Tak fordi du besøger Nature.com. Du bruger en browserversion med begrænset CSS-understøttelse. For den bedste oplevelse anbefaler vi, at du bruger en opdateret browser (eller deaktiverer kompatibilitetstilstand i Internet Explorer). For at sikre fortsat support viser vi desuden siden uden stilarter og JavaScript.
Sliders, der viser tre artikler pr. slide. Brug tilbage- og næste-knapperne til at flytte gennem diasene, eller dias-controllerknapperne i slutningen til at flytte gennem hvert dias.
Virkningen af mikrostruktur på formbarheden af rustfri stålplader er en stor bekymring for pladebearbejdningsingeniører. For austenitiske stål fører tilstedeværelsen af deformationsmartensit (\({\alpha}^{^{\prime))\)-martensit) i mikrostrukturen til betydelig hærdning og et fald i formbarhed. I denne undersøgelse havde vi til formål at evaluere formbarheden af AISI 316 stål med forskellige martensitiske styrker ved hjælp af eksperimentelle og kunstig intelligens metoder. I det første trin blev AISI 316 stål med en initial tykkelse på 2 mm udglødet og koldvalset til forskellige tykkelser. Efterfølgende blev det relative stammemartensitareal målt ved metallografisk test. Formbarheden af de valsede plader blev bestemt under anvendelse af en halvkuglesprængningstest til opnåelse af et spændingsgrænsediagram (FLD). Dataene opnået som et resultat af eksperimenterne bruges yderligere til at træne og teste det kunstige neuro-fuzzy interferenssystem (ANFIS). Efter ANFIS-træning blev de dominerende stammer forudsagt af det neurale netværk sammenlignet med et nyt sæt eksperimentelle resultater. Resultaterne viser, at koldvalsning har en negativ effekt på formbarheden af denne type rustfrit stål, men styrken af pladen er væsentligt forbedret. Derudover viser ANFIS tilfredsstillende resultater sammenlignet med eksperimentelle målinger.
Evnen til at danne metalplader, selv om det har været genstand for videnskabelige artikler i årtier, forbliver et interessant forskningsområde inden for metallurgi. Nye tekniske værktøjer og beregningsmodeller gør det lettere at finde potentielle faktorer, der påvirker formbarheden. Vigtigst er det, at betydningen af mikrostruktur for formgrænsen er blevet afsløret i de senere år ved hjælp af Crystal Plasticity Finite Element Method (CPFEM). På den anden side hjælper tilgængeligheden af scanningselektronmikroskopi (SEM) og elektron backscatter diffraction (EBSD) forskere med at observere den mikrostrukturelle aktivitet af krystalstrukturer under deformation. Forståelse af indflydelsen af forskellige faser i metaller, kornstørrelse og orientering og mikroskopiske defekter på kornniveau er afgørende for at forudsige formbarhed.
Bestemmelse af formbarhed er i sig selv en kompleks proces, da formbarhed har vist sig at være meget afhængig af veje 1, 2, 3. Derfor er de konventionelle begreber om ultimativ forming strain upålidelige under uforholdsmæssige belastningsforhold. På den anden side er de fleste belastningsveje i industrielle applikationer klassificeret som ikke-proportional belastning. I denne forbindelse bør traditionelle halvkugleformede og eksperimentelle Marciniak-Kuchinsky (MK) metoder4,5,6 bruges med forsigtighed. I de senere år har et andet koncept, Fracture Limit Diagram (FFLD), tiltrukket sig opmærksomhed fra mange formbarhedsingeniører. I dette koncept bruges en skadesmodel til at forudsige arkformbarhed. I denne forbindelse indgår sti-uafhængighed i første omgang i analysen, og resultaterne stemmer godt overens med de uskalerede forsøgsresultater7,8,9. Formbarheden af en metalplade afhænger af flere parametre og arkets forarbejdningshistorie, såvel som af metallets mikrostruktur og fase10,11,12,13,14,15.
