Salamat sa pagbisita sa Nature.com. Gumagamit ka ng bersyon ng browser na may limitadong suporta sa CSS. Para sa pinakamagandang karanasan, inirerekomenda namin na gumamit ka ng na-update na browser (o huwag paganahin ang Compatibility Mode sa Internet Explorer). Bilang karagdagan, upang matiyak ang patuloy na suporta, ipinapakita namin ang site na walang mga istilo at JavaScript.
Mga slider na nagpapakita ng tatlong artikulo sa bawat slide. Gamitin ang likod at susunod na mga pindutan upang lumipat sa mga slide, o ang mga pindutan ng slide controller sa dulo upang lumipat sa bawat slide.
Ang epekto ng microstructure sa formability ng hindi kinakalawang na asero sheet ay isang pangunahing alalahanin para sa sheet metalworking engineers. Para sa austenitic steels, ang pagkakaroon ng deformation martensite (\({\alpha}^{^{\prime))\)-martensite) sa microstructure ay humahantong sa makabuluhang hardening at pagbaba sa formability. Sa pag-aaral na ito, nilalayon naming suriin ang formability ng AISI 316 steels na may iba't ibang lakas ng martensitic sa pamamagitan ng experimental at artificial intelligence na pamamaraan. Sa unang hakbang, ang AISI 316 na bakal na may paunang kapal na 2 mm ay na-annealed at malamig na pinagsama sa iba't ibang kapal. Kasunod nito, ang kamag-anak na strain martensite area ay sinusukat sa pamamagitan ng metallographic testing. Ang formability ng mga rolled sheet ay tinutukoy gamit ang isang hemisphere burst test upang makakuha ng strain limit diagram (FLD). Ang data na nakuha bilang resulta ng mga eksperimento ay higit pang ginagamit upang sanayin at subukan ang artipisyal na neuro-fuzzy interference system (ANFIS). Pagkatapos ng pagsasanay sa ANFIS, ang mga nangingibabaw na strain na hinulaang ng neural network ay inihambing sa isang bagong hanay ng mga eksperimentong resulta. Ang mga resulta ay nagpapakita na ang malamig na rolling ay may negatibong epekto sa formability ng ganitong uri ng hindi kinakalawang na asero, ngunit ang lakas ng sheet ay lubos na napabuti. Bilang karagdagan, ang ANFIS ay nagpapakita ng mga kasiya-siyang resulta kumpara sa mga pang-eksperimentong sukat.
Ang kakayahang bumuo ng sheet metal, kahit na ang paksa ng mga siyentipikong artikulo sa loob ng mga dekada, ay nananatiling isang kawili-wiling lugar ng pananaliksik sa metalurhiya. Pinapadali ng mga bagong teknikal na tool at computational na modelo ang paghahanap ng mga potensyal na salik na nakakaapekto sa pagkaporma. Pinakamahalaga, ang kahalagahan ng microstructure para sa limitasyon ng hugis ay nahayag sa mga nakaraang taon gamit ang Crystal Plasticity Finite Element Method (CPFEM). Sa kabilang banda, ang pagkakaroon ng pag-scan ng electron microscopy (SEM) at electron backscatter diffraction (EBSD) ay tumutulong sa mga mananaliksik na obserbahan ang aktibidad ng microstructural ng mga istrukturang kristal sa panahon ng pagpapapangit. Ang pag-unawa sa impluwensya ng iba't ibang mga yugto sa mga metal, laki at oryentasyon ng butil, at mga mikroskopikong depekto sa antas ng butil ay kritikal sa paghula ng kakayahang mabuo.
Ang pagtukoy sa formability ay sa kanyang sarili ay isang kumplikadong proseso, dahil ang formability ay ipinapakita na lubos na nakadepende sa mga landas 1, 2, 3. Samakatuwid, ang mga kumbensyonal na paniwala ng ultimate forming strain ay hindi mapagkakatiwalaan sa ilalim ng di-proporsyonal na mga kondisyon ng paglo-load. Sa kabilang banda, karamihan sa mga landas ng pag-load sa mga pang-industriyang aplikasyon ay inuri bilang hindi proporsyonal na pag-load. Kaugnay nito, ang tradisyonal na hemispherical at eksperimentong Marciniak-Kuchinsky (MK) na pamamaraan4,5,6 ay dapat gamitin nang may pag-iingat. Sa mga nagdaang taon, isa pang konsepto, ang Fracture Limit Diagram (FFLD), ay nakakuha ng atensyon ng maraming inhinyero ng formability. Sa konseptong ito, ginagamit ang isang modelo ng pinsala upang mahulaan ang kakayahang mabuo ng sheet. Sa pagsasaalang-alang na ito, ang pagsasarili ng landas sa simula ay kasama sa pagsusuri at ang mga resulta ay nasa mabuting pagsang-ayon sa hindi nasusukat na mga resulta ng eksperimentong7,8,9. Ang kakayahang mabuo ng isang sheet metal ay nakasalalay sa ilang mga parameter at ang kasaysayan ng pagproseso ng sheet, pati na rin sa microstructure at yugto ng metal10,11,12,13,14,15.
