Paldies, ka apmeklējāt vietni Nature.com. Jūs izmantojat pārlūkprogrammas versiju ar ierobežotu CSS atbalstu. Lai nodrošinātu vislabāko pieredzi, ieteicams izmantot atjauninātu pārlūkprogrammu (vai atspējot saderības režīmu pārlūkprogrammā Internet Explorer). Turklāt, lai nodrošinātu pastāvīgu atbalstu, mēs rādām vietni bez stiliem un JavaScript.
Slīdņi, kas parāda trīs rakstus katrā slaidā. Izmantojiet pogas Atpakaļ un Nākamais, lai pārvietotos pa slaidiem, vai slaidu kontrollera pogas beigās, lai pārvietotos pa katru slaidu.
Mikrostruktūras ietekme uz nerūsējošā tērauda lokšņu formējamību rada lielas bažas lokšņu metālapstrādes inženieriem. Austenīta tēraudiem deformācijas martensīta (\({\alpha}^{^{\prime))\)-martensīta) klātbūtne mikrostruktūrā izraisa ievērojamu sacietēšanu un formējamības samazināšanos. Šajā pētījumā mūsu mērķis bija ar eksperimentālām un mākslīgā intelekta metodēm novērtēt AISI 316 tēraudu formējamību ar dažādām martensīta stiprībām. Pirmajā posmā AISI 316 tērauds ar sākotnējo biezumu 2 mm tika atkvēlināts un auksti velmēts dažādos biezumos. Pēc tam relatīvā deformācijas martensīta laukums tika mērīts ar metalogrāfisko testēšanu. Velmēto lokšņu formējamība tika noteikta, izmantojot puslodes pārraušanas testu, lai iegūtu deformācijas robežu diagrammu (FLD). Eksperimentu rezultātā iegūtie dati tiek tālāk izmantoti mākslīgās neiro-izplūdušo traucējumu sistēmas (ANFIS) apmācībai un testēšanai. Pēc ANFIS apmācības neironu tīkla prognozētie dominējošie celmi tika salīdzināti ar jaunu eksperimentālo rezultātu kopumu. Rezultāti liecina, ka aukstā velmēšana negatīvi ietekmē šāda veida nerūsējošā tērauda formējamību, bet loksnes stiprība ir ievērojami uzlabota. Turklāt ANFIS uzrāda apmierinošus rezultātus salīdzinājumā ar eksperimentālajiem mērījumiem.
Spēja veidot lokšņu metālu, kaut arī gadu desmitiem ir bijusi zinātnisku rakstu tēma, joprojām ir interesanta metalurģijas pētniecības joma. Jauni tehniskie rīki un skaitļošanas modeļi ļauj vieglāk atrast potenciālos faktorus, kas ietekmē formējamību. Vissvarīgākais ir tas, ka pēdējos gados ir atklāta mikrostruktūras nozīme formas ierobežojumam, izmantojot kristāla plastiskuma galīgo elementu metodi (CPFEM). No otras puses, skenējošās elektronu mikroskopijas (SEM) un elektronu atpakaļizkliedes difrakcijas (EBSD) pieejamība palīdz pētniekiem novērot kristāla struktūru mikrostrukturālo aktivitāti deformācijas laikā. Lai prognozētu formējamību, ir svarīgi izprast dažādu fāžu ietekmi metālos, graudu izmēru un orientāciju, kā arī mikroskopiskus defektus graudu līmenī.
Formējamības noteikšana pati par sevi ir sarežģīts process, jo ir pierādīts, ka formējamība ir ļoti atkarīga no 1., 2., 3. ceļiem. Tāpēc parastie priekšstati par galīgo formēšanas deformāciju ir neuzticami nesamērīgos slodzes apstākļos. No otras puses, lielākā daļa slodzes ceļu rūpnieciskos lietojumos tiek klasificēti kā neproporcionāla slodze. Šajā sakarā tradicionālās puslodes un eksperimentālās Marciniak-Kuchinsky (MK) metodes4,5,6 jāizmanto piesardzīgi. Pēdējos gados daudzu formējamības inženieru uzmanību ir piesaistījusi cita koncepcija, Fracture Limit Diagram (FFLD). Šajā koncepcijā bojājumu modelis tiek izmantots, lai prognozētu loksnes formējamību. Šajā sakarā analīzē sākotnēji ir iekļauta ceļa neatkarība, un rezultāti labi saskan ar nemērogotajiem eksperimentālajiem rezultātiem7,8,9. Lokšņu metāla formējamība ir atkarīga no vairākiem parametriem un loksnes apstrādes vēstures, kā arī no metāla mikrostruktūras un fāzes10,11,12,13,14,15.
