Leverandør av rulleformingsutstyr

Mer enn 30+ års produksjonserfaring

316 rustfritt stålplateformgrenseprediksjon basert på ANFIS

Takk for at du besøker Nature.com. Du bruker en nettleserversjon med begrenset CSS-støtte. For den beste opplevelsen anbefaler vi at du bruker en oppdatert nettleser (eller deaktiverer kompatibilitetsmodus i Internet Explorer). I tillegg, for å sikre fortsatt støtte, viser vi nettstedet uten stiler og JavaScript.
Skyveknapper som viser tre artikler per lysbilde. Bruk tilbake- og neste-knappene for å gå gjennom lysbildene, eller lysbildekontrollknappene på slutten for å gå gjennom hvert lysbilde.
Effekten av mikrostruktur på formbarheten til rustfrie stålplater er en stor bekymring for platebearbeidende ingeniører. For austenittiske stål fører tilstedeværelsen av deformasjonsmartensitt (\({\alpha}^{^{\prime))\)-martensitt) i mikrostrukturen til betydelig herding og en reduksjon i formbarhet. I denne studien hadde vi som mål å evaluere formbarheten til AISI 316-stål med forskjellige martensittiske styrker ved hjelp av eksperimentelle og kunstige intelligensmetoder. I det første trinnet ble AISI 316 stål med en initial tykkelse på 2 mm glødet og kaldvalset til forskjellige tykkelser. Deretter ble det relative stammemartensittarealet målt ved metallografisk testing. Formbarheten til de valsede arkene ble bestemt ved å bruke en halvkulesprengningstest for å oppnå et tøyningsgrensediagram (FLD). Dataene innhentet som et resultat av eksperimentene brukes videre til å trene og teste det kunstige nevro-fuzzy interferenssystemet (ANFIS). Etter ANFIS-trening ble de dominerende belastningene spådd av det nevrale nettverket sammenlignet med et nytt sett med eksperimentelle resultater. Resultatene viser at kaldvalsing har en negativ effekt på formbarheten til denne typen rustfritt stål, men styrken til platen er sterkt forbedret. I tillegg viser ANFIS tilfredsstillende resultater sammenlignet med eksperimentelle målinger.
Evnen til å danne metallplater, selv om det har vært gjenstand for vitenskapelige artikler i flere tiår, er fortsatt et interessant forskningsområde innen metallurgi. Nye tekniske verktøy og beregningsmodeller gjør det lettere å finne potensielle faktorer som påvirker formbarheten. Viktigst, viktigheten av mikrostruktur for formgrense har blitt avslørt de siste årene ved bruk av Crystal Plasticity Finite Element Method (CPFEM). På den annen side hjelper tilgjengeligheten av skanningselektronmikroskopi (SEM) og elektron tilbakespredningsdiffraksjon (EBSD) forskere med å observere den mikrostrukturelle aktiviteten til krystallstrukturer under deformasjon. Å forstå påvirkningen av ulike faser i metaller, kornstørrelse og orientering, og mikroskopiske defekter på kornnivå er avgjørende for å forutsi formbarhet.
Å bestemme formbarhet er i seg selv en kompleks prosess, ettersom formbarhet har vist seg å være svært avhengig av baner 1, 2, 3. Derfor er de konvensjonelle forestillingene om endelig formingstøyning upålitelige under uforholdsmessige belastningsforhold. På den annen side er de fleste lastveier i industrielle applikasjoner klassifisert som ikke-proporsjonal belastning. I denne forbindelse bør tradisjonelle hemisfæriske og eksperimentelle Marciniak-Kuchinsky (MK) metoder4,5,6 brukes med forsiktighet. I de siste årene har et annet konsept, Fracture Limit Diagram (FFLD), tiltrukket seg oppmerksomheten til mange formbarhetsingeniører. I dette konseptet brukes en skademodell for å forutsi arkformbarhet. I denne forbindelse er baneuavhengighet i utgangspunktet inkludert i analysen, og resultatene er i god overensstemmelse med de uskalerte eksperimentelle resultatene7,8,9. Formbarheten til et metallplate avhenger av flere parametere og platens prosesshistorie, samt av metallets mikrostruktur og fase10,11,12,13,14,15.