Ang pagdepende sa laki ay isang problema kapag isinasaalang-alang ang mga mikroskopikong katangian ng mga metal. Ipinakita na, sa mga maliliit na puwang ng pagpapapangit, ang pag-asa ng mga katangian ng vibrational at buckling ay lubos na nakasalalay sa sukat ng haba ng materyal16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Ang epekto ng laki ng butil sa formability ay matagal nang kinikilala sa industriya. Pinag-aralan nina Yamaguchi at Mellor [31] ang epekto ng laki at kapal ng butil sa mga katangian ng makunat ng mga sheet ng metal gamit ang teoretikal na pagsusuri. Gamit ang modelong Marciniac, iniulat nila na sa ilalim ng biaxial tensile loading, ang pagbaba sa ratio ng kapal sa laki ng butil ay humahantong sa pagbaba sa mga katangian ng makunat ng sheet. Mga pang-eksperimentong resulta ni Wilson et al. Kinumpirma ng 32 na ang pagbabawas ng kapal sa average na diameter ng butil (t/d) ay nagresulta sa pagbaba sa biaxial extensibility ng mga metal sheet na may tatlong magkakaibang kapal. Napagpasyahan nila na sa mga halaga ng t/d na mas mababa sa 20, ang kapansin-pansing deformation inhomogeneity at necking ay pangunahing apektado ng mga indibidwal na butil sa kapal ng sheet. Pinag-aralan nina Ulvan at Koursaris33 ang epekto ng laki ng butil sa pangkalahatang machinability ng 304 at 316 austenitic stainless steels. Iniuulat nila na ang formability ng mga metal na ito ay hindi apektado ng laki ng butil, ngunit makikita ang maliliit na pagbabago sa mga katangian ng makunat. Ito ay ang pagtaas sa laki ng butil na humahantong sa pagbaba sa mga katangian ng lakas ng mga bakal na ito. Ang impluwensya ng dislocation density sa flow stress ng nickel metals ay nagpapakita na ang dislocation density ay tumutukoy sa flow stress ng metal, anuman ang laki ng butil34. Ang pakikipag-ugnayan ng butil at paunang oryentasyon ay mayroon ding malaking impluwensya sa ebolusyon ng aluminum texture, na inimbestigahan nina Becker at Panchanadiswaran gamit ang mga eksperimento at pagmomodelo ng crystal plasticity35. Ang mga numerical na resulta sa kanilang pagsusuri ay mahusay na sumasang-ayon sa mga eksperimento, bagama't ang ilang mga resulta ng simulation ay lumihis mula sa mga eksperimento dahil sa mga limitasyon ng mga inilapat na kundisyon sa hangganan. Sa pamamagitan ng pag-aaral ng mga pattern ng crystal plasticity at pag-detect ng eksperimento, ang mga rolled aluminum sheet ay nagpapakita ng iba't ibang formability36. Ang mga resulta ay nagpakita na kahit na ang mga kurba ng stress-strain ng iba't ibang mga sheet ay halos pareho, may mga makabuluhang pagkakaiba sa kanilang kakayahang mabuo batay sa mga paunang halaga. Gumamit sina Amelirad at Assempour ng mga eksperimento at CPFEM upang makuha ang mga kurba ng stress-strain para sa austenitic stainless steel sheet37. Ang kanilang mga simulation ay nagpakita na ang pagtaas sa laki ng butil ay lumilipat paitaas sa FLD, na bumubuo ng isang limitadong kurba. Bilang karagdagan, ang parehong mga may-akda ay nag-imbestiga sa epekto ng oryentasyon ng butil at morpolohiya sa pagbuo ng mga voids 38 .