Størrelsesafhængighed er et problem, når man overvejer metallers mikroskopiske træk. Det har vist sig, at i små deformationsrum afhænger afhængigheden af vibrations- og knækegenskaber stærkt af materialets længdeskala16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Virkningen af kornstørrelse på formbarhed har længe været anerkendt i industrien. Yamaguchi og Mellor [31] undersøgte effekten af kornstørrelse og tykkelse på metalpladers trækegenskaber ved hjælp af teoretisk analyse. Ved at bruge Marciniac-modellen rapporterer de, at under biaksial trækbelastning fører et fald i forholdet mellem tykkelse og kornstørrelse til et fald i pladens trækegenskaber. Eksperimentelle resultater af Wilson et al. 32 bekræftede, at reduktion af tykkelsen til den gennemsnitlige korndiameter (t/d) resulterede i et fald i den biaksiale strækbarhed af metalplader med tre forskellige tykkelser. De konkluderede, at ved t/d-værdier på mindre end 20 påvirkes mærkbar deformationsinhomogenitet og indhaling hovedsageligt af individuelle korn i tykkelsen af arket. Ulvan og Koursaris33 undersøgte effekten af kornstørrelse på den samlede bearbejdelighed af 304 og 316 austenitiske rustfrie stål. De rapporterer, at formbarheden af disse metaller ikke påvirkes af kornstørrelsen, men der kan ses små ændringer i trækegenskaberne. Det er stigningen i kornstørrelse, der fører til et fald i disse ståls styrkeegenskaber. Dislokationstæthedens indflydelse på strømningsspændingen af nikkelmetaller viser, at dislokationstætheden bestemmer metallets strømningsspænding, uanset kornstørrelsen34. Korninteraktion og indledende orientering har også stor indflydelse på udviklingen af aluminiumtekstur, som blev undersøgt af Becker og Panchanadiswaran ved hjælp af eksperimenter og modellering af krystalplasticitet35. Numeriske resultater i deres analyse er i god overensstemmelse med eksperimenter, selvom nogle simuleringsresultater afviger fra eksperimenter på grund af begrænsninger af de anvendte randbetingelser. Ved at studere krystalplasticitetsmønstre og eksperimentelt detektere, viser valsede aluminiumsplader forskellig formbarhed36. Resultaterne viste, at selvom spændings-tøjningskurverne for de forskellige plader var næsten ens, var der signifikante forskelle i deres formbarhed baseret på startværdierne. Amelirad og Assempour brugte eksperimenter og CPFEM til at opnå spændings-tøjningskurverne for austenitiske rustfri stålplader37. Deres simuleringer viste, at stigningen i kornstørrelse skifter opad i FLD og danner en begrænsende kurve. Derudover undersøgte de samme forfattere effekten af kornorientering og morfologi på dannelsen af hulrum 38 .
Ud over kornmorfologi og orientering i austenitisk rustfrit stål er tilstanden af tvillinger og sekundære faser også vigtig. Twinning er hovedmekanismen til hærdning og øget forlængelse i TWIP 39 stål. Hwang40 rapporterede, at formbarheden af TWIP-stålene var dårlig på trods af tilstrækkelig trækrespons. Effekten af deformationsbindinger på formbarheden af austenitiske stålplader er imidlertid ikke blevet tilstrækkeligt undersøgt. Mishra et al. 41 undersøgte austenitiske rustfrie stål for at observere twinning under forskellige trækbelastningsveje. De fandt ud af, at tvillinger kunne stamme fra henfaldskilder fra både udglødede tvillinger og den nye generation af tvillinger. Det er blevet observeret, at de største tvillinger dannes under biaksial spænding. Derudover blev det bemærket, at omdannelsen af austenit til \({\alpha}^{^{\prime}}\)-martensit afhænger af belastningsvejen. Hong et al. 42 undersøgte effekten af strain-induceret twinning og martensit på brintskørhed over en række temperaturer ved selektiv lasersmeltning af 316L austenitisk stål. Det blev observeret, at afhængigt af temperaturen kunne brint forårsage fejl eller forbedre formbarheden af 316L stål. Shen et al. 43 målte eksperimentelt volumenet af deformationsmartensit under trækbelastning ved forskellige belastningshastigheder. Det blev fundet, at en stigning i trækbelastning øger volumenfraktionen af martensitfraktionen.