Størrelsesavhengighet er et problem når man vurderer de mikroskopiske egenskapene til metaller. Det har vist seg at i små deformasjonsrom er avhengigheten av vibrasjons- og knekkegenskaper sterkt avhengig av lengdeskalaen til materialet16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Effekten av kornstørrelse på formbarhet har lenge vært anerkjent i industrien. Yamaguchi og Mellor [31] studerte effekten av kornstørrelse og tykkelse på strekkegenskapene til metallplater ved hjelp av teoretisk analyse. Ved å bruke Marciniac-modellen rapporterer de at under biaksial strekkbelastning, fører en reduksjon i forholdet mellom tykkelse og kornstørrelse til en reduksjon i strekkegenskapene til arket. Eksperimentelle resultater av Wilson et al. 32 bekreftet at reduksjon av tykkelsen til gjennomsnittlig korndiameter (t/d) resulterte i en reduksjon i den biaksiale strekkbarheten til metallplater med tre forskjellige tykkelser. De konkluderte med at ved t/d-verdier på mindre enn 20, påvirkes merkbar deformasjonsinhomogenitet og innsnevring hovedsakelig av individuelle korn i tykkelsen på arket. Ulvan og Koursaris33 studerte effekten av kornstørrelse på den totale bearbeidbarheten til 304 og 316 austenittiske rustfrie stål. De rapporterer at formbarheten til disse metallene ikke påvirkes av kornstørrelse, men små endringer i strekkegenskaper kan sees. Det er økningen i kornstørrelse som fører til en reduksjon i styrkeegenskapene til disse stålene. Påvirkningen av dislokasjonstettheten på strømningsspenningen til nikkelmetaller viser at dislokasjonstettheten bestemmer strømningsspenningen til metallet, uavhengig av kornstørrelse34. Korninteraksjon og innledende orientering har også stor innflytelse på utviklingen av aluminiumtekstur, som ble undersøkt av Becker og Panchanadiswaran ved bruk av eksperimenter og modellering av krystallplastisitet35. Numeriske resultater i deres analyse er i god overensstemmelse med eksperimenter, selv om noen simuleringsresultater avviker fra eksperimenter på grunn av begrensninger i de anvendte grensebetingelsene. Ved å studere krystallplastisitetsmønstre og eksperimentelt oppdage, viser valsede aluminiumsplater ulik formbarhet36. Resultatene viste at selv om spennings-tøyningskurvene til de forskjellige arkene var nesten like, var det signifikante forskjeller i formbarheten basert på startverdiene. Amelirad og Assempour brukte eksperimenter og CPFEM for å oppnå spennings-tøyningskurvene for austenittiske rustfrie stålplater37. Simuleringene deres viste at økningen i kornstørrelse skifter oppover i FLD, og ​​danner en begrensende kurve. I tillegg undersøkte de samme forfatterne effekten av kornorientering og morfologi på dannelsen av hulrom 38 .
I tillegg til kornmorfologi og orientering i austenittiske rustfrie stål, er også tilstanden til tvillinger og sekundærfaser viktig. Twinning er hovedmekanismen for herding og økt forlengelse i TWIP 39 stål. Hwang40 rapporterte at formbarheten til TWIP-stålene var dårlig til tross for tilstrekkelig strekkrespons. Effekten av deformasjonstvilling på formbarheten til austenittiske stålplater er imidlertid ikke tilstrekkelig studert. Mishra et al. 41 studerte austenittiske rustfrie stål for å observere tvilling under forskjellige strekningsbaner. De fant at tvillinger kunne stamme fra forfallskilder fra både utglødde tvillinger og den nye generasjonen tvillinger. Det har blitt observert at de største tvillingene dannes under biaksial spenning. I tillegg ble det bemerket at transformasjonen av austenitt til \({\alpha}^{^{\prime}}\)-martensitt avhenger av tøyningsbanen. Hong et al. 42 undersøkte effekten av strekkindusert tvilling og martensitt på hydrogensprøhet over en rekke temperaturer ved selektiv lasersmelting av 316L austenittisk stål. Det ble observert at, avhengig av temperaturen, kunne hydrogen forårsake feil eller forbedre formbarheten til 316L stål. Shen et al. 43 eksperimentelt målte volumet av deformasjonsmartensitt under strekkbelastning ved forskjellige belastningshastigheter. Det ble funnet at en økning i strekktøyning øker volumfraksjonen av martensittfraksjonen.