Atkarība no izmēra ir problēma, ņemot vērā metālu mikroskopiskās īpašības. Ir pierādīts, ka mazās deformācijas telpās vibrāciju un lieces īpašību atkarība ir ļoti atkarīga no materiāla garuma skalas16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Graudu izmēra ietekme uz formējamību nozarē ir atzīta jau sen. Yamaguchi un Mellor [31] pētīja graudu izmēra un biezuma ietekmi uz metāla lokšņu stiepes īpašībām, izmantojot teorētisko analīzi. Izmantojot Marciniac modeli, viņi ziņo, ka biaksiālās stiepes slodzes gadījumā biezuma un graudu izmēra attiecības samazināšanās noved pie loksnes stiepes īpašību samazināšanās. Vilsona et al. 32 apstiprināja, ka biezuma samazināšana līdz vidējam graudu diametram (t/d) izraisīja trīs dažādu biezumu metāla lokšņu biaksiālās stiepjamības samazināšanos. Viņi secināja, ka pie t/d vērtībām, kas mazākas par 20, ievērojamu deformācijas neviendabīgumu un kaklu galvenokārt ietekmē atsevišķi graudi loksnes biezumā. Ulvans un Koursaris33 pētīja graudu izmēra ietekmi uz 304 un 316 austenīta nerūsējošā tērauda kopējo apstrādājamību. Viņi ziņo, ka šo metālu formējamību neietekmē graudu izmērs, taču ir redzamas nelielas stiepes īpašību izmaiņas. Tieši graudu izmēra palielināšanās noved pie šo tēraudu stiprības īpašību samazināšanās. Dislokācijas blīvuma ietekme uz niķeļa metālu plūsmas spriegumu liecina, ka dislokācijas blīvums nosaka metāla plūsmas spriegumu neatkarīgi no graudu izmēra34. Graudu mijiedarbībai un sākotnējai orientācijai ir arī liela ietekme uz alumīnija tekstūras attīstību, ko pētīja Becker un Panchanadiswaran, izmantojot eksperimentus un kristāla plastiskuma modelēšanu35. Skaitliskie rezultāti to analīzē labi saskan ar eksperimentiem, lai gan daži simulācijas rezultāti atšķiras no eksperimentiem piemēroto robežnosacījumu ierobežojumu dēļ. Pētot kristāla plastiskuma modeļus un eksperimentāli atklājot, velmētām alumīnija loksnēm ir atšķirīga formējamība36. Rezultāti parādīja, ka, lai gan dažādu lokšņu sprieguma-deformācijas līknes bija gandrīz vienādas, to formējamībā bija būtiskas atšķirības, pamatojoties uz sākotnējām vērtībām. Amelirad un Assempour izmantoja eksperimentus un CPFEM, lai iegūtu austenīta nerūsējošā tērauda loksnes sprieguma-deformācijas līknes37. Viņu simulācijas parādīja, ka graudu lieluma palielināšanās FLD mainās uz augšu, veidojot ierobežojošu līkni. Turklāt tie paši autori pētīja graudu orientācijas un morfoloģijas ietekmi uz tukšumu veidošanos 38 .
