Nature.com ला भेट दिल्याबद्दल धन्यवाद. तुम्ही मर्यादित CSS समर्थनासह ब्राउझर आवृत्ती वापरत आहात. सर्वोत्तम अनुभवासाठी, आम्ही शिफारस करतो की तुम्ही अद्ययावत ब्राउझर वापरा (किंवा इंटरनेट एक्सप्लोररमध्ये सुसंगतता मोड अक्षम करा). याव्यतिरिक्त, सतत समर्थन सुनिश्चित करण्यासाठी, आम्ही शैली आणि JavaScript शिवाय साइट दर्शवतो.
प्रति स्लाइड तीन लेख दर्शवणारे स्लाइडर. स्लाइड्समधून जाण्यासाठी मागील आणि पुढील बटणे वापरा किंवा प्रत्येक स्लाइडमधून जाण्यासाठी शेवटी स्लाइड कंट्रोलर बटणे वापरा.
स्टेनलेस स्टील शीट्सच्या फॉर्मेबिलिटीवर मायक्रोस्ट्रक्चरचा प्रभाव शीट मेटलवर्किंग अभियंतांसाठी एक प्रमुख चिंता आहे. ऑस्टेनिटिक स्टील्ससाठी, मायक्रोस्ट्रक्चरमध्ये विकृती मार्टेन्साइट (\({\alpha}^{^{\prime))\)-मार्टेन्साइटच्या उपस्थितीमुळे लक्षणीय कडक होणे आणि सुदृढता कमी होते. या अभ्यासात, आम्ही प्रायोगिक आणि कृत्रिम बुद्धिमत्ता पद्धतींद्वारे विविध मार्टेन्सिटिक सामर्थ्यांसह AISI 316 स्टील्सच्या फॉर्मेबिलिटीचे मूल्यांकन करण्याचे उद्दिष्ट ठेवले होते. पहिल्या टप्प्यात, AISI 316 स्टील 2 मिमीच्या सुरुवातीच्या जाडीसह ॲनिल केले गेले आणि विविध जाडीत कोल्ड रोल केले गेले. त्यानंतर, सापेक्ष ताण मार्टेन्साइट क्षेत्र मेटालोग्राफिक चाचणीद्वारे मोजले गेले. स्ट्रेन लिमिट डायग्राम (FLD) मिळविण्यासाठी गोलार्ध बर्स्ट चाचणी वापरून रोल केलेल्या शीट्सची फॉर्मॅबिलिटी निर्धारित केली गेली. प्रयोगांच्या परिणामी प्राप्त झालेल्या डेटाचा उपयोग कृत्रिम न्यूरो-फजी इंटरफेरन्स सिस्टम (ANFIS) चे प्रशिक्षण आणि चाचणी करण्यासाठी केला जातो. ANFIS प्रशिक्षणानंतर, न्यूरल नेटवर्कद्वारे भाकीत केलेल्या प्रबळ ताणांची तुलना प्रायोगिक परिणामांच्या नवीन संचाशी केली गेली. परिणाम दर्शविते की कोल्ड रोलिंगचा या प्रकारच्या स्टेनलेस स्टीलच्या फॉर्मेबिलिटीवर नकारात्मक प्रभाव पडतो, परंतु शीटची ताकद मोठ्या प्रमाणात सुधारली आहे. याव्यतिरिक्त, ANFIS प्रायोगिक मोजमापांच्या तुलनेत समाधानकारक परिणाम दर्शविते.