AI-metoder brukes i vitenskap og teknologi på grunn av deres allsidighet i å modellere komplekse problemer uten å ty til det fysiske og matematiske grunnlaget for problemet44,45,46,47,48,49,50,51,52 Antallet AI-metoder øker . Moradi et al. 44 brukte maskinlæringsteknikker for å optimalisere kjemiske forhold for å produsere finere nanosilika-partikler. Andre kjemiske egenskaper påvirker også egenskapene til materialer i nanoskala, noe som har blitt undersøkt i mange forskningsartikler53. Ce et al. 45 brukte ANFIS for å forutsi formbarheten til vanlig karbonstålplate under forskjellige rulleforhold. På grunn av kaldvalsing har dislokasjonstettheten i bløtt stål økt betydelig. Vanlige karbonstål skiller seg fra austenittiske rustfrie stål i deres herde- og restaureringsmekanismer. I enkelt karbonstål forekommer ikke fasetransformasjoner i metallmikrostrukturen. I tillegg til metallfasen påvirkes metallers duktilitet, brudd, bearbeidbarhet osv. også av flere andre mikrostrukturelle egenskaper som oppstår under ulike typer varmebehandling, kaldbearbeiding og aldring54,55,56,57,58,59 ,60. , 61, 62. Nylig har Chen et al. 63 studerte effekten av kaldvalsing på formbarheten til 304L stål. De tok kun hensyn til fenomenologiske observasjoner i eksperimentelle tester for å trene det nevrale nettverket til å forutsi formbarhet. Faktisk, når det gjelder austenittisk rustfritt stål, kombineres flere faktorer for å redusere strekkegenskapene til arket. Lu et al.64 brukte ANFIS for å observere effekten av ulike parametere på hullets ekspansjonsprosess.
Som kort diskutert i gjennomgangen ovenfor, har effekten av mikrostruktur på formgrensediagrammet fått liten oppmerksomhet i litteraturen. På den annen side må mange mikrostrukturelle trekk tas i betraktning. Derfor er det nesten umulig å inkludere alle mikrostrukturelle faktorer i analysemetoder. Slik sett kan bruk av kunstig intelligens være fordelaktig. I denne forbindelse undersøker denne studien effekten av ett aspekt av mikrostrukturelle faktorer, nemlig tilstedeværelsen av stressindusert martensitt, på formbarheten til rustfrie stålplater. Denne studien skiller seg fra andre AI-studier med hensyn til formbarhet ved at fokuset er på mikrostrukturelle egenskaper i stedet for bare eksperimentelle FLD-kurver. Vi søkte å evaluere formbarheten til 316 stål med forskjellige martensittinnhold ved bruk av eksperimentelle og kunstig intelligens metoder. I det første trinnet ble 316 stål med en initial tykkelse på 2 mm glødet og kaldvalset til forskjellige tykkelser. Deretter, ved hjelp av metallografisk kontroll, ble det relative arealet av martensitt målt. Formbarheten til de valsede arkene ble bestemt ved å bruke en halvkulesprengningstest for å oppnå et tøyningsgrensediagram (FLD). Dataene mottatt fra ham ble senere brukt til å trene og teste det kunstige nevro-fuzzy interferenssystemet (ANFIS). Etter ANFIS-trening sammenlignes nevrale nettverksspådommer med et nytt sett med eksperimentelle resultater.
Den 316 austenittiske metallplaten av rustfritt stål som brukes i denne studien har en kjemisk sammensetning som vist i tabell 1 og en innledende tykkelse på 1,5 mm. Gløding ved 1050 °C i 1 time etterfulgt av bråkjøling med vann for å avlaste gjenværende spenninger i arket og oppnå en jevn mikrostruktur.