Papildus graudu morfoloģijai un orientācijai austenīta nerūsējošajos tēraudos svarīgs ir arī dvīņu un sekundāro fāžu stāvoklis. Twinning ir galvenais TWIP 39 tērauda sacietēšanas un pagarinājuma palielināšanas mehānisms. Hwang40 ziņoja, ka TWIP tēraudu formējamība bija slikta, neskatoties uz pietiekamu stiepes reakciju. Tomēr deformācijas sadraudzības ietekme uz austenīta tērauda lokšņu formējamību nav pietiekami pētīta. Mishra et al. 41 pētīja austenīta nerūsējošos tēraudus, lai novērotu sadraudzību dažādos stiepes deformācijas ceļos. Viņi atklāja, ka dvīņi var rasties gan no atkvēlināto dvīņu, gan jaunās paaudzes dvīņu sabrukšanas avotiem. Ir novērots, ka lielākie dvīņi veidojas zem biaksiālas spriedzes. Turklāt tika atzīmēts, ka austenīta pārvēršanās par \({\alpha}^{^{\prime}}\)-martensītu ir atkarīga no deformācijas ceļa. Hong et al. 42 pētīja deformācijas izraisītas sadraudzības un martensīta ietekmi uz ūdeņraža trauslumu dažādās temperatūru diapazonā 316L austenīta tērauda selektīvā lāzerkausēšanā. Tika novērots, ka atkarībā no temperatūras ūdeņradis var izraisīt bojājumus vai uzlabot 316L tērauda formējamību. Shen et al. 43 eksperimentāli izmērīja deformācijas martensīta tilpumu stiepes slodzes apstākļos pie dažādiem slodzes ātrumiem. Tika konstatēts, ka stiepes deformācijas palielināšanās palielina martensīta frakcijas tilpuma daļu.
AI metodes tiek izmantotas zinātnē un tehnoloģijā, jo tās ir daudzpusīgas sarežģītu problēmu modelēšanā, neizmantojot problēmas fiziskos un matemātiskos pamatus44,45,46,47,48,49,50,51,52 AI metožu skaits pieaug. . Moradi et al. 44 izmantoja mašīnmācīšanās metodes, lai optimizētu ķīmiskos apstākļus, lai iegūtu smalkākas nanosilīcija daļiņas. Citas ķīmiskās īpašības ietekmē arī nanomēroga materiālu īpašības, kas ir pētītas daudzos pētniecības rakstos53. Ce et al. 45 izmantoja ANFIS, lai prognozētu vienkārša oglekļa tērauda lokšņu metāla formējamību dažādos velmēšanas apstākļos. Aukstās velmēšanas dēļ ir ievērojami palielinājies dislokācijas blīvums vieglajā tēraudā. Vienkāršais oglekļa tērauds atšķiras no austenīta nerūsējošā tērauda ar cietēšanas un atjaunošanas mehānismiem. Vienkāršā oglekļa tēraudā fāzu pārvērtības nenotiek metāla mikrostruktūrā. Papildus metāla fāzei metālu elastību, lūzumu, apstrādājamību utt. ietekmē arī vairākas citas mikrostruktūras pazīmes, kas rodas dažāda veida termiskās apstrādes, aukstās apstrādes un novecošanas laikā54,55,56,57,58,59 ,60. , 61, 62. Nesen Chen et al. 63 pētīja aukstās velmēšanas ietekmi uz 304L tērauda formējamību. Viņi ņēma vērā fenomenoloģiskos novērojumus tikai eksperimentālos testos, lai apmācītu neironu tīklu prognozēt formējamību. Faktiski austenīta nerūsējošā tērauda gadījumā vairāki faktori apvienojas, lai samazinātu loksnes stiepes īpašības. Lu et al.64 izmantoja ANFIS, lai novērotu dažādu parametru ietekmi uz cauruma paplašināšanās procesu.