शीट मेटल तयार करण्याची क्षमता, जरी अनेक दशकांपासून वैज्ञानिक लेखांचा विषय असला तरी, धातूशास्त्रातील संशोधनाचे एक मनोरंजक क्षेत्र आहे. नवीन तांत्रिक साधने आणि संगणकीय मॉडेल फॉर्मेबिलिटीवर परिणाम करणारे संभाव्य घटक शोधणे सोपे करतात. सर्वात महत्त्वाचे म्हणजे, क्रिस्टल प्लास्टीसिटी फिनाइट एलिमेंट मेथड (CPFEM) वापरून आकार मर्यादेसाठी मायक्रोस्ट्रक्चरचे महत्त्व अलिकडच्या वर्षांत प्रकट झाले आहे. दुसरीकडे, स्कॅनिंग इलेक्ट्रॉन मायक्रोस्कोपी (SEM) आणि इलेक्ट्रॉन बॅकस्कॅटर डिफ्रॅक्शन (EBSD) ची उपलब्धता संशोधकांना विकृती दरम्यान क्रिस्टल संरचनांच्या सूक्ष्म संरचनात्मक क्रियाकलापांचे निरीक्षण करण्यास मदत करते. धातूंच्या विविध टप्प्यांचा प्रभाव, धान्याचा आकार आणि अभिमुखता आणि धान्य पातळीवर सूक्ष्म दोष समजून घेणे हे फॉर्मेबिलिटीचा अंदाज घेण्यासाठी महत्त्वपूर्ण आहे.
फॉर्मेबिलिटी निश्चित करणे ही स्वतःच एक जटिल प्रक्रिया आहे, कारण फॉर्मॅबिलिटी 1, 2, 3 मार्गांवर अत्यंत अवलंबून असल्याचे दर्शविले गेले आहे. त्यामुळे, अंतिम स्वरूपाच्या ताणाच्या पारंपारिक कल्पना असमान लोडिंग परिस्थितीत अविश्वसनीय आहेत. दुसरीकडे, इंडस्ट्रियल ऍप्लिकेशन्समधील बहुतेक लोड पथ नॉन-प्रपोर्शनल लोडिंग म्हणून वर्गीकृत आहेत. या संदर्भात, पारंपारिक गोलार्ध आणि प्रायोगिक Marciniak-Kuchinsky (MK) पद्धती 4,5,6 सावधगिरीने वापरल्या पाहिजेत. अलिकडच्या वर्षांत, फ्रॅक्चर लिमिट डायग्राम (FFLD) या आणखी एका संकल्पनेने अनेक फॉर्मेबिलिटी इंजिनीअर्सचे लक्ष वेधून घेतले आहे. या संकल्पनेमध्ये, शीटच्या सुरूपतेचा अंदाज लावण्यासाठी नुकसान मॉडेल वापरले जाते. या संदर्भात, पथ स्वातंत्र्य सुरुवातीला विश्लेषणामध्ये समाविष्ट केले गेले आहे आणि परिणाम अनस्केल केलेल्या प्रायोगिक परिणामांशी चांगले सहमत आहेत7,8,9. शीट मेटलची फॉर्मेबिलिटी अनेक पॅरामीटर्सवर आणि शीटच्या प्रोसेसिंग इतिहासावर तसेच मेटलची मायक्रोस्ट्रक्चर आणि फेज 10,11,12,13,14,15 यावर अवलंबून असते.
