Dėkojame, kad apsilankėte Nature.com. Naudojate naršyklės versiją su ribotu CSS palaikymu. Norėdami gauti geriausią patirtį, rekomenduojame naudoti atnaujintą naršyklę (arba išjungti suderinamumo režimą „Internet Explorer“). Be to, norėdami užtikrinti nuolatinį palaikymą, svetainę rodome be stilių ir „JavaScript“.
Slankikliai, rodantys tris straipsnius vienoje skaidrėje. Norėdami pereiti per skaidres, naudokite mygtukus „Atgal“ ir „Kitas“ arba, norėdami pereiti per kiekvieną skaidrę, naudokite skaidrių valdiklio mygtukus pabaigoje.
Mikrostruktūros poveikis nerūdijančio plieno lakštų formavimui kelia didelį susirūpinimą lakštinio metalo apdirbimo inžinieriams. Austenitinio plieno atveju deformacinio martensito (\({\alpha}^{^{\prime))\)-martensito) mikrostruktūroje smarkiai sukietėja ir sumažėja formavimas. Šiuo tyrimu siekėme įvertinti skirtingų martensitinių stiprių AISI 316 plienų formuojamumą eksperimentiniu ir dirbtinio intelekto metodais. Pirmajame etape AISI 316 plienas, kurio pradinis storis buvo 2 mm, buvo atkaitintas ir šaltai valcuotas iki įvairaus storio. Vėliau santykinis martensito plotas buvo išmatuotas metalografiniu bandymu. Valcuotų lakštų formavimas buvo nustatytas naudojant pusrutulio sprogimo testą, kad būtų gauta deformacijos ribinė diagrama (FLD). Eksperimentų metu gauti duomenys toliau naudojami dirbtinei neuro-neaiškių trukdžių sistemai (ANFIS) treniruoti ir išbandyti. Po ANFIS treniruotės dominuojančios padermės, kurias numatė neuroninis tinklas, buvo palygintos su nauju eksperimentinių rezultatų rinkiniu. Rezultatai rodo, kad šaltasis valcavimas neigiamai veikia šio tipo nerūdijančio plieno formuojamumą, tačiau labai pagerėja lakšto stiprumas. Be to, ANFIS rodo patenkinamus rezultatus, palyginti su eksperimentiniais matavimais.
Gebėjimas formuoti lakštinį metalą, nors ir dešimtmečius buvo mokslinių straipsnių objektas, išlieka įdomia metalurgijos tyrimų sritimi. Nauji techniniai įrankiai ir skaičiavimo modeliai leidžia lengviau rasti galimus veiksnius, turinčius įtakos formavimui. Svarbiausia, kad mikrostruktūros svarba formos ribai buvo atskleista pastaraisiais metais naudojant Crystal Plasticity Finite Element Method (CPFEM). Kita vertus, skenuojančioji elektronų mikroskopija (SEM) ir elektronų atgalinės sklaidos difrakcija (EBSD) padeda tyrėjams stebėti kristalų struktūrų mikrostruktūrinį aktyvumą deformacijos metu. Norint numatyti formuojamumą, labai svarbu suprasti skirtingų metalų fazių, grūdelių dydžio ir orientacijos bei mikroskopinių defektų įtaką grūdelių lygyje.
Formuojamumo nustatymas pats savaime yra sudėtingas procesas, nes įrodyta, kad formuojamumas labai priklauso nuo 1, 2, 3 takų. Todėl įprastinės galutinio formavimo deformacijos sampratos yra nepatikimos neproporcingomis apkrovos sąlygomis. Kita vertus, dauguma apkrovos takų pramonėje yra klasifikuojami kaip neproporcinga apkrova. Šiuo atžvilgiu tradiciniai pusrutulio formos ir eksperimentiniai Marciniak-Kuchinsky (MK) metodai4,5,6 turėtų būti naudojami atsargiai. Pastaraisiais metais daugelio formavimo inžinierių dėmesį patraukė kita koncepcija – lūžių ribinės diagramos (FFLD). Šioje koncepcijoje žalos modelis naudojamas lakštų formavimui prognozuoti. Šiuo atžvilgiu iš pradžių į analizę įtraukiamas kelio nepriklausomumas, o rezultatai gerai sutampa su neapskaičiuotais eksperimentiniais rezultatais7,8,9. Lakštinio metalo formavimas priklauso nuo kelių parametrų ir lakšto apdirbimo istorijos, taip pat nuo metalo mikrostruktūros ir fazės10,11,12,13,14,15.