Kā īsi apspriests iepriekš minētajā pārskatā, mikrostruktūras ietekmei uz formas ierobežojumu diagrammu literatūrā ir pievērsta maza uzmanība. No otras puses, jāņem vērā daudzas mikrostruktūras īpatnības. Tāpēc analītiskajās metodēs ir gandrīz neiespējami iekļaut visus mikrostrukturālos faktorus. Šajā ziņā mākslīgā intelekta izmantošana var būt izdevīga. Šajā sakarā šajā pētījumā tiek pētīta viena mikrostrukturālo faktoru aspekta, proti, sprieguma izraisīta martensīta klātbūtne, ietekme uz nerūsējošā tērauda lokšņu formējamību. Šis pētījums atšķiras no citiem AI pētījumiem attiecībā uz veidojamību, jo galvenā uzmanība tiek pievērsta mikrostrukturālām iezīmēm, nevis tikai eksperimentālām FLD līknēm. Mēs centāmies novērtēt 316 tērauda formējamību ar dažādu martensīta saturu, izmantojot eksperimentālās un mākslīgā intelekta metodes. Pirmajā posmā 316 tērauds ar sākotnējo biezumu 2 mm tika atkvēlināts un auksti velmēts dažādos biezumos. Pēc tam, izmantojot metalogrāfisko kontroli, tika izmērīts martensīta relatīvais laukums. Velmēto lokšņu formējamība tika noteikta, izmantojot puslodes pārraušanas testu, lai iegūtu deformācijas robežu diagrammu (FLD). No viņa saņemtie dati vēlāk tika izmantoti, lai apmācītu un pārbaudītu mākslīgo neiroizplūdušo traucējumu sistēmu (ANFIS). Pēc ANFIS apmācības neironu tīkla prognozes tiek salīdzinātas ar jaunu eksperimentālo rezultātu kopumu.
Šajā pētījumā izmantotajai 316 austenīta nerūsējošā tērauda metāla loksnei ir ķīmiskais sastāvs, kā parādīts 1. tabulā, un sākotnējais biezums ir 1,5 mm. Atlaidināšana 1050 ° C temperatūrā 1 stundu, kam seko ūdens dzēšana, lai atbrīvotu loksnes atlikušos spriegumus un iegūtu vienmērīgu mikrostruktūru.
Austenīta tēraudu mikrostruktūru var atklāt, izmantojot vairākus kodinātājus. Viens no labākajiem kodinātājiem ir 60% slāpekļskābe destilētā ūdenī, kodināts pie 1 V līdzstrāvas 120 s38. Tomēr šis kodinātājs parāda tikai graudu robežas un nevar noteikt dubultās graudu robežas, kā parādīts 1.a attēlā. Vēl viens kodinātājs ir glicerīna acetāts, kurā var labi vizualizēt dvīņu robežas, bet graudu robežas nav, kā parādīts 1.b attēlā. Turklāt pēc metastabilās austenīta fāzes pārveidošanas par \({\alpha }^{^{\prime}}\)-martensīta fāzi var noteikt, izmantojot glicerīna acetāta kodinātāju, kas ir interesants pašreizējā pētījumā.
Metāla plāksnes 316 mikrostruktūra pēc atkausēšanas, ko parāda dažādi kodinātāji, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) destilētā ūdenī pie 1,5 V 120 sekundes un (b) 200x , glicerilacetāts.
Atlaidinātās loksnes tika sagrieztas 11 cm platās un 1 m garās loksnēs velmēšanai. Aukstās velmēšanas iekārtai ir divi simetriski ruļļi ar diametru 140 mm. Aukstās velmēšanas process izraisa austenīta pārvēršanos par deformācijas martensītu 316 nerūsējošajā tēraudā. Meklē martensīta fāzes attiecību pret austenīta fāzi pēc aukstās velmēšanas dažādos biezumos. Uz att. 2 parādīts lokšņu metāla mikrostruktūras paraugs. Uz att. 2.a attēlā parādīts velmēta parauga metalogrāfiskais attēls, skatoties no loksnei perpendikulāra virziena. Uz att. 2b, izmantojot ImageJ65 programmatūru, martensīta daļa ir izcelta melnā krāsā. Izmantojot šīs atvērtā pirmkoda programmatūras rīkus, var izmērīt martensīta frakcijas laukumu. 2. tabulā parādītas detalizētas martensīta un austenīta fāzes frakcijas pēc velmēšanas līdz dažādiem biezuma samazinājumiem.
316 L loksnes mikrostruktūra pēc velmēšanas līdz biezuma samazinājumam par 50%, skatoties perpendikulāri loksnes plaknei, palielināta 200 reizes, glicerīna acetāts.