Bilang karagdagan sa morpolohiya ng butil at oryentasyon sa austenitic na hindi kinakalawang na asero, ang estado ng kambal at pangalawang yugto ay mahalaga din. Ang twinning ay ang pangunahing mekanismo para sa pagpapatigas at pagtaas ng pagpahaba sa TWIP 39 na bakal. Iniulat ng Hwang40 na ang formability ng TWIP steels ay mahirap sa kabila ng sapat na tensile response. Gayunpaman, ang epekto ng deformation twinning sa formability ng austenitic steel sheet ay hindi pa napag-aralan nang sapat. Mishra et al. 41 ay nag-aral ng austenitic stainless steel upang obserbahan ang twinning sa ilalim ng iba't ibang tensile strain path. Natagpuan nila na ang kambal ay maaaring magmula sa mga pinagmumulan ng pagkabulok ng parehong annealed twins at ang bagong henerasyon ng mga kambal. Napagmasdan na ang pinakamalaking kambal ay nabuo sa ilalim ng biaxial tension. Bilang karagdagan, nabanggit na ang pagbabago ng austenite sa \({\ alpha}^{^{\prime}}\)-martensite ay nakasalalay sa landas ng strain. Hong et al. 42 ay nag-imbestiga sa epekto ng strain-induced twinning at martensite sa hydrogen embrittlement sa isang hanay ng mga temperatura sa selective laser melting ng 316L austenitic steel. Napagmasdan na, depende sa temperatura, ang hydrogen ay maaaring maging sanhi ng pagkabigo o pagbutihin ang formability ng 316L na bakal. Shen et al. 43 sa eksperimentong sinukat ang dami ng deformation martensite sa ilalim ng tensile loading sa iba't ibang rate ng paglo-load. Napag-alaman na ang pagtaas ng tensile strain ay nagpapataas ng volume fraction ng martensite fraction.
Ang mga pamamaraan ng AI ay ginagamit sa agham at teknolohiya dahil sa kanilang versatility sa pagmomodelo ng mga kumplikadong problema nang hindi gumagamit ng pisikal at matematikal na pundasyon ng problema44,45,46,47,48,49,50,51,52 Ang bilang ng mga pamamaraan ng AI ay tumataas . Moradi et al. 44 ay gumamit ng mga diskarte sa pag-aaral ng makina upang i-optimize ang mga kondisyon ng kemikal upang makagawa ng mas pinong mga particle ng nanosilica. Ang ibang mga kemikal na katangian ay nakakaimpluwensya rin sa mga katangian ng nanoscale na mga materyales, na naimbestigahan sa maraming mga artikulo sa pananaliksik53. Ce et al. 45 ay gumamit ng ANFIS upang mahulaan ang kakayahang mabuo ng plain carbon steel sheet metal sa ilalim ng iba't ibang mga kondisyon ng rolling. Dahil sa malamig na rolling, ang dislocation density sa mild steel ay tumaas nang malaki. Ang mga plain carbon steel ay naiiba sa austenitic stainless steel sa kanilang hardening at restorative na mekanismo. Sa simpleng carbon steel, ang mga pagbabago sa phase ay hindi nangyayari sa metal microstructure. Bilang karagdagan sa metal phase, ang ductility, fracture, machinability, atbp. ng mga metal ay apektado din ng ilang iba pang microstructural features na nagaganap sa panahon ng iba't ibang uri ng heat treatment, cold working, at aging54,55,56,57,58,59 ,60. , 61, 62. Kamakailan, Chen et al. 63 ay pinag-aralan ang epekto ng cold rolling sa formability ng 304L steel. Isinasaalang-alang lamang nila ang mga phenomenological na obserbasyon sa mga pang-eksperimentong pagsubok upang sanayin ang neural network upang mahulaan ang pagiging maporma. Sa katunayan, sa kaso ng mga austenitic na hindi kinakalawang na asero, maraming mga kadahilanan ang pinagsama upang mabawasan ang mga katangian ng makunat ng sheet. Ginamit ni Lu et al.64 ang ANFIS upang obserbahan ang epekto ng iba't ibang parameter sa proseso ng pagpapalawak ng butas.