Priklausomybė nuo dydžio yra problema, kai atsižvelgiama į mikroskopines metalų savybes. Įrodyta, kad mažose deformacijos erdvėse vibracinių ir lenkimo savybių priklausomybė labai priklauso nuo medžiagos ilgio skalės16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Pramonėje jau seniai buvo pripažintas grūdelių dydžio poveikis formavimui. Yamaguchi ir Mellor [31] tyrė grūdelių dydžio ir storio įtaką metalo lakštų tempimo savybėms taikydami teorinę analizę. Naudodami Marciniac modelį, jie praneša, kad esant dviašei tempimo apkrovai, sumažėjus storio ir grūdelių dydžio santykiui, sumažėja lakšto tempimo savybės. Wilson ir kt. eksperimentiniai rezultatai. 32 patvirtino, kad sumažinus storį iki vidutinio grūdelių skersmens (t/d), sumažėjo trijų skirtingų storių metalo lakštų dviašis tamprumas. Jie padarė išvadą, kad esant mažesnėms nei 20 t/d vertėms, pastebimą deformacijos nehomogeniškumą ir įdubimą daugiausia veikia atskiri lakšto storio grūdeliai. Ulvanas ir Koursaris33 ištyrė grūdelių dydžio poveikį bendram 304 ir 316 austenitinio nerūdijančio plieno apdirbamumui. Jie praneša, kad šių metalų formavimui neturi įtakos grūdelių dydis, tačiau galima pastebėti nedidelius tempimo savybių pokyčius. Būtent grūdelių dydžio padidėjimas lemia šių plienų stiprumo charakteristikų mažėjimą. Dislokacijos tankio įtaka nikelio metalų tekėjimo įtempiams rodo, kad dislokacijos tankis lemia metalo tekėjimo įtempį, nepriklausomai nuo grūdelių dydžio34. Grūdų sąveika ir pradinė orientacija taip pat turi didelę įtaką aliuminio tekstūros raidai, kurią ištyrė Beckeris ir Panchanadiswaranas, naudodami eksperimentus ir kristalų plastiškumo modeliavimą35. Jų analizės skaitiniai rezultatai gerai sutampa su eksperimentais, nors kai kurie modeliavimo rezultatai skiriasi nuo eksperimentų dėl taikomų ribinių sąlygų apribojimų. Tiriant kristalų plastiškumo modelius ir eksperimentiškai aptikus, valcuoti aliuminio lakštai rodo skirtingą formuojamumą36. Rezultatai parodė, kad nors skirtingų lakštų įtempių ir deformacijų kreivės buvo beveik vienodos, pagal pradines reikšmes jų formavimas labai skyrėsi. Amelirad ir Assempour naudojo eksperimentus ir CPFEM, kad gautų austenitinio nerūdijančio plieno lakštų įtempių ir deformacijų kreives37. Jų modeliavimas parodė, kad grūdų dydžio padidėjimas FLD pasislenka į viršų, sudarydamas ribinę kreivę. Be to, tie patys autoriai tyrė grūdelių orientacijos ir morfologijos įtaką tuštumų susidarymui 38 .