2. tabulā norādītās vērtības tika iegūtas, vidēji aprēķinot izmērītās martensīta frakcijas trīs fotogrāfijās, kas uzņemtas vienā un tajā pašā metalogrāfiskajā paraugā dažādās vietās. Turklāt attēlā. 3. attēlā parādītas kvadrātiskās pielāgošanas līknes, lai labāk izprastu aukstās velmēšanas ietekmi uz martensītu. Var redzēt, ka pastāv gandrīz lineāra korelācija starp martensīta īpatsvaru un biezuma samazināšanos auksti velmētā stāvoklī. Tomēr kvadrātiskās attiecības var labāk attēlot šīs attiecības.
Martensīta proporcijas izmaiņas atkarībā no biezuma samazināšanās sākotnēji atlaidinātas 316 tērauda loksnes aukstās velmēšanas laikā.
Formēšanas robeža tika novērtēta saskaņā ar parasto procedūru, izmantojot puslodes pārraušanas testus37, 38, 45, 66. Kopumā ar lāzergriešanu tika izgatavoti seši paraugi ar izmēriem, kas parādīti 4.a attēlā kā eksperimentālo paraugu komplekts. Katram martensīta frakcijas stāvoklim tika sagatavoti un pārbaudīti trīs testa paraugu komplekti. Uz att. 4.b attēlā parādīti izgriezti, pulēti un marķēti paraugi.
Nakazima molding ierobežo parauga izmēru un griešanas dēli. a) izmēri, b) izgriezti un marķēti paraugi.
Puslodes caurumošanas tests tika veikts, izmantojot hidraulisko presi ar kustības ātrumu 2 mm/s. Perforatora un loksnes saskares virsmas ir labi ieeļļotas, lai samazinātu berzes ietekmi uz formēšanas robežām. Turpiniet testēšanu, līdz tiek novērota ievērojama parauga sašaurināšanās vai lūzums. Uz att. 5 parāda iznīcināto paraugu ierīcē un paraugu pēc pārbaudes.
Formēšanas robeža tika noteikta, izmantojot puslodes pārraušanas testu, (a) testa iekārtu, (b) parauga plāksni pārrāvuma laikā testa stendā, (c) to pašu paraugu pēc testēšanas.
Jang67 izstrādātā neiroizplūdušā sistēma ir piemērots rīks lapu veidošanās robežlīknes prognozēšanai. Šāda veida mākslīgais neironu tīkls ietver parametru ietekmi ar neskaidriem aprakstiem. Tas nozīmē, ka viņi var iegūt jebkādu reālu vērtību savās jomās. Šāda veida vērtības tiek klasificētas pēc to vērtības. Katrai kategorijai ir savi noteikumi. Piemēram, temperatūras vērtība var būt jebkurš reāls skaitlis, un atkarībā no tā vērtības temperatūru var klasificēt kā aukstu, vidēju, siltu un karstu. Šajā sakarā, piemēram, noteikums par zemām temperatūrām ir noteikums "valkājiet jaku", un noteikums par siltu temperatūru ir "pietiekami T-krekls". Pašā izplūdušajā loģikā izvade tiek novērtēta pēc precizitātes un uzticamības. Neironu tīklu sistēmu kombinācija ar izplūdušo loģiku nodrošina, ka ANFIS nodrošinās ticamus rezultātus.
6. attēlā, ko nodrošina Jang67, parādīts vienkāršs neironu izplūdušais tīkls. Kā parādīts, tīklam ir nepieciešami divi ievadi, mūsu pētījumā ievade ir martensīta proporcija mikrostruktūrā un neliela deformācijas vērtība. Pirmajā analīzes līmenī ievades vērtības tiek izplūdušas, izmantojot izplūdušos noteikumus un dalības funkcijas (FC):
\(i=1, 2\), jo tiek pieņemts, ka ievadei ir divas apraksta kategorijas. MF var iegūt jebkuru trīsstūra, trapecveida, Gausa vai jebkuru citu formu.