धातूंच्या सूक्ष्म वैशिष्ट्यांचा विचार करताना आकार अवलंबित्व ही एक समस्या आहे. हे दर्शविले गेले आहे की, लहान विकृतीच्या जागांमध्ये, कंपन आणि बकलिंग गुणधर्मांचे अवलंबन सामग्रीच्या लांबीच्या प्रमाणात अवलंबून असते16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. फॉर्मेबिलिटीवर धान्याच्या आकाराचा प्रभाव उद्योगात फार पूर्वीपासून ओळखला गेला आहे. यामागुची आणि मेलोर [३१] यांनी सैद्धांतिक विश्लेषणाचा वापर करून धातूच्या शीटच्या तन्य गुणधर्मांवर धान्याचा आकार आणि जाडी यांच्या प्रभावाचा अभ्यास केला. मार्सिनियाक मॉडेलचा वापर करून, ते नोंदवतात की द्विअक्षीय तन्य लोडिंग अंतर्गत, दाण्याच्या आकाराच्या जाडीच्या गुणोत्तरात घट झाल्यामुळे शीटच्या तन्य गुणधर्मांमध्ये घट होते. विल्सन एट अल द्वारे प्रायोगिक परिणाम. 32 ने पुष्टी केली की सरासरी धान्य व्यास (t/d) पर्यंत जाडी कमी केल्याने तीन वेगवेगळ्या जाडीच्या धातूच्या शीटच्या द्विअक्षीय विस्तारक्षमतेत घट झाली. त्यांनी असा निष्कर्ष काढला की 20 पेक्षा कमी टी/डी मूल्यांवर, लक्षणीय विकृती एकसमानता आणि मान मुख्यतः शीटच्या जाडीतील वैयक्तिक धान्यांवर परिणाम करतात. Ulvan आणि Koursaris33 यांनी 304 आणि 316 ऑस्टेनिटिक स्टेनलेस स्टील्सच्या एकूण यंत्रक्षमतेवर धान्य आकाराच्या प्रभावाचा अभ्यास केला. ते नोंदवतात की या धातूंच्या फॉर्मेबिलिटीवर धान्याच्या आकाराचा परिणाम होत नाही, परंतु तन्य गुणधर्मांमध्ये लहान बदल दिसून येतात. धान्याच्या आकारात वाढ झाल्यामुळे या स्टील्सच्या सामर्थ्य वैशिष्ट्यांमध्ये घट होते. निकेल धातूंच्या प्रवाहाच्या ताणावर अव्यवस्था घनतेचा प्रभाव दर्शवितो की अव्यवस्था घनता धान्याच्या आकाराकडे दुर्लक्ष करून, धातूचा प्रवाह ताण निर्धारित करते34. ॲल्युमिनियम टेक्चरच्या उत्क्रांतीवर ग्रेन इंटरॲक्शन आणि प्रारंभिक अभिमुखता यांचाही मोठा प्रभाव असतो, ज्याचा प्रयोग बेकर आणि पंचनादिस्वरन यांनी क्रिस्टल प्लास्टिसिटीचे प्रयोग आणि मॉडेलिंग वापरून केला होता. त्यांच्या विश्लेषणातील संख्यात्मक परिणाम प्रयोगांशी सुसंगत आहेत, जरी लागू केलेल्या सीमा परिस्थितींच्या मर्यादांमुळे काही अनुकरण परिणाम प्रयोगांपासून विचलित होतात. क्रिस्टल प्लास्टीसिटी पॅटर्नचा अभ्यास करून आणि प्रायोगिकरित्या शोधून, रोल केलेले ॲल्युमिनियम शीट्स भिन्न स्वरूप दर्शवतात36. परिणामांवरून असे दिसून आले की जरी वेगवेगळ्या शीटचे ताण-तणाव वक्र जवळजवळ सारखेच असले तरी, प्रारंभिक मूल्यांच्या आधारे त्यांच्या फॉर्मेबिलिटीमध्ये लक्षणीय फरक होते. Amelirad आणि Assempour यांनी ऑस्टेनिटिक स्टेनलेस स्टील शीटसाठी स्ट्रेस-स्ट्रेन वक्र मिळविण्यासाठी प्रयोग आणि CPFEM वापरले. त्यांच्या सिम्युलेशनने दाखवले की धान्याच्या आकारात वाढ FLD मध्ये वरच्या दिशेने सरकते, ज्यामुळे मर्यादित वक्र तयार होते. याव्यतिरिक्त, त्याच लेखकांनी व्हॉईड्स 38 च्या निर्मितीवर धान्य अभिमुखता आणि आकारविज्ञानाचा प्रभाव तपासला.