AI-metoder bruges i videnskab og teknologi på grund af deres alsidighed til at modellere komplekse problemer uden at ty til det fysiske og matematiske grundlag for problemet44,45,46,47,48,49,50,51,52 Antallet af AI-metoder er stigende . Moradi et al. 44 brugte maskinlæringsteknikker til at optimere kemiske forhold for at producere finere nanosilica-partikler. Andre kemiske egenskaber påvirker også egenskaberne af materialer i nanoskala, hvilket er blevet undersøgt i mange forskningsartikler53. Ce et al. 45 brugte ANFIS til at forudsige formbarheden af almindeligt kulstofstålplademetal under forskellige rulleforhold. På grund af koldvalsning er dislokationstætheden i blødt stål steget betydeligt. Almindelig kulstofstål adskiller sig fra austenitisk rustfrit stål i deres hærdnings- og restaureringsmekanismer. I simpelt kulstofstål forekommer fasetransformationer ikke i metalmikrostrukturen. Ud over metalfasen påvirkes metallers duktilitet, brud, bearbejdelighed osv. også af flere andre mikrostrukturelle egenskaber, der opstår under forskellige typer varmebehandling, koldbearbejdning og ældning54,55,56,57,58,59 ,60. , 61, 62. For nylig har Chen et al. 63 undersøgte effekten af koldvalsning på formbarheden af 304L stål. De tog kun hensyn til fænomenologiske observationer i eksperimentelle test for at træne det neurale netværk til at forudsige formbarhed. Faktisk, i tilfælde af austenitiske rustfrie stål, kombineres flere faktorer for at reducere pladens trækegenskaber. Lu et al.64 brugte ANFIS til at observere effekten af forskellige parametre på hulekspansionsprocessen.
Som kort diskuteret i gennemgangen ovenfor, har effekten af mikrostruktur på formgrænsediagrammet fået lidt opmærksomhed i litteraturen. På den anden side skal mange mikrostrukturelle træk tages i betragtning. Derfor er det næsten umuligt at inddrage alle mikrostrukturelle faktorer i analysemetoder. I denne forstand kan brugen af kunstig intelligens være gavnlig. I denne henseende undersøger denne undersøgelse effekten af et aspekt af mikrostrukturelle faktorer, nemlig tilstedeværelsen af stress-induceret martensit, på formbarheden af rustfri stålplader. Denne undersøgelse adskiller sig fra andre AI-studier med hensyn til formbarhed ved, at fokus er på mikrostrukturelle træk frem for blot eksperimentelle FLD-kurver. Vi søgte at evaluere formbarheden af 316 stål med forskellige martensitindhold ved hjælp af eksperimentelle og kunstig intelligens metoder. I det første trin blev 316 stål med en initial tykkelse på 2 mm udglødet og koldvalset til forskellige tykkelser. Derefter blev det relative areal af martensit målt ved hjælp af metallografisk kontrol. Formbarheden af de valsede plader blev bestemt under anvendelse af en halvkuglesprængningstest til opnåelse af et spændingsgrænsediagram (FLD). Data modtaget fra ham blev senere brugt til at træne og teste det kunstige neuro-fuzzy interference system (ANFIS). Efter ANFIS-træning sammenlignes de neurale netværksforudsigelser med et nyt sæt eksperimentelle resultater.
Den 316 austenitiske metalplade af rustfrit stål, der anvendes i denne undersøgelse, har en kemisk sammensætning som vist i tabel 1 og en indledende tykkelse på 1,5 mm. Udglødning ved 1050°C i 1 time efterfulgt af afkøling med vand for at lindre resterende spændinger i arket og opnå en ensartet mikrostruktur.