Be austenitinio nerūdijančio plieno grūdelių morfologijos ir orientacijos, svarbi ir dvynių bei antrinių fazių būklė. Dvyniai yra pagrindinis TWIP 39 plieno grūdinimo ir pailgėjimo didinimo mechanizmas. Hwang40 pranešė, kad nepaisant pakankamo atsparumo tempimui, TWIP plienų formavimas buvo prastas. Tačiau deformacinių dvynių poveikis austenitinio plieno lakštų formavimui nėra pakankamai ištirtas. Mishra ir kt. 41 tyrinėjo austenitinį nerūdijantį plieną, kad stebėtų susigiminiavimą įvairiais tempimo deformacijų keliais. Jie išsiaiškino, kad dvyniai gali atsirasti iš atkaitintų dvynių ir naujos kartos dvynių irimo šaltinių. Pastebėta, kad didžiausi dvyniai susidaro veikiant dviašiam įtempimui. Be to, buvo pastebėta, kad austenito pavertimas \({\alpha}^{^{\prime}}\)-martensitu priklauso nuo deformacijos kelio. Hong ir kt. 42 ištyrė deformacijos sukelto susigiminiavimo ir martensito poveikį vandenilio trapumui įvairiose temperatūrų diapazone selektyviai lazeriu lydant 316L austenitinį plieną. Pastebėta, kad priklausomai nuo temperatūros vandenilis gali sukelti gedimą arba pagerinti 316L plieno formuojamumą. Shen ir kt. 43 eksperimentiškai išmatavo deformacinio martensito tūrį esant tempimo apkrovai, esant įvairiems apkrovimo greičiams. Nustatyta, kad tempimo deformacijos padidėjimas padidina martensito frakcijos tūrinę dalį.
Dirbtinio intelekto metodai yra naudojami moksle ir technologijose dėl jų universalumo modeliuojant sudėtingas problemas, nesiimant fizinių ir matematinių problemos pagrindų44,45,46,47,48,49,50,51,52 DI metodų skaičius didėja . Moradi ir kt. 44 naudojo mašininio mokymosi metodus, kad optimizuotų chemines sąlygas, kad gautų smulkesnes nanosilicio dioksido daleles. Kitos cheminės savybės taip pat turi įtakos nanomastelinių medžiagų savybėms, kurios buvo ištirtos daugelyje mokslinių straipsnių53. Ce ir kt. 45 naudojo ANFIS, kad prognozuotų paprasto anglinio plieno lakštinio metalo formavimą įvairiomis valcavimo sąlygomis. Dėl šaltojo valcavimo švelnaus plieno dislokacijos tankis labai padidėjo. Paprastas anglinis plienas skiriasi nuo austenitinio nerūdijančio plieno savo grūdinimo ir atkūrimo mechanizmais. Paprastame anglies pliene faziniai virsmai nevyksta metalo mikrostruktūroje. Be metalo fazės, metalų plastiškumą, lūžimą, apdirbamumą ir kt. taip pat veikia keletas kitų mikrostruktūrinių ypatybių, atsirandančių įvairių tipų terminio apdorojimo, šaltojo apdirbimo ir senėjimo metu54,55,56,57,58,59 ,60. , 61, 62. Neseniai Chen ir kt. 63 tyrinėjo šalto valcavimo įtaką 304L plieno formavimui. Jie atsižvelgė į fenomenologinius stebėjimus tik eksperimentiniuose bandymuose, kad išmokytų neuroninį tinklą numatyti formuojamumą. Tiesą sakant, austenitinio nerūdijančio plieno atveju keli veiksniai mažina lakšto tempimo savybes. Lu ir kt.64 naudojo ANFIS, kad stebėtų įvairių parametrų įtaką skylės išsiplėtimo procesui.