Mikrostrukturen til austenittiske stål kan avsløres ved hjelp av flere etsemidler. Et av de beste etsemidlene er 60 % salpetersyre i destillert vann, etset ved 1 VDC i 120 s38. Imidlertid viser dette etsemidlet bare korngrenser og kan ikke identifisere doble korngrenser, som vist i fig. 1a. Et annet etsemiddel er glyserolacetat, hvor tvillinggrenser kan visualiseres godt, men korngrenser er det ikke, som vist i fig. 1b. I tillegg, etter transformasjonen av den metastabile austenittiske fasen til \({\alpha }^{^{\prime}}\)-martensittfasen kan detekteres ved å bruke glyserolacetat-etsemidlet, som er av interesse i den nåværende studien.
Mikrostruktur av metallplate 316 etter gløding, vist med forskjellige etsemidler, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) i destillert vann ved 1,5 V i 120 s, og (b) 200x glycerylacetat.
De utglødde arkene ble kuttet i plater 11 cm brede og 1 m lange for rulling. Kaldvalseanlegget har to symmetriske valser med en diameter på 140 mm. Kaldvalseprosessen forårsaker transformasjon av austenitt til deformasjonsmartensitt i 316 rustfritt stål. Ser etter forholdet mellom martensittfasen og austenittfasen etter kaldvalsing gjennom forskjellige tykkelser. På fig. 2 viser en prøve av mikrostrukturen til metallplater. På fig. 2a viser et metallografisk bilde av en rullet prøve sett fra en retning vinkelrett på arket. På fig. 2b ved bruk av ImageJ65-programvare, er den martensittiske delen uthevet i svart. Ved å bruke verktøyene til denne åpen kildekode-programvaren kan arealet av martensittfraksjonen måles. Tabell 2 viser de detaljerte fraksjonene av de martensittiske og austenittiske fasene etter valsing til ulike reduksjoner i tykkelse.
Mikrostruktur av et 316 L ark etter valsing til 50 % reduksjon i tykkelse, sett vinkelrett på arkets plan, forstørret 200 ganger, glyserolacetat.
Verdiene presentert i tabell 2 ble oppnådd ved å beregne gjennomsnittet av de målte martensittfraksjonene over tre fotografier tatt på forskjellige steder på samme metallografiske prøve. I tillegg, i fig. 3 viser kvadratiske tilpasningskurver for bedre å forstå effekten av kaldvalsing på martensitt. Man kan se at det er en nesten lineær korrelasjon mellom andel martensitt og tykkelsesreduksjon i kaldvalset tilstand. Imidlertid kan et kvadratisk forhold bedre representere dette forholdet.
Variasjon i andelen martensitt som funksjon av tykkelsesreduksjon under kaldvalsing av en innledningsglødd 316 stålplate.
Formingsgrensen ble evaluert i henhold til den vanlige prosedyren ved bruk av hemisfæreutbruddstester37,38,45,66. Totalt ble seks prøver fremstilt ved laserskjæring med dimensjonene vist i fig. 4a som et sett med eksperimentelle prøver. For hver tilstand av martensittfraksjonen ble tre sett med testprøver forberedt og testet. På fig. 4b viser kuttede, polerte og merkede prøver.
Nakazima-støping begrenser prøvestørrelse og skjærebrett. (a) Dimensjoner, (b) Kuttede og merkede prøver.
Testen for hemisfærisk stansing ble utført ved bruk av en hydraulisk presse med en kjørehastighet på 2 mm/s. Kontaktflatene til stansen og arket er godt smurt for å minimere effekten av friksjon på formingsgrenser. Fortsett testingen til en betydelig innsnevring eller brudd observeres i prøven. På fig. 5 viser den ødelagte prøven i anordningen og prøven etter testing.
Formingsgrensen ble bestemt ved bruk av en halvkuleformet sprengtest, (a) testrigg, (b) prøveplate ved brudd i testriggen, (c) samme prøve etter testing.