Mikrostrukturen af austenitiske stål kan afsløres ved hjælp af flere ætsemidler. Et af de bedste ætsemidler er 60% salpetersyre i destilleret vand, ætset ved 1 VDC i 120 s38. Dette ætsemiddel viser dog kun korngrænser og kan ikke identificere dobbelte korngrænser, som vist i fig. 1a. Et andet ætsemiddel er glycerolacetat, hvor tvillingegrænser godt kan visualiseres, men korngrænser er det ikke, som vist i fig. 1b. Derudover kan martensitfasen efter transformationen af den metastabile austenitiske fase til \({\alpha }^{^{\prime}}\)-martensitfasen påvises ved hjælp af glycerolacetatætsemidlet, som er af interesse i den aktuelle undersøgelse.
Mikrostruktur af metalplade 316 efter udglødning, vist ved forskellige ætsemidler, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) i destilleret vand ved 1,5 V i 120 s, og (b) 200x glycerylacetat.
De udglødede plader blev skåret i plader 11 cm brede og 1 m lange til rulning. Koldvalseanlægget har to symmetriske ruller med en diameter på 140 mm. Koldvalseprocessen forårsager omdannelsen af austenit til deformation martensit i 316 rustfrit stål. Leder efter forholdet mellem martensitfasen og austenitfasen efter koldvalsning gennem forskellige tykkelser. På fig. 2 viser en prøve af metalpladens mikrostruktur. På fig. 2a viser et metallografisk billede af en rullet prøve set fra en retning vinkelret på pladen. På fig. 2b ved hjælp af ImageJ65-software, er den martensitiske del fremhævet i sort. Ved hjælp af værktøjerne i denne open source-software kan arealet af martensitfraktionen måles. Tabel 2 viser de detaljerede fraktioner af de martensitiske og austenitiske faser efter valsning til forskellige reduktioner i tykkelse.
Mikrostruktur af et 316 L ark efter valsning til en 50% reduktion i tykkelse, set vinkelret på pladens plan, forstørret 200 gange, glycerolacetat.
Værdierne præsenteret i tabel 2 blev opnået ved at tage et gennemsnit af de målte martensitfraktioner over tre fotografier taget forskellige steder på den samme metallografiske prøve. Desuden er der i fig. 3 viser kvadratiske tilpasningskurver for bedre at forstå effekten af koldvalsning på martensit. Det kan ses, at der er en næsten lineær sammenhæng mellem andelen af martensit og tykkelsesreduktion i den koldvalsede tilstand. Et kvadratisk forhold kan dog bedre repræsentere dette forhold.
Variation i andelen af martensit som funktion af tykkelsesreduktion under koldvalsning af en initialt udglødet 316 stålplade.
Formningsgrænsen blev evalueret i overensstemmelse med den sædvanlige procedure under anvendelse af hemisfære-bursttests37,38,45,66. I alt blev seks prøver fremstillet ved laserskæring med dimensionerne vist i fig. 4a som et sæt eksperimentelle prøver. For hver tilstand af martensitfraktionen blev tre sæt testprøver forberedt og testet. På fig. 4b viser udskårne, polerede og markerede prøver.
Nakazima-støbning begrænser prøvestørrelse og skærebræt. (a) Dimensioner, (b) Udskårne og mærkede prøver.
Testen for halvkugleformet udstansning blev udført ved anvendelse af en hydraulisk presse med en kørehastighed på 2 mm/s. Stempelets og arkets kontaktflader er godt smurt for at minimere effekten af friktion på formningsgrænser. Fortsæt testningen, indtil der observeres en væsentlig indsnævring eller brud i prøven. På fig. 5 viser den ødelagte prøve i indretningen og prøven efter testning.
Formningsgrænsen blev bestemt ved hjælp af en halvkugleformet sprængningstest, (a) testrig, (b) prøveplade ved brud i testriggen, (c) den samme prøve efter test.