ऑस्टेनिटिक स्टेनलेस स्टील्समध्ये ग्रेन मॉर्फोलॉजी आणि अभिमुखता व्यतिरिक्त, जुळे आणि दुय्यम टप्प्यांची स्थिती देखील महत्त्वपूर्ण आहे. TWIP 39 स्टीलमध्ये कडक होणे आणि वाढवणे ही मुख्य यंत्रणा आहे. Hwang40 ने नोंदवले की TWIP स्टील्सची फॉर्मॅबिलिटी पुरेसा तन्य प्रतिसाद असूनही खराब आहे. तथापि, ऑस्टेनिटिक स्टील शीटच्या फॉर्मेबिलिटीवर विरूपण ट्विनिंगच्या प्रभावाचा पुरेसा अभ्यास केला गेला नाही. मिश्रा इत्यादी. 41 ने विविध टेन्साइल स्ट्रेन मार्गांखाली ट्विनिंगचे निरीक्षण करण्यासाठी ऑस्टेनिटिक स्टेनलेस स्टील्सचा अभ्यास केला. त्यांना असे आढळून आले की जुळी मुले क्षय स्त्रोतांपासून उद्भवू शकतात ॲनिल ट्विन्स आणि जुळ्यांची नवीन पिढी. असे आढळून आले आहे की सर्वात मोठी जुळी मुले द्विअक्षीय तणावाखाली तयार होतात. याशिवाय, ऑस्टेनाइटचे \({\alpha}^{^{\prime}}\)-मार्टेन्साइटमध्ये होणारे रूपांतर स्ट्रेन मार्गावर अवलंबून असते हे लक्षात आले. हाँग वगैरे. 42 ने 316L ऑस्टेनिटिक स्टीलच्या निवडक लेसर मेल्टिंगमध्ये तापमानाच्या श्रेणीवर हायड्रोजन भ्रष्टतेवर ताण-प्रेरित ट्विनिंग आणि मार्टेन्साईटच्या प्रभावाची तपासणी केली. असे आढळून आले की, तापमानावर अवलंबून, हायड्रोजनमुळे बिघाड होऊ शकतो किंवा 316L स्टीलची फॉर्मॅबिलिटी सुधारू शकते. शेन वगैरे. 43 ने विविध लोडिंग दरांवर टेन्साइल लोडिंग अंतर्गत विरूपण मार्टेन्साइटचे प्रमाण प्रायोगिकरित्या मोजले. असे आढळून आले की तन्य ताण वाढल्याने मार्टेन्साइट अपूर्णांकाचा खंड वाढतो.
AI पद्धतींचा वापर विज्ञान आणि तंत्रज्ञानामध्ये केला जातो कारण समस्यांच्या भौतिक आणि गणितीय पायाचा अवलंब न करता जटिल समस्यांचे मॉडेलिंग करण्यासाठी त्यांच्या बहुमुखीपणामुळे44,45,46,47,48,49,50,51,52 AI पद्धतींची संख्या वाढत आहे. . मोरादी वगैरे. 44 बारीक नॅनोसिलिका कण तयार करण्यासाठी रासायनिक परिस्थिती अनुकूल करण्यासाठी मशीन लर्निंग तंत्र वापरले. इतर रासायनिक गुणधर्म देखील नॅनोस्केल सामग्रीच्या गुणधर्मांवर प्रभाव पाडतात, ज्याची अनेक संशोधन लेखांमध्ये तपासणी केली गेली आहे. Ce et al. 45 ने विविध रोलिंग परिस्थितींमध्ये साध्या कार्बन स्टील शीट मेटलच्या फॉर्मेबिलिटीचा अंदाज लावण्यासाठी ANFIS चा वापर केला. कोल्ड रोलिंगमुळे, सौम्य स्टीलमध्ये अव्यवस्था घनता लक्षणीय वाढली आहे. प्लेन कार्बन स्टील्स त्यांच्या कडक आणि पुनर्संचयित यंत्रणेमध्ये ऑस्टेनिटिक स्टेनलेस स्टील्सपेक्षा भिन्न आहेत. साध्या कार्बन स्टीलमध्ये, मेटल मायक्रोस्ट्रक्चरमध्ये फेज ट्रान्सफॉर्मेशन होत नाही. धातूच्या अवस्थेव्यतिरिक्त, धातूची लवचिकता, फ्रॅक्चर, यंत्रक्षमता इत्यादींवर विविध प्रकारच्या उष्मा उपचार, शीत कार्य आणि वृद्धत्व दरम्यान उद्भवणाऱ्या इतर सूक्ष्म संरचनात्मक वैशिष्ट्यांचा देखील परिणाम होतो. 