Nevro-fuzzy-systemet utviklet av Jang67 er et egnet verktøy for prediksjon av grensekurve for bladdannelse. Denne typen kunstige nevrale nettverk inkluderer påvirkning av parametere med vage beskrivelser. Dette betyr at de kan få noen reell verdi på sine felt. Verdier av denne typen er videre klassifisert i henhold til deres verdi. Hver kategori har sine egne regler. For eksempel kan en temperaturverdi være et hvilket som helst reelt tall, og avhengig av verdien kan temperaturer klassifiseres som kald, middels, varm og varm. I denne forbindelse er for eksempel regelen for lave temperaturer regelen "bruk jakke", og regelen for varme temperaturer er "nok T-skjorte". I selve fuzzy logic blir utgangen evaluert for nøyaktighet og pålitelighet. Kombinasjonen av nevrale nettverkssystemer med uklar logikk sikrer at ANFIS vil gi pålitelige resultater.
Figur 6 levert av Jang67 viser et enkelt nevralt fuzzy nettverk. Som vist tar nettverket to innganger, i vår studie er input andelen martensitt i mikrostrukturen og verdien av mindre belastning. På det første analysenivået fuzzifiseres inngangsverdier ved hjelp av uklare regler og medlemsfunksjoner (FC):
For \(i=1, 2\), siden inngangen antas å ha to beskrivelseskategorier. MF kan anta hvilken som helst trekantet, trapesformet, gaussisk eller hvilken som helst annen form.
Basert på kategoriene \({A}_{i}\) og \({B}_{i}\) og deres MF-verdier på nivå 2, er noen regler tatt i bruk, som vist i figur 7. I denne lag, er effektene av de ulike inngangene på en eller annen måte kombinert. Her brukes følgende regler for å kombinere påvirkningen av martensittfraksjonen og mindre belastningsverdier:
Utgangen \({w}_{i}\) av dette laget kalles antennelsesintensiteten. Disse tennstyrkene er normalisert i lag 3 i henhold til følgende forhold:
I lag 4 er Takagi- og Sugeno-reglene67,68 inkludert i beregningen for å ta hensyn til påvirkningen av startverdiene til inngangsparameterne. Dette laget har følgende relasjoner:
Den resulterende \({f}_{i}\) påvirkes av de normaliserte verdiene i lagene, som gir det endelige resultatet, de viktigste warp-verdiene:
hvor \(NR\) representerer antall regler. Rollen til det nevrale nettverket her er å bruke sin interne optimaliseringsalgoritme for å korrigere ukjente nettverksparametere. De ukjente parameterne er de resulterende parameterne \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), og parameterne relatert til MF regnes som generalisert vindklokkeformfunksjon:
Formgrensediagrammene avhenger av mange parametere, fra den kjemiske sammensetningen til metallplatens deformasjonshistorie. Noen parametere er enkle å evaluere, inkludert strekktestparametere, mens andre krever mer komplekse prosedyrer som metallografi eller restspenningsbestemmelse. I de fleste tilfeller er det tilrådelig å utføre en tøyningsgrensetest for hvert parti ark. Noen ganger kan imidlertid andre testresultater brukes til å tilnærme formingsgrensen. For eksempel har flere studier brukt strekktestresultater for å bestemme arkformbarhet69,70,71,72. Andre studier inkluderte flere parametere i analysen, som korntykkelse og størrelse31,73,74,75,76,77. Det er imidlertid ikke beregningsmessig fordelaktig å inkludere alle tillatte parametere. Dermed kan bruk av ANFIS-modeller være en rimelig tilnærming for å løse disse problemene45,63.
I denne artikkelen ble påvirkningen av martensittinnholdet på formingsgrensediagrammet for en 316 austenittisk stålplate undersøkt. I denne forbindelse ble det utarbeidet et datasett ved bruk av eksperimentelle tester. Det utviklede systemet har to inngangsvariabler: andelen martensitt målt i metallografiske tester og rekkevidden av små tekniske stammer. Resultatet er en stor teknisk deformasjon av formingsgrensekurven. Det finnes tre typer martensittiske fraksjoner: fine, middels og høye fraksjoner. Lav betyr at andelen martensitt er mindre enn 10 %. Under moderate forhold varierer andelen martensitt fra 10 % til 20 %. Høye verdier av martensitt anses å være fraksjoner på mer enn 20 %. I tillegg har sekundær belastning tre distinkte kategorier mellom -5% og 5% nær den vertikale aksen, som brukes til å bestemme FLD0. Positive og negative områder er de to andre kategoriene.