Kaip trumpai aptarta aukščiau pateiktoje apžvalgoje, literatūroje mažai dėmesio skiriama mikrostruktūros poveikiui formos ribinei diagramai. Kita vertus, reikia atsižvelgti į daugelį mikrostruktūrinių ypatybių. Todėl į analizės metodus beveik neįmanoma įtraukti visų mikrostruktūrinių veiksnių. Šia prasme dirbtinio intelekto naudojimas gali būti naudingas. Šiuo atžvilgiu šiame tyrime tiriamas vieno mikrostruktūrinių veiksnių aspekto, būtent įtempių sukelto martensito, poveikis nerūdijančio plieno lakštų formavimui. Šis tyrimas skiriasi nuo kitų AI tyrimų formuojamumo požiūriu, nes pagrindinis dėmesys skiriamas mikrostruktūrinėms savybėms, o ne tik eksperimentinėms FLD kreivėms. Eksperimentiniais ir dirbtinio intelekto metodais siekėme įvertinti 316 plieno formuojamumą su įvairiu martensito kiekiu. Pirmajame etape 316 plienas, kurio pradinis storis buvo 2 mm, buvo atkaitintas ir šaltai valcuotas iki įvairaus storio. Tada, naudojant metalografinę kontrolę, buvo išmatuotas santykinis martensito plotas. Valcuotų lakštų formavimas buvo nustatytas naudojant pusrutulio sprogimo testą, kad būtų gauta deformacijos ribinė diagrama (FLD). Iš jo gauti duomenys vėliau buvo panaudoti treniruojant ir išbandant dirbtinę neurofuzzy trukdžių sistemą (ANFIS). Po ANFIS treniruotės neuroninio tinklo prognozės palyginamos su nauju eksperimentinių rezultatų rinkiniu.
Šiame tyrime naudojamas 316 austenitinio nerūdijančio plieno metalo lakštas turi cheminę sudėtį, kaip parodyta 1 lentelėje, o pradinis storis yra 1,5 mm. Atkaitinimas 1050 °C temperatūroje 1 valandą, po to aušinimas vandeniu, kad būtų sumažintas liekamasis lakšto įtempis ir gaunama vienoda mikrostruktūra.
Austenitinio plieno mikrostruktūra gali būti atskleista naudojant keletą ėsdinimo medžiagų. Vienas geriausių ėsdinimo medžiagų yra 60 % azoto rūgšties distiliuotame vandenyje, išgraviruota esant 1 V nuolatinei įtampai 120 s38. Tačiau šis ėsdiklis rodo tik grūdelių ribas ir negali nustatyti dvigubų grūdelių ribų, kaip parodyta 1a pav. Kitas ėsdinimo elementas yra glicerolio acetatas, kuriame dvynių ribos gali būti gerai matomos, tačiau grūdelių ribos nėra, kaip parodyta 1b pav. Be to, po metastabilios austenitinės fazės transformacijos į \({\alpha }^{^{\prime}}\)-martensito fazę galima aptikti naudojant glicerolio acetato ėsdiklį, kuris yra įdomus dabartiniame tyrime.
Metalinės plokštės 316 mikrostruktūra po atkaitinimo, parodyta įvairiais ėsdintuvais, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) distiliuotame vandenyje esant 1,5 V 120 s, ir (b) 200x , glicerilo acetatas.
Atkaitinti lakštai buvo supjaustyti į 11 cm pločio ir 1 m ilgio lakštus valcavimui. Šalto valcavimo įrenginys turi du simetriškus 140 mm skersmens ritinius. Šaltojo valcavimo procesas sukelia 316 nerūdijančio plieno austenito transformaciją į deformacinį martensitą. Ieškoma martensito fazės ir austenito fazės santykio po šalto valcavimo per skirtingus storius. Ant pav. 2 parodytas lakštinio metalo mikrostruktūros pavyzdys. Ant pav. 2a parodytas valcuoto pavyzdžio metalografinis vaizdas, žiūrint iš lakštui statmenos krypties. Ant pav. 2b naudojant ImageJ65 programinę įrangą, martensitinė dalis paryškinta juodai. Naudojant šios atvirojo kodo programinės įrangos įrankius, galima išmatuoti martensito frakcijos plotą. 2 lentelėje pateikiamos išsamios martensitinės ir austenitinės fazių frakcijos po valcavimo iki įvairaus storio sumažinimo.
316 L lakšto mikrostruktūra, suvyniojus iki 50 % storio sumažinimo, žiūrint statmenai lakšto plokštumai, padidinus 200 kartų, glicerolio acetatas.