54,55,56,57,58,59 ,60. , 61, 62. अलीकडे, चेन एट अल. 63 ने 304L स्टीलच्या फॉर्मेबिलिटीवर कोल्ड रोलिंगच्या प्रभावाचा अभ्यास केला. त्यांनी केवळ प्रायोगिक चाचण्यांमध्ये अपूर्व निरीक्षणे विचारात घेतली ज्यामुळे तंत्रिका नेटवर्कला सुदृढतेचा अंदाज लावण्यासाठी प्रशिक्षण दिले. खरं तर, ऑस्टेनिटिक स्टेनलेस स्टील्सच्या बाबतीत, शीटचे तन्य गुणधर्म कमी करण्यासाठी अनेक घटक एकत्र येतात. Lu et al.64 ने छिद्र विस्तार प्रक्रियेवर विविध पॅरामीटर्सचा प्रभाव पाहण्यासाठी ANFIS चा वापर केला.
वरील पुनरावलोकनात थोडक्यात चर्चा केल्याप्रमाणे, आकार मर्यादा आकृतीवरील सूक्ष्म संरचनाच्या प्रभावाकडे साहित्यात फारसे लक्ष दिले गेले नाही. दुसरीकडे, अनेक मायक्रोस्ट्रक्चरल वैशिष्ट्ये विचारात घेणे आवश्यक आहे. म्हणून, विश्लेषणात्मक पद्धतींमध्ये सर्व मायक्रोस्ट्रक्चरल घटक समाविष्ट करणे जवळजवळ अशक्य आहे. या दृष्टीने कृत्रिम बुद्धिमत्तेचा वापर फायदेशीर ठरू शकतो. या संदर्भात, हा अभ्यास सूक्ष्म संरचनात्मक घटकांच्या एका पैलूचा, म्हणजे तणाव-प्रेरित मार्टेन्साइटची उपस्थिती, स्टेनलेस स्टील शीटच्या सुरूपतेवर प्रभाव तपासतो. हा अभ्यास फॉर्मेबिलिटीच्या संदर्भात इतर AI अभ्यासांपेक्षा वेगळा आहे ज्यामध्ये फक्त प्रायोगिक FLD वक्र करण्याऐवजी मायक्रोस्ट्रक्चरल वैशिष्ट्यांवर लक्ष केंद्रित केले जाते. आम्ही प्रायोगिक आणि कृत्रिम बुद्धिमत्ता पद्धती वापरून विविध मार्टेन्साइट सामग्रीसह 316 स्टीलच्या फॉर्मेबिलिटीचे मूल्यांकन करण्याचा प्रयत्न केला. पहिल्या टप्प्यात, 2 मिमीच्या सुरुवातीच्या जाडीचे 316 स्टील ॲनिल केले गेले आणि विविध जाडीत कोल्ड रोल केले गेले. नंतर, मेटॅलोग्राफिक नियंत्रण वापरून, मार्टेन्साइटचे संबंधित क्षेत्र मोजले गेले. स्ट्रेन लिमिट डायग्राम (FLD) मिळविण्यासाठी गोलार्ध बर्स्ट चाचणी वापरून रोल केलेल्या शीट्सची फॉर्मॅबिलिटी निर्धारित केली गेली. त्याच्याकडून मिळालेला डेटा नंतर कृत्रिम न्यूरो-फजी इंटरफेरन्स सिस्टीम (ANFIS) प्रशिक्षण आणि चाचणीसाठी वापरला गेला. ANFIS प्रशिक्षणानंतर, न्यूरल नेटवर्कच्या अंदाजांची तुलना प्रायोगिक परिणामांच्या नवीन संचाशी केली जाते.