Tulad ng maikling tinalakay sa pagsusuri sa itaas, ang epekto ng microstructure sa diagram ng limitasyon ng hugis ay nakatanggap ng kaunting pansin sa panitikan. Sa kabilang banda, maraming mga tampok na microstructural ang dapat isaalang-alang. Samakatuwid, halos imposible na isama ang lahat ng mga microstructural na kadahilanan sa mga analytical na pamamaraan. Sa ganitong diwa, ang paggamit ng artificial intelligence ay maaaring maging kapaki-pakinabang. Sa pagsasaalang-alang na ito, sinisiyasat ng pag-aaral na ito ang epekto ng isang aspeto ng microstructural na mga kadahilanan, lalo na ang pagkakaroon ng stress-induced martensite, sa formability ng stainless steel sheets. Naiiba ang pag-aaral na ito sa iba pang pag-aaral ng AI na may kinalaman sa formability dahil ang focus ay sa mga microstructural feature sa halip na pang-eksperimentong FLD curves. Hinahangad naming suriin ang formability ng 316 steel na may iba't ibang nilalaman ng martensite gamit ang mga eksperimental at artipisyal na pamamaraan ng katalinuhan. Sa unang hakbang, ang 316 na bakal na may paunang kapal na 2 mm ay na-annealed at malamig na pinagsama sa iba't ibang kapal. Pagkatapos, gamit ang metallographic control, ang kamag-anak na lugar ng martensite ay sinusukat. Natukoy ang formability ng mga rolled sheet gamit ang isang hemisphere burst test upang makakuha ng strain limit diagram (FLD). Ang data na natanggap mula sa kanya ay ginamit sa ibang pagkakataon upang sanayin at subukan ang artificial neuro-fuzzy interference system (ANFIS). Pagkatapos ng pagsasanay sa ANFIS, ang mga hula sa neural network ay inihahambing sa isang bagong hanay ng mga pang-eksperimentong resulta.
Ang 316 austenitic stainless steel metal sheet na ginamit sa kasalukuyang pag-aaral ay may kemikal na komposisyon tulad ng ipinapakita sa Talahanayan 1 at isang paunang kapal na 1.5 mm. Ang pagsusubo sa 1050°C sa loob ng 1 oras na sinusundan ng pagsusubo ng tubig upang mapawi ang mga natitirang stress sa sheet at makakuha ng pare-parehong microstructure.
Ang microstructure ng austenitic steels ay maaaring ibunyag gamit ang ilang etchants. Ang isa sa mga pinakamahusay na etchant ay 60% nitric acid sa distilled water, na nakaukit sa 1 VDC para sa 120 s38. Gayunpaman, ang etchant na ito ay nagpapakita lamang ng mga hangganan ng butil at hindi matukoy ang dobleng mga hangganan ng butil, tulad ng ipinapakita sa Fig. 1a. Ang isa pang etchant ay glycerol acetate, kung saan ang mga kambal na hangganan ay maaaring mailarawan nang mabuti, ngunit ang mga hangganan ng butil ay hindi, tulad ng ipinapakita sa Fig. 1b. Bilang karagdagan, pagkatapos ng pagbabago ng metastable austenitic phase sa \({\ alpha }^{^{\prime}}\)-martensite phase ay maaaring makita gamit ang glycerol acetate etchant, na kung saan ay interesado sa kasalukuyang pag-aaral.
Microstructure ng metal plate 316 pagkatapos ng pagsusubo, na ipinapakita ng iba't ibang etchants, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) sa distilled water sa 1.5 V para sa 120 s, at (b) 200x , glyceryl acetate.
Ang mga annealed sheet ay pinutol sa mga sheet na 11 cm ang lapad at 1 m ang haba para sa rolling. Ang cold rolling plant ay may dalawang simetriko na roll na may diameter na 140 mm. Ang proseso ng malamig na rolling ay nagiging sanhi ng pagbabago ng austenite sa deformation martensite sa 316 hindi kinakalawang na asero. Hinahanap ang ratio ng martensite phase sa austenite phase pagkatapos ng malamig na pag-roll sa iba't ibang kapal. Sa fig. Ang 2 ay nagpapakita ng sample ng microstructure ng sheet metal. Sa fig. Ang 2a ay nagpapakita ng isang metallographic na imahe ng isang pinagsamang sample, na tinitingnan mula sa isang direksyon na patayo sa sheet. Sa fig. 2b gamit ang ImageJ65 software, ang martensitic na bahagi ay naka-highlight sa itim. Gamit ang mga tool ng open source software na ito, maaaring masukat ang lugar ng martensite fraction. Ipinapakita sa talahanayan 2 ang mga detalyadong fraction ng martensitic at austenitic phase pagkatapos na gumulong sa iba't ibang mga pagbawas sa kapal.
Microstructure ng isang 316 L sheet pagkatapos gumulong sa isang 50% na pagbawas sa kapal, tiningnan patayo sa eroplano ng sheet, pinalaki ng 200 beses, glycerol acetate.