2 lentelėje pateiktos vertės buvo gautos apskaičiuojant išmatuotų martensito frakcijų vidurkį per tris nuotraukas, darytas skirtingose to paties metalografinio bandinio vietose. Be to, pav. 3 parodytos kvadratinės sutapimo kreivės, kad būtų galima geriau suprasti šalto valcavimo poveikį martensitui. Galima pastebėti, kad yra beveik tiesinė koreliacija tarp martensito dalies ir storio sumažėjimo šalto valcavimo sąlygomis. Tačiau kvadratinis santykis gali geriau atspindėti šiuos santykius.
Martensito dalies kitimas kaip storio sumažėjimo funkcija šaltai valcuojant iš pradžių atkaitintą 316 plieno lakštą.
Formavimo riba buvo įvertinta pagal įprastą procedūrą, naudojant pusrutulio sprogimo testus37, 38, 45, 66. Iš viso šeši bandiniai buvo pagaminti pjovimo lazeriu būdu, kurių matmenys parodyti 4a pav. kaip eksperimentinių pavyzdžių rinkinys. Kiekvienai martensito frakcijos būsenai buvo paruošti ir išbandyti trys bandinių rinkiniai. Ant pav. 4b pavaizduoti iškirpti, poliruoti ir pažymėti pavyzdžiai.
Nakazima liejimas riboja mėginio dydį ir pjaustymo lentą. a) matmenys, b) nupjauti ir pažymėti pavyzdžiai.
Pusrutulio formos štampavimo bandymas buvo atliktas naudojant hidraulinį presą, kurio judėjimo greitis 2 mm/s. Perforatoriaus ir lakšto kontaktiniai paviršiai yra gerai sutepti, kad būtų sumažintas trinties poveikis formavimo riboms. Tęskite bandymą, kol bus pastebėtas reikšmingas mėginio susiaurėjimas arba lūžis. Ant pav. 5 parodytas sunaikintas mėginys įrenginyje ir mėginys po bandymo.
Formavimo riba buvo nustatyta naudojant pusrutulio plyšimo bandymą, (a) bandymo įrenginį, (b) mėginio plokštelę, kai bandymo įtaisas lūžta, (c) tą patį pavyzdį po bandymo.
Jang67 sukurta neurofuzzy sistema yra tinkama priemonė lapų formavimo ribinei kreivei numatyti. Šio tipo dirbtinis neuroninis tinklas apima parametrų su neaiškiais aprašymais įtaką. Tai reiškia, kad jie gali gauti bet kokią tikrą vertę savo srityse. Šio tipo vertės toliau klasifikuojamos pagal jų vertę. Kiekviena kategorija turi savo taisykles. Pavyzdžiui, temperatūros reikšmė gali būti bet koks realus skaičius, o priklausomai nuo jo reikšmės temperatūros gali būti skirstomos į šaltą, vidutinę, šiltą ir karštą. Šiuo atžvilgiu, pavyzdžiui, žemos temperatūros taisyklė yra taisyklė „dėvėkite striukę“, o šiltos temperatūros taisyklė yra „pakankamai marškinėlių“. Pačioje neaiškioje logikoje išvestis įvertinama dėl tikslumo ir patikimumo. Neuroninių tinklų sistemų ir neaiškios logikos derinys užtikrina, kad ANFIS pateiks patikimus rezultatus.
Jang67 pateiktame 6 paveiksle parodytas paprastas nervinis neryškus tinklas. Kaip parodyta, tinklas naudoja du įėjimus, mūsų tyrime įvestis yra martensito dalis mikrostruktūroje ir nedidelės deformacijos vertė. Pirmajame analizės lygyje įvesties reikšmės yra neaiškios naudojant neaiškias taisykles ir narystės funkcijas (FC):
\(i=1, 2\), nes manoma, kad įvestis turi dvi aprašymo kategorijas. MF gali būti bet kokios trikampės, trapecijos, Gauso ar bet kokios kitos formos.