सध्याच्या अभ्यासात वापरलेल्या 316 ऑस्टेनिटिक स्टेनलेस स्टील धातूच्या शीटमध्ये तक्ता 1 मध्ये दर्शविल्याप्रमाणे रासायनिक रचना आहे आणि त्याची प्रारंभिक जाडी 1.5 मिमी आहे. 1 तासासाठी 1050 डिग्री सेल्सिअस तपमानावर एनीलिंग आणि त्यानंतर शीटमधील अवशिष्ट ताण कमी करण्यासाठी आणि एकसमान मायक्रोस्ट्रक्चर प्राप्त करण्यासाठी पाणी शमन करणे.
ऑस्टेनिटिक स्टील्सची सूक्ष्म रचना अनेक नक्षी वापरून प्रकट केली जाऊ शकते. सर्वोत्कृष्ट नक्षीदार पदार्थांपैकी एक म्हणजे डिस्टिल्ड वॉटरमध्ये 60% नायट्रिक ऍसिड, 120 s38 साठी 1 VDC वर कोरलेले. तथापि, हे चित्र केवळ धान्याच्या सीमा दर्शविते आणि अंजीर 1a मध्ये दर्शविल्याप्रमाणे दुहेरी धान्य सीमा ओळखू शकत नाही. आणखी एक नक्षीदार ग्लिसरॉल एसीटेट आहे, ज्यामध्ये दुहेरी सीमा चांगल्या प्रकारे पाहिल्या जाऊ शकतात, परंतु अंजीर 1b मध्ये दर्शविल्याप्रमाणे धान्याच्या सीमा नाहीत. याव्यतिरिक्त, मेटास्टेबल ऑस्टेनिटिक टप्प्याचे \({\alpha }^{^{\prime}}\)-मध्ये रूपांतर झाल्यानंतर ग्लिसरॉल एसीटेट इचेंट वापरून मार्टेन्साइट फेज शोधला जाऊ शकतो, जो सध्याच्या अभ्यासात स्वारस्य आहे.
ॲनिलिंगनंतर मेटल प्लेट 316 चे मायक्रोस्ट्रक्चर, विविध एचंट्सद्वारे दर्शविलेले, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) डिस्टिल्ड वॉटरमध्ये 1.5 V वर 120 s साठी, आणि (b) 200x , ग्लिसरील एसीटेट.
गुंडाळण्यासाठी 11 सेमी रुंद आणि 1 मीटर लांब शीट्समध्ये एनीलेड शीट्स कापल्या गेल्या. कोल्ड रोलिंग प्लांटमध्ये 140 मिमी व्यासासह दोन सममितीय रोल असतात. कोल्ड रोलिंग प्रक्रियेमुळे 316 स्टेनलेस स्टीलमध्ये ऑस्टेनाइटचे विरूपण मार्टेन्साइटमध्ये रूपांतर होते. वेगवेगळ्या जाडीतून कोल्ड रोलिंग केल्यानंतर मार्टेन्साईट फेज आणि ऑस्टेनाइट फेजचे गुणोत्तर शोधत आहे. अंजीर वर. 2 शीट मेटलच्या मायक्रोस्ट्रक्चरचा नमुना दर्शवितो. अंजीर वर. 2a शीटला लंब असलेल्या दिशेवरून पाहिल्याप्रमाणे, रोल केलेल्या नमुन्याची मेटॅलोग्राफिक प्रतिमा दर्शविते. अंजीर वर. इमेजजे65 सॉफ्टवेअर वापरून 2b, मार्टेन्सिटिक भाग काळ्या रंगात हायलाइट केला आहे. या ओपन सोर्स सॉफ्टवेअरच्या टूल्सचा वापर करून, मार्टेन्साइट अपूर्णांकाचे क्षेत्रफळ मोजले जाऊ शकते. तक्ता 2 विविध जाडी कमी करण्यासाठी रोलिंग केल्यानंतर martensitic आणि austenitic टप्प्यांचे तपशीलवार अपूर्णांक दाखवते.