Resultatene av den hemisfæriske testen er vist i fig. Figuren viser 6 formingsdiagrammer av grenser, hvorav 5 er FLD for individuelle rullede ark. Gitt et sikkerhetspunkt og dets øvre grensekurve danner en grensekurve (FLC). Den siste figuren sammenligner alle FLC-er. Som det fremgår av siste figur, reduserer en økning i andelen martensitt i 316 austenittisk stål formbarheten til metallplaten. På den annen side, øker andelen martensitt gradvis gjør FLC til en symmetrisk kurve om den vertikale aksen. I de to siste grafene er høyre side av kurven litt høyere enn venstre, noe som betyr at formbarheten i biaksial spenning er høyere enn ved enaksial spenning. I tillegg avtar både mindre og større tekniske belastninger før halsing med økende andel martensitt.
316 danner en grensekurve. Påvirkning av andelen martensitt på formbarheten til austenittiske stålplater. (sikkerhetspunkt SF, formasjonsgrensekurve FLC, martensitt M).
Det nevrale nettverket ble trent på 60 sett med eksperimentelle resultater med martensittfraksjoner på 7,8, 18,3 og 28,7%. Et datasett på 15,4 % martensitt ble reservert for verifiseringsprosessen og 25,6 % for testprosessen. Feilen etter 150 epoker er ca. 1,5 %. På fig. 9 viser korrelasjonen mellom den faktiske utgangen (\({\epsilon }_{1}\), grunnleggende ingeniørarbeidsmengde) gitt for opplæring og testing. Som du kan se, forutsier den trente NFS \({\epsilon} _{1}\) tilfredsstillende for metallplater.
(a) Korrelasjon mellom predikerte og faktiske verdier etter treningsprosessen, (b) Feil mellom predikerte og faktiske verdier for de viktigste tekniske belastningene på FLC under trening og verifisering.
På et tidspunkt under treningen blir ANFIS-nettverket uunngåelig resirkulert. For å fastslå dette utføres en parallellkontroll, kalt en "sjekk". Hvis valideringsfeilverdien avviker fra treningsverdien, begynner nettverket å trene på nytt. Som vist i figur 9b, før epoke 150, er forskjellen mellom lærings- og valideringskurven liten, og de følger omtrent samme kurve. På dette tidspunktet begynner valideringsprosessfeilen å avvike fra læringskurven, som er et tegn på ANFIS-overtilpasning. Dermed er ANFIS-nettverket for runde 150 bevart med en feil på 1,5 %. Deretter introduseres FLC-prediksjonen for ANFIS. På fig. 10 viser de forutsagte og faktiske kurvene for de utvalgte prøvene brukt i trenings- og verifiseringsprosessen. Siden dataene fra disse kurvene ble brukt til å trene nettverket, er det ikke overraskende å observere veldig nære spådommer.
Faktiske eksperimentelle FLC- og ANFIS-prediktive kurver under forskjellige martensitt-innholdsforhold. Disse kurvene brukes i treningsprosessen.
ANFIS-modellen vet ikke hva som skjedde med den siste prøven. Derfor testet vi vår trente ANFIS for FLC ved å sende inn prøver med en martensittfraksjon på 25,6 %. På fig. 11 viser ANFIS FLC-prediksjonen så vel som den eksperimentelle FLC. Den maksimale feilen mellom den predikerte verdien og den eksperimentelle verdien er 6,2 %, som er høyere enn den predikerte verdien under trening og validering. Denne feilen er imidlertid en tolerabel feil sammenlignet med andre studier som forutsier FLC teoretisk37.