Det neuro-fuzzy system udviklet af Jang67 er et velegnet værktøj til forudsigelse af bladdannelsesgrænsekurve. Denne type kunstige neurale netværk inkluderer indflydelsen af parametre med vage beskrivelser. Det betyder, at de kan få enhver reel værdi på deres felter. Værdier af denne type klassificeres yderligere efter deres værdi. Hver kategori har sine egne regler. For eksempel kan en temperaturværdi være et hvilket som helst reelt tal, og afhængigt af dens værdi kan temperaturer klassificeres som kolde, medium, varme og varme. I denne forbindelse er reglen for lave temperaturer for eksempel reglen "bær jakke", og reglen for varme temperaturer er "nok T-shirt". I selve fuzzy logic evalueres outputtet for nøjagtighed og pålidelighed. Kombinationen af neurale netværkssystemer med fuzzy logik sikrer, at ANFIS giver pålidelige resultater.
Figur 6 leveret af Jang67 viser et simpelt neuralt fuzzy netværk. Som vist tager netværket to input, i vores undersøgelse er input andelen af martensit i mikrostrukturen og værdien af mindre belastning. På det første niveau af analyse fuzzificeres inputværdier ved hjælp af fuzzy regler og medlemsfunktioner (FC):
For \(i=1, 2\), da input antages at have to kategorier af beskrivelse. MF kan antage enhver trekantet, trapezformet, Gaussisk eller enhver anden form.
Baseret på kategorierne \({A}_{i}\) og \({B}_{i}\) og deres MF-værdier på niveau 2, er nogle regler vedtaget, som vist i figur 7. I denne lag, er effekterne af de forskellige inputs på en eller anden måde kombineret. Her bruges følgende regler til at kombinere martensitfraktionens indflydelse og mindre belastningsværdier:
Udgangen \({w}_{i}\) af dette lag kaldes tændingsintensiteten. Disse tændingsintensiteter normaliseres i lag 3 i henhold til følgende forhold:
I lag 4 er Takagi- og Sugeno-reglerne67,68 inkluderet i beregningen for at tage højde for indflydelsen af de indledende værdier af inputparametrene. Dette lag har følgende relationer:
Den resulterende \({f}_{i}\) påvirkes af de normaliserede værdier i lagene, hvilket giver det endelige resultat, de vigtigste warp-værdier:
hvor \(NR\) repræsenterer antallet af regler. Det neurale netværks rolle her er at bruge dets interne optimeringsalgoritme til at rette ukendte netværksparametre. De ukendte parametre er de resulterende parametre \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), og parametrene relateret til MF'en betragtes som generaliseret vindklokkes formfunktion:
Formgrænsediagrammerne afhænger af mange parametre, fra den kemiske sammensætning til metalpladens deformationshistorie. Nogle parametre er nemme at evaluere, herunder træktestparametre, mens andre kræver mere komplekse procedurer såsom metallografi eller restspændingsbestemmelse. I de fleste tilfælde er det tilrådeligt at udføre en belastningsgrænsetest for hvert parti ark. Nogle gange kan andre testresultater dog bruges til at tilnærme formgrænsen. For eksempel har adskillige undersøgelser brugt træktestresultater til at bestemme pladeformbarhed69,70,71,72. Andre undersøgelser inkluderede flere parametre i deres analyse, såsom korntykkelse og størrelse31,73,74,75,76,77. Det er dog ikke beregningsmæssigt fordelagtigt at inkludere alle tilladte parametre. Brugen af ANFIS-modeller kan således være en rimelig tilgang til at løse disse problemer45,63.
I dette papir blev martensitindholdets indflydelse på formningsgrænsediagrammet for en 316 austenitisk stålplade undersøgt. I denne henseende blev et datasæt udarbejdet ved hjælp af eksperimentelle tests. Det udviklede system har to inputvariable: andelen af martensit målt i metallografiske tests og rækken af små tekniske stammer. Resultatet er en større teknisk deformation af formningsgrænsekurven. Der er tre typer martensitiske fraktioner: fine, mellemstore og høje fraktioner. Lav betyder, at andelen af martensit er mindre end 10 %. Under moderate forhold varierer andelen af martensit fra 10 % til 20 %. Høje værdier af martensit anses for at være fraktioner på mere end 20%. Derudover har sekundær stamme tre forskellige kategorier mellem -5% og 5% nær den lodrette akse, som bruges til at bestemme FLD0. Positive og negative intervaller er de to andre kategorier.