Remiantis kategorijomis \({A}_{i}\) ir \({B}_{i}\) ir jų MF reikšmėmis 2 lygyje, taikomos kai kurios taisyklės, kaip parodyta 7 paveiksle. sluoksnis, įvairių įvesties efektai kažkaip derinami. Čia naudojamos šios taisyklės, siekiant sujungti martensito frakcijos ir nedidelių deformacijų reikšmes:
Šio sluoksnio išvestis \({w}_{i}\) vadinama uždegimo intensyvumu. Šie uždegimo intensyvumai normalizuojami 3 sluoksnyje pagal šį ryšį:
4 sluoksnyje Takagi ir Sugeno taisyklės67,68 įtrauktos į skaičiavimą, kad būtų atsižvelgta į pradinių įvesties parametrų verčių įtaką. Šis sluoksnis turi šiuos ryšius:
Gautą \({f}_{i}\) paveikia normalizuotos sluoksnių reikšmės, kurios suteikia galutinį rezultatą, pagrindines deformacijos reikšmes:
kur \(NR\) reiškia taisyklių skaičių. Neuroninio tinklo vaidmuo čia yra naudoti savo vidinį optimizavimo algoritmą nežinomiems tinklo parametrams ištaisyti. Nežinomi parametrai yra gauti parametrai \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\) ir su MF susiję parametrai yra laikomos apibendrinta vėjo varpelių formos funkcija:
Formos ribinės diagramos priklauso nuo daugelio parametrų – nuo cheminės sudėties iki lakštinio metalo deformacijos istorijos. Kai kuriuos parametrus lengva įvertinti, įskaitant tempimo bandymo parametrus, o kitiems reikia sudėtingesnių procedūrų, tokių kaip metalografija arba liekamojo įtempio nustatymas. Daugeliu atvejų patartina atlikti kiekvienos lapų partijos deformacijos ribinį bandymą. Tačiau kartais apytiksliai formavimo ribai nustatyti gali būti naudojami kiti bandymų rezultatai. Pavyzdžiui, keliuose tyrimuose buvo naudojami tempimo bandymų rezultatai, siekiant nustatyti lakštų formavimą69, 70, 71, 72. Kiti tyrimai apėmė daugiau parametrų, tokių kaip grūdelių storis ir dydis31,73,74,75,76,77. Tačiau skaičiavimo požiūriu nėra naudinga įtraukti visus leidžiamus parametrus. Taigi ANFIS modelių naudojimas gali būti pagrįstas būdas išspręsti šias problemas45,63.
Šiame darbe buvo ištirta martensito kiekio įtaka 316 austenitinio plieno lakšto formavimo ribinei diagramai. Šiuo atžvilgiu buvo parengtas duomenų rinkinys naudojant eksperimentinius testus. Sukurta sistema turi du įvesties kintamuosius: metalografiniais bandymais išmatuotą martensito dalį ir mažų inžinerinių deformacijų diapazoną. Rezultatas yra didelė formavimo ribinės kreivės inžinerinė deformacija. Yra trijų tipų martensitinės frakcijos: smulkios, vidutinės ir didelės frakcijos. Mažas reiškia, kad martensito dalis yra mažesnė nei 10%. Vidutinėmis sąlygomis martensito dalis svyruoja nuo 10% iki 20%. Didelėmis martensito vertėmis laikomos frakcijos, didesnės nei 20%. Be to, antrinė deformacija turi tris skirtingas kategorijas nuo -5% iki 5% šalia vertikalios ašies, kurios naudojamos FLD0 nustatyti. Teigiami ir neigiami diapazonai yra kitos dvi kategorijos.
Pusrutulio formos bandymo rezultatai parodyti Fig. Paveikslėlyje parodytos 6 ribų formavimo diagramos, iš kurių 5 yra atskirų valcuotų lakštų FLD. Pateiktas saugos taškas ir jo viršutinės ribos kreivė, sudaranti ribinę kreivę (FLC). Paskutiniame paveiksle lyginami visi FLC. Kaip matyti iš paskutinio paveikslo, martensito dalies padidėjimas 316 austenitiniame pliene sumažina lakštinio metalo formuojamumą. Kita vertus, didinant martensito dalį, FLC palaipsniui virsta simetriška kreive apie vertikalią ašį. Paskutinėse dviejose diagramose dešinė kreivės pusė yra šiek tiek aukščiau už kairę, o tai reiškia, kad formuojamumas dviašiame įtempime yra didesnis nei vienaašiame įtempime. Be to, tiek nedidelės, tiek pagrindinės inžinerinės deformacijos prieš kaklą mažėja didėjant martensito daliai.