Pamatojoties uz kategorijām \({A}_{i}\) un \({B}_{i}\) un to MF vērtībām 2. līmenī, tiek pieņemti daži noteikumi, kā parādīts 7. attēlā. slāni, dažādu ievades efekti ir kaut kā apvienoti. Šeit tiek izmantoti šādi noteikumi, lai apvienotu martensīta frakcijas ietekmi un nelielas deformācijas vērtības:
Šī slāņa izvadi \({w}_{i}\) sauc par aizdedzes intensitāti. Šīs aizdegšanās intensitātes tiek normalizētas 3. slānī saskaņā ar šādu attiecību:
4. slānī Takagi un Sugeno noteikumi67,68 ir iekļauti aprēķinā, lai ņemtu vērā ievades parametru sākotnējo vērtību ietekmi. Šim slānim ir šādas attiecības:
Iegūto \({f}_{i}\) ietekmē normalizētās vērtības slāņos, kas dod gala rezultātu, galvenās deformācijas vērtības:
kur \(NR\) apzīmē noteikumu skaitu. Neironu tīkla loma šeit ir izmantot tā iekšējo optimizācijas algoritmu, lai labotu nezināmus tīkla parametrus. Nezināmie parametri ir iegūtie parametri \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\) un parametri, kas saistīti ar MF tiek uzskatītas par vispārinātām vēja zvana formas funkcijām:
Formas robežu diagrammas ir atkarīgas no daudziem parametriem, sākot no ķīmiskā sastāva līdz lokšņu metāla deformācijas vēsturei. Dažus parametrus ir viegli novērtēt, tostarp stiepes testa parametrus, savukārt citiem ir nepieciešamas sarežģītākas procedūras, piemēram, metalogrāfija vai atlikušā sprieguma noteikšana. Vairumā gadījumu ir ieteicams veikt deformācijas ierobežojuma pārbaudi katrai loksnes partijai. Tomēr dažreiz var izmantot citus testa rezultātus, lai tuvinātu formēšanas robežu. Piemēram, vairākos pētījumos ir izmantoti stiepes testa rezultāti, lai noteiktu loksnes formējamību69,70,71,72. Citi pētījumi ietvēra vairāk parametru to analīzē, piemēram, graudu biezumu un izmēru31,73,74,75,76,77. Tomēr skaitļošanas ziņā nav izdevīgi iekļaut visus atļautos parametrus. Tādējādi ANFIS modeļu izmantošana var būt saprātīga pieeja šo problēmu risināšanai45,63.
Šajā rakstā tika pētīta martensīta satura ietekme uz 316 austenīta tērauda loksnes formēšanas robežshēmu. Šajā sakarā tika sagatavota datu kopa, izmantojot eksperimentālos testus. Izstrādātajai sistēmai ir divi ievades mainīgie: metalogrāfiskajos testos izmērītais martensīta īpatsvars un mazo inženiertehnisko deformāciju diapazons. Rezultāts ir liela formēšanas robežlīknes inženiertehniskā deformācija. Ir trīs veidu martensīta frakcijas: smalkās, vidējās un augstās frakcijas. Zems nozīmē, ka martensīta īpatsvars ir mazāks par 10%. Mērenos apstākļos martensīta īpatsvars svārstās no 10% līdz 20%. Par augstām martensīta vērtībām uzskata frakcijas, kas pārsniedz 20%. Turklāt sekundārajai deformācijai ir trīs atšķirīgas kategorijas no -5% līdz 5% vertikālās ass tuvumā, ko izmanto, lai noteiktu FLD0. Pozitīvie un negatīvie diapazoni ir pārējās divas kategorijas.
Puslodes testa rezultāti ir parādīti attēlā. Attēlā parādītas 6 robežvērtību veidošanas diagrammas, no kurām 5 ir atsevišķu velmētu lokšņu FLD. Dots drošības punkts un tā augšējās robežas līkne, kas veido robežlīkni (FLC). Pēdējā attēlā ir salīdzināti visi FLC. Kā redzams no pēdējā attēla, martensīta īpatsvara palielināšanās 316 austenīta tēraudā samazina lokšņu metāla formējamību. No otras puses, palielinot martensīta īpatsvaru, FLC pakāpeniski pārvēršas simetriskā līknē ap vertikālo asi. Pēdējos divos grafikos līknes labā puse ir nedaudz augstāka par kreiso, kas nozīmē, ka formējamība biaksiālajā spriegumā ir augstāka nekā vienpusējā spriegumā. Turklāt, palielinoties martensīta īpatsvaram, samazinās gan mazie, gan lielākie inženiertehniskie celmi pirms kakla veidošanās.