Resultaterne af den hemisfæriske test er vist i fig. Figuren viser 6 formningsdiagrammer af grænser, hvoraf 5 er FLD for individuelle valsede plader. Givet et sikkerhedspunkt og dets øvre grænsekurve danner en grænsekurve (FLC). Den sidste figur sammenligner alle FLC'er. Som det ses af sidste figur, reducerer en stigning i andelen af martensit i 316 austenitisk stål formbarheden af pladen. På den anden side forvandler en forøgelse af andelen af martensit gradvist FLC til en symmetrisk kurve om den lodrette akse. I de sidste to grafer er højre side af kurven lidt højere end venstre, hvilket betyder, at formbarheden ved biaksial spænding er højere end ved uniaksial spænding. Derudover falder både mindre og større ingeniørmæssige belastninger før halsning med stigende andel af martensit.
316 danner en grænsekurve. Indflydelse af andelen af martensit på formbarheden af austenitiske stålplader. (sikkerhedspunkt SF, formationsgrænsekurve FLC, martensit M).
Det neurale netværk blev trænet på 60 sæt eksperimentelle resultater med martensitfraktioner på 7,8, 18,3 og 28,7%. Et datasæt på 15,4 % martensit blev reserveret til verifikationsprocessen og 25,6 % til testprocessen. Fejlen efter 150 epoker er omkring 1,5%. På fig. 9 viser sammenhængen mellem det faktiske output (\({\epsilon }_{1}\), grundlæggende ingeniørarbejde) tilvejebragt for træning og test. Som du kan se, forudsiger den trænede NFS \({\epsilon} _{1}\) tilfredsstillende for metalpladedele.
(a) Korrelation mellem forudsagte og faktiske værdier efter træningsprocessen, (b) Fejl mellem forudsagte og faktiske værdier for de vigtigste tekniske belastninger på FLC'en under træning og verifikation.
På et tidspunkt under træningen bliver ANFIS-netværket uundgåeligt genbrugt. For at fastslå dette udføres en parallel kontrol, kaldet en "check". Hvis valideringsfejlværdien afviger fra træningsværdien, begynder netværket at genoptræne. Som vist i figur 9b, før epoke 150, er forskellen mellem indlærings- og valideringskurverne lille, og de følger nogenlunde den samme kurve. På dette tidspunkt begynder valideringsprocesfejlen at afvige fra indlæringskurven, hvilket er et tegn på ANFIS-overtilpasning. Dermed er ANFIS-netværket for runde 150 bevaret med en fejl på 1,5 %. Derefter introduceres FLC-forudsigelsen for ANFIS. På fig. 10 viser de forudsagte og faktiske kurver for de udvalgte prøver anvendt i trænings- og verifikationsprocessen. Da dataene fra disse kurver blev brugt til at træne netværket, er det ikke overraskende at observere meget tætte forudsigelser.
Faktiske eksperimentelle FLC- og ANFIS-prædiktive kurver under forskellige martensitindholdsforhold. Disse kurver bruges i træningsprocessen.
ANFIS-modellen ved ikke, hvad der skete med den sidste prøve. Derfor testede vi vores trænede ANFIS til FLC ved at indsende prøver med en martensitfraktion på 25,6%. På fig. 11 viser ANFIS FLC forudsigelsen såvel som den eksperimentelle FLC. Den maksimale fejl mellem den forudsagte værdi og den eksperimentelle værdi er 6,2 %, hvilket er højere end den forudsagte værdi under træning og validering. Denne fejl er dog en acceptabel fejl sammenlignet med andre undersøgelser, der teoretisk forudsiger FLC37.