Ang mga halaga na ipinakita sa Talahanayan 2 ay nakuha sa pamamagitan ng pag-average ng mga sinusukat na martensite fraction sa tatlong mga litrato na kinunan sa iba't ibang mga lokasyon sa parehong metallographic specimen. Bilang karagdagan, sa fig. Ang 3 ay nagpapakita ng quadratic fitting curves upang mas maunawaan ang epekto ng cold rolling sa martensite. Makikita na mayroong halos linear na ugnayan sa pagitan ng proporsyon ng martensite at pagbabawas ng kapal sa kondisyon ng malamig na pinagsama. Gayunpaman, ang isang quadratic na relasyon ay maaaring mas mahusay na kumatawan sa relasyon na ito.
Ang pagkakaiba-iba sa proporsyon ng martensite bilang isang function ng pagbabawas ng kapal sa panahon ng malamig na pag-roll ng isang unang annealed 316 steel sheet.
Ang limitasyon sa paghubog ay nasuri ayon sa karaniwang pamamaraan gamit ang hemisphere burst tests37,38,45,66. Sa kabuuan, anim na sample ang ginawa sa pamamagitan ng laser cutting na may mga sukat na ipinapakita sa Fig. 4a bilang isang set ng mga eksperimentong sample. Para sa bawat estado ng martensite fraction, tatlong set ng test specimens ang inihanda at nasubok. Sa fig. Ang 4b ay nagpapakita ng mga ginupit, pinakintab, at minarkahang mga sample.
Nililimitahan ng paghubog ng Nakazima ang sample size at cutting board. (a) Mga Dimensyon, (b) Gupitin at may markang mga ispesimen.
Ang pagsubok para sa hemispherical punching ay isinagawa gamit ang hydraulic press na may bilis ng paglalakbay na 2 mm/s. Ang mga contact surface ng punch at sheet ay mahusay na lubricated upang mabawasan ang epekto ng friction sa pagbuo ng mga limitasyon. Ipagpatuloy ang pagsusuri hanggang sa maobserbahan ang isang makabuluhang pagpapaliit o pagkasira sa ispesimen. Sa fig. Ipinapakita ng 5 ang nawasak na sample sa device at ang sample pagkatapos ng pagsubok.
Natukoy ang limitasyon sa paghubog gamit ang isang hemispherical burst test, (a) test rig, (b) sample plate sa break sa test rig, (c) ang parehong sample pagkatapos ng pagsubok.
Ang neuro-fuzzy system na binuo ni Jang67 ay isang angkop na tool para sa paghula ng limitasyon ng curve ng pagbuo ng dahon. Kasama sa ganitong uri ng artipisyal na neural network ang impluwensya ng mga parameter na may hindi malinaw na paglalarawan. Nangangahulugan ito na maaari silang makakuha ng anumang tunay na halaga sa kanilang mga larangan. Ang mga halaga ng ganitong uri ay higit na inuri ayon sa kanilang halaga. Ang bawat kategorya ay may sariling mga patakaran. Halimbawa, ang isang halaga ng temperatura ay maaaring maging anumang tunay na numero, at depende sa halaga nito, ang mga temperatura ay maaaring uriin bilang malamig, katamtaman, mainit-init, at mainit. Sa bagay na ito, halimbawa, ang panuntunan para sa mababang temperatura ay ang panuntunang "magsuot ng jacket", at ang panuntunan para sa mainit na temperatura ay "sapat na T-shirt". Sa fuzzy logic mismo, ang output ay sinusuri para sa katumpakan at pagiging maaasahan. Ang kumbinasyon ng mga neural network system na may fuzzy logic ay nagsisiguro na ang ANFIS ay magbibigay ng maaasahang mga resulta.
Ang Figure 6 na ibinigay ng Jang67 ay nagpapakita ng isang simpleng neural fuzzy network. Tulad ng ipinakita, ang network ay tumatagal ng dalawang input, sa aming pag-aaral ang input ay ang proporsyon ng martensite sa microstructure at ang halaga ng menor de edad na pilay. Sa unang antas ng pagsusuri, ang mga halaga ng pag-input ay na-fuzzify gamit ang mga fuzzy na panuntunan at mga function ng membership (FC):
Para sa \(i=1, 2\), dahil ang input ay ipinapalagay na mayroong dalawang kategorya ng paglalarawan. Ang MF ay maaaring tumagal sa anumang triangular, trapezoidal, Gaussian, o anumang iba pang hugis.