316 formuojant ribinę kreivę. Martensito dalies įtaka austenitinio plieno lakštų formavimui. (saugos taškas SF, susidarymo ribinė kreivė FLC, martensitas M).
Neuroninis tinklas buvo apmokytas naudojant 60 eksperimentinių rezultatų rinkinių, kurių martensito frakcijos buvo 7,8, 18,3 ir 28,7%. 15,4 % martensito duomenų rinkinys buvo skirtas tikrinimo procesui ir 25,6 % bandymo procesui. Paklaida po 150 epochų yra apie 1,5%. Ant pav. 9 parodyta koreliacija tarp faktinės produkcijos (\({\epsilon }_{1}\), pagrindinės inžinerijos darbo krūvio), numatytos mokymams ir bandymams. Kaip matote, apmokyta NFS patenkinamai prognozuoja \({\epsilon} _{1}\) lakštinio metalo dalims.
(a) Koreliacija tarp numatomų ir faktinių verčių po mokymo proceso, (b) Klaida tarp numatomų ir faktinių pagrindinių FLC inžinerinių apkrovų treniruočių ir tikrinimo metu.
Tam tikru momentu mokymų metu ANFIS tinklas neišvengiamai perdirbamas. Norėdami tai nustatyti, atliekamas lygiagretus patikrinimas, vadinamas "patikriniu". Jei patvirtinimo klaidos reikšmė skiriasi nuo mokymo vertės, tinklas pradeda mokytis iš naujo. Kaip parodyta 9b paveiksle, prieš 150 epochą skirtumas tarp mokymosi ir patvirtinimo kreivių yra nedidelis, ir jie atitinka maždaug tą pačią kreivę. Šiuo metu patvirtinimo proceso klaida pradeda nukrypti nuo mokymosi kreivės, o tai yra ANFIS per didelio pritaikymo požymis. Taigi 150 turo ANFIS tinklas išsaugomas su 1,5% paklaida. Tada įvedama ANFIS FLC prognozė. Ant pav. 10 parodytos numatomos ir faktinės pasirinktų mėginių, naudojamų mokymo ir tikrinimo procese, kreivės. Kadangi šių kreivių duomenys buvo naudojami mokant tinklą, nenuostabu stebėti labai artimas prognozes.
Faktinės eksperimentinės FLC ir ANFIS nuspėjamosios kreivės įvairiomis martensito turinio sąlygomis. Šios kreivės naudojamos treniruočių procese.
ANFIS modelis nežino, kas nutiko paskutiniam mėginiui. Todėl mes išbandėme savo apmokytą ANFIS, skirtą FLC, pateikdami mėginius, kurių martensito frakcija yra 25,6%. Ant pav. 11 parodyta ANFIS FLC prognozė ir eksperimentinis FLC. Didžiausia paklaida tarp numatomos vertės ir eksperimentinės vertės yra 6,2%, o tai yra didesnė nei prognozuojama vertė treniruotės ir patvirtinimo metu. Tačiau ši klaida yra toleruotina klaida, palyginti su kitais tyrimais, kurie teoriškai prognozuoja FLC37.