316 veidojot robežlīkni. Martensīta proporcijas ietekme uz austenīta tērauda lokšņu formējamību. (drošības punkts SF, veidošanās robežlīkne FLC, martensīts M).
Neironu tīkls tika apmācīts, izmantojot 60 eksperimentālo rezultātu komplektus ar martensīta frakcijām 7,8, 18,3 un 28,7%. 15,4% martensīta datu kopa tika rezervēta verifikācijas procesam un 25,6% testēšanas procesam. Kļūda pēc 150 epohiem ir aptuveni 1,5%. Uz att. 9 parāda korelāciju starp faktisko produkciju (\({\epsilon }_{1}\), pamata inženierijas darba slodzi), kas nodrošināta apmācībai un testēšanai. Kā redzat, apmācītā NFS apmierinoši prognozē \({\epsilon} _{1}\) lokšņu metāla daļām.
(a) Korelācija starp prognozētajām un faktiskajām vērtībām pēc apmācības procesa, (b) Kļūda starp prognozētajām un faktiskajām galvenajām inženiertehniskajām slodzēm uz FLC apmācības un pārbaudes laikā.
Kādā brīdī apmācības laikā ANFIS tīkls neizbēgami tiek pārstrādāts. Lai to noteiktu, tiek veikta paralēla pārbaude, ko sauc par "pārbaudi". Ja validācijas kļūdas vērtība atšķiras no apmācības vērtības, tīkls sāk atkārtotu apmācību. Kā parādīts 9.b attēlā, pirms 150. laikmeta atšķirība starp mācīšanās un validācijas līknēm ir neliela, un tās atbilst aptuveni tai pašai līknei. Šajā brīdī validācijas procesa kļūda sāk novirzīties no mācīšanās līknes, kas liecina par ANFIS pārmērību. Tādējādi ANFIS tīkls 150. kārtai tiek saglabāts ar kļūdu 1,5%. Pēc tam tiek ieviesta FLC prognoze ANFIS. Uz att. 10 parāda prognozētās un faktiskās līknes atlasītajiem paraugiem, kas izmantoti apmācības un pārbaudes procesā. Tā kā dati no šīm līknēm tika izmantoti tīkla apmācīšanai, nav pārsteidzoši novērot ļoti ciešas prognozes.
Faktiskās eksperimentālās FLC un ANFIS prognozēšanas līknes dažādos martensīta satura apstākļos. Šīs līknes tiek izmantotas apmācības procesā.
ANFIS modelis nezina, kas notika ar pēdējo paraugu. Tāpēc mēs pārbaudījām mūsu apmācīto ANFIS FLC, iesniedzot paraugus ar martensīta frakciju 25,6%. Uz att. 11 parāda ANFIS FLC prognozi, kā arī eksperimentālo FLC. Maksimālā kļūda starp prognozēto vērtību un eksperimentālo vērtību ir 6,2%, kas ir augstāka par prognozēto vērtību apmācības un validācijas laikā. Tomēr šī kļūda ir pieļaujama kļūda salīdzinājumā ar citiem pētījumiem, kas teorētiski prognozē FLC37.