316 एल शीटची जाडी 50% कमी झाल्यानंतर, शीटच्या समतलाला लंबवत पाहिली जाते, 200 वेळा मोठे केले जाते, ग्लिसरॉल एसीटेट.
सारणी 2 मध्ये सादर केलेली मूल्ये एकाच मेटॅलोग्राफिक नमुन्यावर वेगवेगळ्या ठिकाणी घेतलेल्या तीन छायाचित्रांवर मोजमाप केलेल्या मार्टेन्साइट अपूर्णांकांची सरासरी करून प्राप्त केली गेली. याव्यतिरिक्त, अंजीर मध्ये. 3 मार्टेन्साइटवर कोल्ड रोलिंगचा प्रभाव अधिक चांगल्या प्रकारे समजून घेण्यासाठी चतुर्भुज फिटिंग वक्र दर्शविते. हे पाहिले जाऊ शकते की कोल्ड रोल्ड स्थितीत मार्टेन्साइटचे प्रमाण आणि जाडी कमी होणे यांच्यात जवळजवळ एक रेषीय संबंध आहे. तथापि, चतुर्भुज संबंध या संबंधाचे अधिक चांगले प्रतिनिधित्व करू शकतात.
सुरुवातीला एनील केलेल्या 316 स्टील शीटच्या कोल्ड रोलिंग दरम्यान जाडी कमी करण्याचे कार्य म्हणून मार्टेन्साइटच्या प्रमाणात फरक.
गोलार्ध बर्स्ट चाचण्या 37,38,45,66 वापरून नेहमीच्या प्रक्रियेनुसार आकार देण्याच्या मर्यादेचे मूल्यांकन केले गेले. एकूण, सहा नमुने लेझर कटिंगद्वारे तयार केले गेले आहेत ज्यात प्रायोगिक नमुन्यांचा संच म्हणून अंजीर 4a मध्ये दर्शविलेले परिमाण आहेत. मार्टेन्साइट अपूर्णांकाच्या प्रत्येक अवस्थेसाठी, चाचणी नमुन्यांचे तीन संच तयार केले गेले आणि चाचणी केली गेली. अंजीर वर. 4b कट, पॉलिश केलेले आणि चिन्हांकित नमुने दाखवते.
नाकाझिमा मोल्डिंग नमुना आकार आणि कटिंग बोर्ड मर्यादित करते. (a) परिमाणे, (b) कापलेले आणि चिन्हांकित नमुने.
हेमिस्फेरिकल पंचिंगची चाचणी हायड्रॉलिक प्रेस वापरून 2 मिमी/सेकंद प्रवास गतीने केली गेली. पंच आणि शीटच्या संपर्क पृष्ठभागांवर घर्षणाचा प्रभाव कमी करण्यासाठी वंगण तयार केले जाते. नमुन्यामध्ये लक्षणीय अरुंद किंवा ब्रेक दिसून येईपर्यंत चाचणी सुरू ठेवा. अंजीर वर. 5 डिव्हाइसमधील नष्ट केलेला नमुना आणि चाचणीनंतर नमुना दर्शवितो.
आकाराची मर्यादा हेमिस्फेरिकल बर्स्ट चाचणी, (a) चाचणी रिग, (b) चाचणी रिगमधील ब्रेकमध्ये नमुना प्लेट, (c) चाचणीनंतर समान नमुना वापरून निर्धारित केली गेली.