I industrien beskrives parametrene som påvirker formbarheten i form av en tunge. For eksempel, "grov korn reduserer formbarhet" eller "økt kaldbearbeiding reduserer FLC". Innspill til ANFIS-nettverket i første trinn er klassifisert i språklige kategorier som lav, middels og høy. Det er ulike regler for ulike kategorier på nettverket. Derfor, i industrien, kan denne typen nettverk være svært nyttig når det gjelder å inkludere flere faktorer i deres språklige beskrivelse og analyse. I dette arbeidet prøvde vi å ta hensyn til en av hovedtrekkene i mikrostrukturen til austenittiske rustfrie stål for å bruke mulighetene til ANFIS. Mengden stressindusert martensitt av 316 er en direkte konsekvens av kaldbearbeidingen av disse innsatsene. Gjennom eksperimentering og ANFIS-analyse har det blitt funnet at økning av andelen martensitt i denne typen austenittisk rustfritt stål fører til en betydelig reduksjon i FLC av plate 316, slik at økning av andelen martensitt fra 7,8 % til 28,7 % reduserer FLD0 fra 0,35. opp til 0,1 hhv. På den annen side kan det trente og validerte ANFIS-nettverket forutsi FLC ved å bruke 80 % av de tilgjengelige eksperimentelle dataene med en maksimal feil på 6,5 %, som er en akseptabel feilmargin sammenlignet med andre teoretiske prosedyrer og fenomenologiske sammenhenger.
Datasettene som brukes og/eller analyseres i den nåværende studien er tilgjengelig fra de respektive forfatterne på rimelig forespørsel.
Iftikhar, CMA, et al. Evolusjon av påfølgende flytebaner av ekstrudert AZ31 magnesiumlegering "som den er" under proporsjonale og ikke-proporsjonale lastebaner: CPFEM-eksperimenter og simuleringer. innvendig J. Prast. 151, 103216 (2022).
Iftikhar, TsMA et al. Evolusjon av den påfølgende flyteoverflaten etter plastisk deformasjon langs proporsjonale og ikke-proporsjonale belastningsbaner til den glødede AA6061-legeringen: eksperimenter og endelig elementmodellering av krystallplastisitet. innvendig J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Spenningstransienter, arbeidsherding og aluminium r-verdier på grunn av endringer i tøyningsbane. innvendig J. Prast. 69, 1–20 (2015).
Mamushi, H. et al. En ny eksperimentell metode for å bestemme det begrensende formingsdiagrammet under hensyntagen til effekten av normalt trykk. indre J. Alma mater. form. 15(1), 1 (2022).
Yang Z. et al. Eksperimentell kalibrering av duktile bruddparametre og tøyningsgrenser for AA7075-T6 metallplater. J. Alma mater. behandle. teknologier. 291, 117044 (2021).
Petrits, A. et al. Skjulte energiinnsamlingsenheter og biomedisinske sensorer basert på ultrafleksible ferroelektriske omformere og organiske dioder. Nasjonal kommune. 12(1), 2399 (2021).
Basak, S. og Panda, SK Analyse av innsnevnings- og bruddgrensene til forskjellige forhåndsdeformerte plater i polare effektive plastiske deformasjonsbaner ved bruk av Yld 2000–2d flytemodell. J. Alma mater. behandle. teknologier. 267, 289–307 (2019).
Basak, S. og Panda, SK Bruddeformasjoner i anisotropiske metallplater: Eksperimentell evaluering og teoretiske spådommer. intern J. Mecha. vitenskapen. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Eksperimentell og teoretisk studie av effekten av å endre tøyningsbanen på støpegrensediagrammet AA5083. intern J. Adv. produsent. teknologier. 76 (5–8), 1343–1352 (2015).
Habibi, M. et al. Eksperimentell studie av mekaniske egenskaper, formbarhet og begrensende formingsdiagram for friksjonssveisede emner. J. Maker. behandle. 31, 310–323 (2018).
Habibi, M., et al. Tatt i betraktning påvirkningen av bøyning, er grensediagrammet dannet ved å inkorporere MC-modellen i finite element-modellering. behandle. Fur Institutt. prosjekt. L 232(8), 625–636 (2018).


Innleggstid: Jun-08-2023