Rūpniecībā parametri, kas ietekmē formējamību, ir aprakstīti mēles formā. Piemēram, “rupji graudi samazina formējamību” vai “palielināta aukstā apstrāde samazina FLC”. Ievade ANFIS tīklā pirmajā posmā tiek klasificēta lingvistiskās kategorijās, piemēram, zema, vidēja un augsta. Tīklā dažādām kategorijām ir atšķirīgi noteikumi. Tāpēc rūpniecībā šāda veida tīkli var būt ļoti noderīgi, iekļaujot to lingvistiskajā aprakstā un analīzē vairākus faktorus. Šajā darbā centāmies ņemt vērā vienu no galvenajām austenīta nerūsējošo tēraudu mikrostruktūras iezīmēm, lai izmantotu ANFIS iespējas. Sprieguma izraisītā martensīta 316 daudzums ir tiešas šo ieliktņu aukstās apstrādes sekas. Veicot eksperimentus un ANFIS analīzi, ir konstatēts, ka martensīta īpatsvara palielināšana šāda veida austenīta nerūsējošajā tēraudā ievērojami samazina 316. plāksnes FLC, tāpēc martensīta īpatsvara palielināšana no 7,8% līdz 28,7% samazina martensīta īpatsvaru. FLD0 no 0,35. attiecīgi līdz 0,1. No otras puses, apmācītais un apstiprinātais ANFIS tīkls var prognozēt FLC, izmantojot 80% no pieejamajiem eksperimentālajiem datiem ar maksimālo kļūdu 6, 5%, kas ir pieņemama kļūdas robeža salīdzinājumā ar citām teorētiskajām procedūrām un fenomenoloģiskām attiecībām.
Šajā pētījumā izmantotās un/vai analizētās datu kopas ir pieejamas no attiecīgajiem autoriem pēc pamatota pieprasījuma.
Iftikhar, CMA u.c. Ekstrudēta AZ31 magnija sakausējuma turpmāko iznākuma ceļu attīstība proporcionālās un neproporcionālās slogošanas ceļos: CPFEM eksperimenti un simulācijas. iekšējais J. Prasts. 151, 103216 (2022).
Iftikhar, TsMA et al. Sekojošās tecēšanas virsmas attīstība pēc plastiskās deformācijas pa proporcionāliem un neproporcionāliem atkvēlinātā sakausējuma AA6061 slodzes ceļiem: eksperimenti un kristāla plastiskuma galīgo elementu modelēšana. iekšējais J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Stress pārejas periodi, darba sacietēšana un alumīnija r vērtības deformācijas ceļa izmaiņu dēļ. iekšējais J. Prasts. 69, 1–20 (2015).
Mamushi, H. et al. Jauna eksperimentāla metode ierobežojošās formēšanas diagrammas noteikšanai, ņemot vērā normālā spiediena ietekmi. iekšējais J. Alma mater. formā. 15(1), 1 (2022).
Yang Z. et al. AA7075-T6 lokšņu metāla kaļamā lūzuma parametru un deformācijas ierobežojumu eksperimentālā kalibrēšana. J. Alma mater. process. tehnoloģijas. 291, 117044 (2021).
Petrits, A. et al. Slēptās enerģijas savākšanas ierīces un biomedicīnas sensori, kuru pamatā ir īpaši elastīgi feroelektriskie pārveidotāji un organiskās diodes. Nacionālā komūna. 12(1), 2399 (2021).
Basak, S. un Panda, SK Dažādu iepriekš deformētu plākšņu izgriezuma un lūzuma robežu analīze polāro efektīvo plastisko deformāciju ceļā, izmantojot Yld 2000–2d ražas modeli. J. Alma mater. process. tehnoloģijas. 267, 289–307 (2019).
Basak, S. un Panda, SK Lūzumu deformācijas anizotropos lokšņu metālos: eksperimentālais novērtējums un teorētiskās prognozes. iekšējais J. Mecha. zinātne. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Eksperimentāls un teorētisks pētījums par deformācijas trajektorijas maiņas ietekmi uz formēšanas robežu diagrammu AA5083. iekšējais J. Adv. ražotājs. tehnoloģijas. 76(5–8), 1343–1352 (2015).
Habibi, M. et al. Berzes maisīšanas metināto sagatavju mehānisko īpašību, formējamības un ierobežojošās formēšanas diagrammas eksperimentāls pētījums. J. Maker. process. 31, 310–323 (2018).
Habibi, M. u.c. Ņemot vērā lieces ietekmi, robežshēma tiek veidota, iekļaujot MC modeli galīgo elementu modelēšanā. process. Kažokādu institūts. projektu. L 232(8), 625–636 (2018).
Publicēšanas laiks: 08.06.2023