I industrien beskrives de parametre, der påvirker formbarheden, i form af en tunge. For eksempel "groft korn reducerer formbarhed" eller "øget koldbearbejdning reducerer FLC". Input til ANFIS-netværket i første fase klassificeres i sproglige kategorier som lav, medium og høj. Der er forskellige regler for forskellige kategorier på netværket. Derfor kan denne type netværk i industrien være meget nyttig i forhold til at inddrage flere faktorer i deres sproglige beskrivelse og analyse. I dette arbejde forsøgte vi at tage højde for et af hovedtrækkene i mikrostrukturen af austenitiske rustfrie stål for at bruge mulighederne i ANFIS. Mængden af stress-induceret martensit af 316 er en direkte konsekvens af koldbearbejdningen af disse skær. Gennem eksperimenter og ANFIS-analyse har det vist sig, at en forøgelse af andelen af martensit i denne type austenitisk rustfrit stål fører til et signifikant fald i FLC af plade 316, således at en forøgelse af andelen af martensit fra 7,8% til 28,7% reducerer FLD0 fra 0,35. op til 0,1 hhv. På den anden side kan det trænede og validerede ANFIS-netværk forudsige FLC ved hjælp af 80% af de tilgængelige eksperimentelle data med en maksimal fejl på 6,5%, hvilket er en acceptabel fejlmargin sammenlignet med andre teoretiske procedurer og fænomenologiske sammenhænge.
De datasæt, der anvendes og/eller analyseres i den aktuelle undersøgelse, er tilgængelige fra de respektive forfattere efter rimelig anmodning.
Iftikhar, CMA, et al. Udvikling af efterfølgende udbyttebaner af ekstruderet AZ31 magnesiumlegering "som den er" under proportionelle og ikke-proportionale belastningsveje: CPFEM-eksperimenter og simuleringer. indre J. Prast. 151, 103216 (2022).
Iftikhar, TsMA et al. Udvikling af den efterfølgende udbytteflade efter plastisk deformation langs proportionale og ikke-proportionale belastningsveje af den udglødede AA6061-legering: eksperimenter og finite element-modellering af krystalplasticitet. indvendig J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Spændingstransienter, arbejdshærdning og aluminium r-værdier på grund af ændringer i belastningsveje. indre J. Prast. 69, 1-20 (2015).
Mamushi, H. et al. En ny eksperimentel metode til at bestemme det begrænsende formningsdiagram under hensyntagen til effekten af normalt tryk. indre J. Alma mater. form. 15(1), 1 (2022).
Yang Z. et al. Eksperimentel kalibrering af duktile frakturparametre og belastningsgrænser for AA7075-T6 metalplader. J. Alma mater. behandle. teknologier. 291, 117044 (2021).
Petrits, A. et al. Skjulte energiindsamlingsanordninger og biomedicinske sensorer baseret på ultrafleksible ferroelektriske omformere og organiske dioder. National kommune. 12(1), 2399 (2021).
Basak, S. og Panda, SK Analyse af indsnævrings- og brudgrænserne for forskellige prædeformerede plader i polære effektive plastiske deformationsbaner ved hjælp af Yld 2000-2d udbyttemodellen. J. Alma mater. behandle. teknologier. 267, 289-307 (2019).
Basak, S. og Panda, SK Bruddeformationer i anisotropiske plademetaller: Eksperimentel evaluering og teoretiske forudsigelser. indre J. Mecha. videnskaben. 151, 356-374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Eksperimentel og teoretisk undersøgelse af effekten af at ændre tøjningsbanen på støbegrænsediagrammet AA5083. intern J. Adv. fabrikant. teknologier. 76(5-8), 1343-1352 (2015).
Habibi, M. et al. Eksperimentel undersøgelse af de mekaniske egenskaber, formbarhed og begrænsende formgivningsdiagram for friktionssvejsede emner. J. Maker. behandle. 31, 310-323 (2018).
Habibi, M., et al. I betragtning af påvirkningen af bøjning er grænsediagrammet dannet ved at inkorporere MC-modellen i finite element-modellering. behandle. Fur Instituttet. projekt. L 232(8), 625-636 (2018).
Indlægstid: Jun-08-2023