Pramonėje parametrai, turintys įtakos formavimui, aprašomi liežuvėlio forma. Pavyzdžiui, „stambūs grūdeliai sumažina formuojamumą“ arba „padidėjęs šaltas apdirbimas sumažina FLC“. Pirmajame etape įvestis į ANFIS tinklą skirstoma į kalbines kategorijas, tokias kaip žema, vidutinė ir aukšta. Skirtingoms tinklo kategorijoms taikomos skirtingos taisyklės. Todėl pramonėje tokio tipo tinklai gali būti labai naudingi, nes į jų kalbinį aprašymą ir analizę įtraukiami keli veiksniai. Šiame darbe siekėme atsižvelgti į vieną iš pagrindinių austenitinio nerūdijančio plieno mikrostruktūros ypatybių, kad būtų galima išnaudoti ANFIS galimybes. Įtempių sukelto martensito 316 kiekis yra tiesioginė šių įdėklų šalto darbo pasekmė. Atlikus eksperimentus ir ANFIS analizę buvo nustatyta, kad padidinus martensito dalį šio tipo austenitiniame nerūdijančiame pliene labai sumažėja 316 plokštės FLC, todėl martensito proporcijos padidinimas nuo 7,8 % iki 28,7 % sumažina FLD0 nuo 0,35. atitinkamai iki 0,1. Kita vertus, apmokytas ir patvirtintas ANFIS tinklas gali numatyti FLC, naudodamas 80% turimų eksperimentinių duomenų su maksimalia 6,5% paklaida, o tai yra priimtina paklaida, palyginti su kitomis teorinėmis procedūromis ir fenomenologiniais ryšiais.
Šiame tyrime naudotus ir (arba) analizuotus duomenų rinkinius pagrįstu prašymu gali gauti atitinkami autoriai.
Iftikhar, CMA ir kt. Tolesnių ekstruzinio AZ31 magnio lydinio „tokio, koks yra“ išeigos evoliucija proporcingai ir neproporcingai apkrovos keliais: CPFEM eksperimentai ir modeliavimas. vidinis J. Prast. 151, 103216 (2022).
Iftikhar, TsMA ir kt. Vėlesnio išeigos paviršiaus raida po plastinės deformacijos proporcingomis ir neproporcingomis atkaitinto AA6061 lydinio apkrovos keliais: eksperimentai ir kristalų plastiškumo baigtinių elementų modeliavimas. vidinis J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Pereinamieji įtempiai, sukietėjimas darbe ir aliuminio r vertės dėl deformacijos kelio pokyčių. vidinis J. Prast. 69, 1–20 (2015).
Mamushi, H. ir kt. Naujas eksperimentinis metodas ribinei formavimo diagramai nustatyti, atsižvelgiant į normalaus slėgio poveikį. vidinis J. Alma mater. forma. 15(1), 1 (2022).
Yang Z. ir kt. AA7075-T6 lakštinio metalo kaliojo lūžio parametrų ir deformacijų ribų eksperimentinis kalibravimas. J. Alma mater. procesas. technologijas. 291, 117044 (2021).
Petrits, A. ir kt. Paslėpti energijos surinkimo įrenginiai ir biomedicininiai jutikliai, pagrįsti itin lanksčiais feroelektriniais keitikliais ir organiniais diodais. Tautinė komuna. 12(1), 2399 (2021).
Basak, S. ir Panda, SK Įvairių iš anksto deformuotų plokščių išlenkimo ir lūžio ribų analizė poliniuose efektyviuose plastinės deformacijos keliuose, naudojant Yld 2000–2d išeigos modelį. J. Alma mater. procesas. technologijas. 267, 289–307 (2019).
Basak, S. ir Panda, SK Anizotropinių lakštinių metalų lūžių deformacijos: eksperimentinis įvertinimas ir teorinės prognozės. vidinis J. Mecha. mokslas. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Eksperimentinis ir teorinis deformacijos trajektorijos keitimo poveikio liejimo ribinei diagramai AA5083 tyrimas. vidaus J. Adv. gamintojas. technologijas. 76(5–8), 1343–1352 (2015).
Habibi, M. ir kt. Trinties būdu suvirintų ruošinių mechaninių savybių, formuojamumo ir ribinės formavimo diagramos eksperimentinis tyrimas. J. Maker. procesas. 31, 310–323 (2018).
Habibi, M. ir kt. Atsižvelgiant į lenkimo įtaką, ribinė diagrama sudaroma įtraukiant MC modelį į baigtinių elementų modeliavimą. procesas. Kailių institutas. projektą. L 232 (8), 625–636 (2018).
Paskelbimo laikas: 2023-08-08