ANFIS pre FLC predložením vzoriek s frakciou martenzitu 25,6 %. Na obr. 11 ukazuje predpoveď ANFIS FLC, ako aj experimentálnu FLC. Maximálna chyba medzi predpovedanou hodnotou a experimentálnou hodnotou je 6,2 %, čo je viac ako predpovedaná hodnota počas tréningu a overovania. Táto chyba je však tolerovateľnou chybou v porovnaní s inými štúdiami, ktoré teoreticky predpovedajú FLC37.
V priemysle sú parametre, ktoré ovplyvňujú tvárnosť, opísané vo forme jazyka. Napríklad „hrubé zrno znižuje tvárnosť“ alebo „zvýšené spracovanie za studena znižuje FLC“. Vstup do siete ANFIS je v prvej fáze klasifikovaný do jazykových kategórií ako nízka, stredná a vysoká. Pre rôzne kategórie v sieti platia rôzne pravidlá. Preto v priemysle môže byť tento typ siete veľmi užitočný, pokiaľ ide o zahrnutie niekoľkých faktorov do ich jazykového popisu a analýzy. V tejto práci sme sa snažili zohľadniť jeden z hlavných znakov mikroštruktúry austenitických nehrdzavejúcich ocelí, aby sme využili možnosti ANFIS. Množstvo napätím vyvolaného martenzitu 316 je priamym dôsledkom spracovania týchto vložiek za studena. Experimentovaním a analýzou ANFIS sa zistilo, že zvýšenie podielu martenzitu v tomto type austenitickej nehrdzavejúcej ocele vedie k výraznému zníženiu FLC dosky 316, takže zvýšenie podielu martenzitu zo 7,8 % na 28,7 % znižuje FLD0 od 0,35. do 0,1 resp. Na druhej strane, vyškolená a overená sieť ANFIS dokáže predpovedať FLC pomocou 80 % dostupných experimentálnych údajov s maximálnou chybou 6,5 %, čo je prijateľná hranica chyby v porovnaní s inými teoretickými postupmi a fenomenologickými vzťahmi.
Súbory údajov použité a/alebo analyzované v súčasnej štúdii sú dostupné od príslušných autorov na základe primeranej žiadosti.
Iftikhar, CMA a kol. Vývoj následných klzných dráh extrudovanej horčíkovej zliatiny AZ31 „ako je“ pri proporcionálnych a neproporcionálnych dráhach zaťaženia: CPFEM experimenty a simulácie. interný J. Prast. 151, 103216 (2022).
Iftikhar, TsMA a kol. Vývoj následnej klznej plochy po plastickej deformácii pozdĺž proporcionálnych a neproporcionálnych zaťažovacích dráh žíhanej zliatiny AA6061: experimenty a modelovanie kryštálovej plasticity pomocou konečných prvkov. interná J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Prechodné javy napätia, deformačné spevnenie a hodnoty r hliníka v dôsledku zmien dráhy deformácie. interný J. Prast. 69, 1–20 (2015).
Mamushi, H. a kol. Nová experimentálna metóda na určenie limitného tvarovacieho diagramu zohľadňujúca vplyv normálneho tlaku. interná J. Alma mater. formulár. 15(1), 1 (2022).
Yang Z. a kol. Experimentálna kalibrácia parametrov ťažného lomu a limitov deformácie plechu AA7075-T6. J. Alma mater. proces. technológie. 291, 117044 (2021).
Petrits, A. a kol. Skryté zariadenia na zber energie a biomedicínske senzory založené na ultraflexibilných feroelektrických konvertoroch a organických diódach. Národná komúna. 12(1), 2399 (2021).
Basak, S. a Panda, SK Analýza limitov hrdla a lomu rôznych preddeformovaných dosiek v polárnych efektívnych dráhach plastickej deformácie pomocou modelu výťažnosti Yld 2000–2d. J. Alma mater. proces. technológií. 267, 289 – 307 (2019).
Basak, S. a Panda, SK Lomové deformácie v anizotropných plechoch: Experimentálne hodnotenie a teoretické predpovede. interný J. Mecha. veda. 151, 356 – 374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Experimentálna a teoretická štúdia vplyvu zmeny trajektórie deformácie na medzný diagram lisovania AA5083. interný J. Adv. výrobcu. technológií. 76 (5–8), 1343–1352 (2015).
Habibi, M. a kol. Experimentálna štúdia mechanických vlastností, tvárnosti a limitného diagramu tvarovania polotovarov zváraných trením. J. Maker. proces. 31, 310 – 323 (2018).
Habibi, M., a kol. Vzhľadom na vplyv ohybu je limitný diagram vytvorený začlenením MC modelu do modelovania metódou konečných prvkov. proces. Kožušinový inštitút. projektu. L 232 (8), 625 – 636 (2018).
Čas odoslania: 8. júna 2023