Batay sa mga kategoryang \({A}_{i}\) at \({B}_{i}\) at ang kanilang mga halaga ng MF sa antas 2, pinagtibay ang ilang panuntunan, tulad ng ipinapakita sa Figure 7. Dito layer, ang mga epekto ng iba't ibang mga input ay pinagsama-sama. Dito, ang mga sumusunod na patakaran ay ginagamit upang pagsamahin ang impluwensya ng martensite fraction at minor strain values:
Ang output \({w}_{i}\) ng layer na ito ay tinatawag na ignition intensity. Ang mga intensity ng pag-aapoy na ito ay na-normalize sa layer 3 ayon sa sumusunod na relasyon:
Sa layer 4, ang Takagi at Sugeno rules67,68 ay kasama sa pagkalkula upang isaalang-alang ang impluwensya ng mga paunang halaga ng mga parameter ng input. Ang layer na ito ay may mga sumusunod na ugnayan:
Ang resultang \({f}_{i}\) ay apektado ng mga normalized na halaga sa mga layer, na nagbibigay ng panghuling resulta, ang mga pangunahing halaga ng warp:
kung saan ang \(NR\) ay kumakatawan sa bilang ng mga panuntunan. Ang papel na ginagampanan ng neural network dito ay ang gamitin ang internal optimization algorithm nito para iwasto ang hindi kilalang mga parameter ng network. Ang hindi alam na mga parameter ay ang mga resultang parameter \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), at ang mga parameter na nauugnay sa MF ay itinuturing na pangkalahatang pagpapaandar ng hugis ng wind chimes:
Ang mga diagram ng limitasyon ng hugis ay nakasalalay sa maraming mga parameter, mula sa komposisyon ng kemikal hanggang sa kasaysayan ng pagpapapangit ng sheet metal. Ang ilang mga parameter ay madaling suriin, kabilang ang mga tensile test parameter, habang ang iba ay nangangailangan ng mas kumplikadong mga pamamaraan tulad ng metallography o natitirang stress determination. Sa karamihan ng mga kaso, ipinapayong magsagawa ng strain limit test para sa bawat batch ng sheet. Gayunpaman, kung minsan ang iba pang mga resulta ng pagsubok ay maaaring gamitin upang tantiyahin ang limitasyon sa paghubog. Halimbawa, maraming mga pag-aaral ang gumamit ng mga resulta ng tensile test upang matukoy ang pagiging formability ng sheet69,70,71,72. Kasama sa iba pang mga pag-aaral ang higit pang mga parameter sa kanilang pagsusuri, tulad ng kapal at laki ng butil31,73,74,75,76,77. Gayunpaman, hindi kapaki-pakinabang sa computation na isama ang lahat ng pinapayagang parameter. Kaya, ang paggamit ng mga modelo ng ANFIS ay maaaring isang makatwirang diskarte upang matugunan ang mga isyung ito45,63.
Sa papel na ito, ang impluwensya ng nilalaman ng martensite sa diagram ng limitasyon sa paghubog ng isang 316 austenitic steel sheet ay sinisiyasat. Kaugnay nito, isang set ng data ang inihanda gamit ang mga eksperimentong pagsusulit. Ang binuo na sistema ay may dalawang input variable: ang proporsyon ng martensite na sinusukat sa mga metallographic na pagsubok at ang hanay ng maliliit na mga strain ng engineering. Ang resulta ay isang pangunahing engineering deformation ng bumubuo ng limit curve. May tatlong uri ng martensitic fraction: fine, medium at high fractions. Ang mababa ay nangangahulugan na ang proporsyon ng martensite ay mas mababa sa 10%. Sa ilalim ng katamtamang mga kondisyon, ang proporsyon ng martensite ay umaabot mula 10% hanggang 20%. Ang mataas na halaga ng martensite ay itinuturing na mga fraction na higit sa 20%. Bilang karagdagan, ang pangalawang strain ay may tatlong natatanging kategorya sa pagitan ng -5% at 5% malapit sa vertical axis, na ginagamit upang matukoy ang FLD0. Ang mga positibo at negatibong hanay ay ang iba pang dalawang kategorya.
Ang mga resulta ng hemispherical test ay ipinapakita sa FIG. Ang figure ay nagpapakita ng 6 na humuhubog na diagram ng mga limitasyon, 5 sa mga ito ay ang FLD ng mga indibidwal na rolled sheet. Dahil sa isang safety point at ang upper limit curve nito na bumubuo ng limit curve (FLC). Ang huling figure ay naghahambing sa lahat ng FLC. Tulad ng makikita mula sa huling figure, ang pagtaas sa proporsyon ng martensite sa 316 austenitic steel ay binabawasan ang formability ng sheet metal. Sa kabilang banda, ang pagtaas ng proporsyon ng martensite ay unti-unting nagiging isang simetriko curve tungkol sa vertical axis. Sa huling dalawang graph, ang kanang bahagi ng curve ay bahagyang mas mataas kaysa sa kaliwa, na nangangahulugan na ang formability sa biaxial tension ay mas mataas kaysa sa uniaxial tension. Bilang karagdagan, ang parehong menor at pangunahing mga strain ng engineering bago ang necking ay bumababa sa pagtaas ng proporsyon ng martensite.
316 na bumubuo ng limit curve. Impluwensiya ng proporsyon ng martensite sa formability ng austenitic steel sheets. (safety point SF, formation limit curve FLC, martensite M).
Ang neural network ay sinanay sa 60 set ng mga eksperimentong resulta na may martensite fraction na 7.8, 18.3 at 28.7%. Isang set ng data na 15.4% martensite ang nakalaan para sa proseso ng pag-verify at 25.6% para sa proseso ng pagsubok. Ang error pagkatapos ng 150 epoch ay tungkol sa 1.5%. Sa fig. Ipinapakita ng 9 ang ugnayan sa pagitan ng aktwal na output (\({\epsilon }_{1}\), basic engineering workload) na ibinigay para sa pagsasanay at pagsubok. Tulad ng nakikita mo, hinuhulaan ng sinanay na NFS ang \({\epsilon} _{1}\) para sa mga bahagi ng sheet metal.
(a) Kaugnayan sa pagitan ng hinulaang at aktwal na mga halaga pagkatapos ng proseso ng pagsasanay, (b) Error sa pagitan ng hinulaang at aktwal na mga halaga para sa mga pangunahing pag-load ng engineering sa FLC sa panahon ng pagsasanay at pag-verify.
Sa ilang mga punto sa panahon ng pagsasanay, ang ANFIS network ay hindi maiiwasang ma-recycle. Upang matukoy ito, ang isang parallel check ay isinasagawa, na tinatawag na "check". Kung ang halaga ng error sa pagpapatunay ay lumihis mula sa halaga ng pagsasanay, ang network ay magsisimulang magsanay muli. Gaya ng ipinapakita sa Figure 9b, bago ang epoch 150, ang pagkakaiba sa pagitan ng learning at validation curves ay maliit, at ang mga ito ay sumusunod sa halos parehong curve. Sa puntong ito, ang error sa proseso ng pagpapatunay ay nagsisimulang lumihis mula sa curve ng pagkatuto, na isang senyales ng overfitting ng ANFIS. Kaya, ang ANFIS network para sa round 150 ay napanatili na may error na 1.5%. Pagkatapos ay ipinakilala ang hula ng FLC para sa ANFIS. Sa fig. Ipinapakita ng 10 ang hinulaang at aktwal na mga curve para sa mga napiling sample na ginamit sa proseso ng pagsasanay at pag-verify. Dahil ang data mula sa mga curve na ito ay ginamit upang sanayin ang network, hindi nakakagulat na obserbahan ang napakalapit na mga hula.
Aktwal na pang-eksperimentong FLC at ANFIS predictive curve sa ilalim ng iba't ibang kundisyon ng nilalamang martensite. Ang mga kurba na ito ay ginagamit sa proseso ng pagsasanay.
Hindi alam ng modelong ANFIS kung ano ang nangyari sa huling sample. Samakatuwid, sinubukan namin ang aming sinanay na ANFIS para sa FLC sa pamamagitan ng pagsusumite ng mga sample na may martensite fraction na 25.6%. Sa fig. Ipinapakita ng 11 ang hula ng ANFIS FLC pati na rin ang eksperimentong FLC. Ang maximum na error sa pagitan ng hinulaang halaga at ang pang-eksperimentong halaga ay 6.2%, na mas mataas kaysa sa hinulaang halaga sa panahon ng pagsasanay at pagpapatunay. Gayunpaman, ang error na ito ay isang matitiis na error kumpara sa ibang mga pag-aaral na hinuhulaan ang FLC ayon sa teorya37.
Sa industriya, ang mga parameter na nakakaapekto sa pagkaporma ay inilarawan sa anyo ng isang dila. Halimbawa, "nababawasan ng magaspang na butil ang pagkaporma" o "pinababawasan ng pagtaas ng malamig na pagtatrabaho ang FLC". Ang input sa network ng ANFIS sa unang yugto ay inuri sa mga kategoryang linguistic tulad ng mababa, katamtaman at mataas. Mayroong iba't ibang mga panuntunan para sa iba't ibang kategorya sa network. Samakatuwid, sa industriya, ang ganitong uri ng network ay maaaring maging lubhang kapaki-pakinabang sa mga tuntunin ng pagsasama ng ilang mga kadahilanan sa kanilang linguistic na paglalarawan at pagsusuri. Sa gawaing ito, sinubukan naming isaalang-alang ang isa sa mga pangunahing tampok ng microstructure ng austenitic stainless steels upang magamit ang mga posibilidad ng ANFIS. Ang dami ng stress-induced martensite na 316 ay direktang bunga ng malamig na paggana ng mga pagsingit na ito. Sa pamamagitan ng eksperimento at pagsusuri sa ANFIS, natuklasan na ang pagtaas ng proporsyon ng martensite sa ganitong uri ng austenitic na hindi kinakalawang na asero ay humahantong sa isang makabuluhang pagbaba sa FLC ng plate 316, kaya ang pagtaas ng proporsyon ng martensite mula 7.8% hanggang 28.7% ay binabawasan ang FLD0 mula 0.35. hanggang 0.1 ayon sa pagkakabanggit. Sa kabilang banda, ang sinanay at napatunayang ANFIS network ay maaaring mahulaan ang FLC gamit ang 80% ng magagamit na pang-eksperimentong data na may maximum na error na 6.5%, na isang katanggap-tanggap na margin ng error kumpara sa iba pang mga teoretikal na pamamaraan at phenomenological na relasyon.
Ang mga dataset na ginamit at/o nasuri sa kasalukuyang pag-aaral ay makukuha mula sa kani-kanilang mga may-akda sa makatwirang kahilingan.
Iftikhar, CMA, et al. Ebolusyon ng mga kasunod na yield path ng extruded AZ31 magnesium alloy "as is" sa ilalim ng proportional at non-proportional loading path: mga eksperimento at simulation ng CPFEM. panloob J. Prast. 151, 103216 (2022).
Iftikhar, TsMA et al. Ebolusyon ng kasunod na yield surface pagkatapos ng plastic deformation kasama ang proportional at non-proportional loading path ng annealed AA6061 alloy: mga eksperimento at finite element modeling ng crystal plasticity. panloob na J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Stress transients, work hardening, at aluminum r values dahil sa mga pagbabago sa strain path. panloob J. Prast. 69, 1–20 (2015).
Mamushi, H. et al. Isang bagong pang-eksperimentong paraan para sa pagtukoy ng paglilimita sa diagram ng paghubog na isinasaalang-alang ang epekto ng normal na presyon. panloob J. Alma mater. anyo. 15(1), 1 (2022).
Yang Z. et al. Pang-eksperimentong Pag-calibrate ng Mga Parameter ng Ductile Fracture at Strain Limits ng AA7075-T6 Sheet Metal. J. Alma mater. proseso. mga teknolohiya. 291, 117044 (2021).
Petrits, A. et al. Mga nakatagong energy harvesting device at biomedical sensor batay sa mga ultra-flexible na ferroelectric converter at organic diode. pambansang komunidad. 12(1), 2399 (2021).
Basak, S. at Panda, SK Pagsusuri ng mga limitasyon ng necking at fracture ng iba't ibang predeformed plate sa polar effective na plastic deformation path gamit ang Yld 2000–2d yield model. J. Alma mater. proseso. mga teknolohiya. 267, 289–307 (2019).
Basak, S. at Panda, SK Fracture Deformations sa Anisotropic Sheet Metals: Experimental Evaluation at Theoretical Predictions. panloob J. Mecha. ang agham. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Eksperimental at teoretikal na pag-aaral ng epekto ng pagbabago ng strain trajectory sa molding limit diagram AA5083. panloob J. Adv. tagagawa. mga teknolohiya. 76(5–8), 1343–1352 (2015).
Habibi, M. et al. Pang-eksperimentong pag-aaral ng mga mekanikal na katangian, kakayahang mabuo, at paglilimita sa paghubog ng diagram ng friction stir welded blanks. J. Maker. proseso. 31, 310–323 (2018).
Habibi, M., et al. Isinasaalang-alang ang impluwensya ng bending, ang limit diagram ay nabuo sa pamamagitan ng pagsasama ng MC model sa finite element modeling. proseso. Fur Institute. proyekto. L 232(8), 625–636 (2018).
Oras ng post: Hun-08-2023