Jang67 ने विकसित केलेली न्यूरो-फजी प्रणाली पानांच्या निर्मिती मर्यादा वक्र अंदाजासाठी एक योग्य साधन आहे. या प्रकारच्या कृत्रिम न्यूरल नेटवर्कमध्ये अस्पष्ट वर्णनांसह पॅरामीटर्सचा प्रभाव समाविष्ट आहे. याचा अर्थ त्यांना त्यांच्या शेतात कोणतेही वास्तविक मूल्य मिळू शकते. या प्रकारच्या मूल्यांचे त्यांच्या मूल्यानुसार वर्गीकरण केले जाते. प्रत्येक श्रेणीचे स्वतःचे नियम आहेत. उदाहरणार्थ, तापमान मूल्य कोणतीही वास्तविक संख्या असू शकते आणि त्याच्या मूल्यावर अवलंबून, तापमान थंड, मध्यम, उबदार आणि गरम असे वर्गीकृत केले जाऊ शकते. या संदर्भात, उदाहरणार्थ, कमी तापमानाचा नियम म्हणजे "जॅकेट घाला" आणि उबदार तापमानासाठी नियम "पुरेसा टी-शर्ट" आहे. फजी लॉजिकमध्येच, अचूकता आणि विश्वासार्हतेसाठी आउटपुटचे मूल्यांकन केले जाते. फजी लॉजिकसह न्यूरल नेटवर्क सिस्टीमचे संयोजन हे सुनिश्चित करते की ANFIS विश्वसनीय परिणाम प्रदान करेल.
Jang67 द्वारे प्रदान केलेले आकृती 6 एक साधे न्यूरल फजी नेटवर्क दाखवते. दर्शविल्याप्रमाणे, नेटवर्क दोन इनपुट घेते, आमच्या अभ्यासात इनपुट हे मायक्रोस्ट्रक्चरमधील मार्टेन्साइटचे प्रमाण आणि किरकोळ ताणाचे मूल्य आहे. विश्लेषणाच्या पहिल्या स्तरावर, अस्पष्ट नियम आणि सदस्यत्व कार्ये (FC) वापरून इनपुट मूल्ये अस्पष्ट केली जातात:
\(i=1, 2\) साठी, कारण इनपुटमध्ये वर्णनाच्या दोन श्रेणी आहेत असे गृहीत धरले आहे. MF कोणताही त्रिकोणी, ट्रॅपेझॉइडल, गॉसियन किंवा इतर कोणताही आकार घेऊ शकतो.
वर्गवारी \({A}_{i}\) आणि \({B}_{i}\) आणि स्तर 2 वरील त्यांच्या MF मूल्यांवर आधारित, आकृती 7 मध्ये दर्शविल्याप्रमाणे काही नियम स्वीकारले जातात. यामध्ये स्तर, विविध इनपुटचे परिणाम कसे तरी एकत्र केले जातात. येथे, खालील नियम मार्टेन्साइट अपूर्णांक आणि किरकोळ ताण मूल्यांचा प्रभाव एकत्र करण्यासाठी वापरले जातात:
या लेयरच्या आउटपुट \({w}_{i}\) ला प्रज्वलन तीव्रता म्हणतात. खालील संबंधानुसार या प्रज्वलन तीव्रतेचे स्तर 3 मध्ये सामान्यीकरण केले जाते:
लेयर 4 मध्ये, इनपुट पॅरामीटर्सच्या प्रारंभिक मूल्यांचा प्रभाव विचारात घेण्यासाठी गणनेमध्ये टाकगी आणि सुजेनो नियम 67,68 समाविष्ट केले आहेत. या लेयरमध्ये खालील संबंध आहेत:
परिणामी \({f}_{i}\) लेयर्समधील सामान्यीकृत मूल्यांवर परिणाम होतो, जे अंतिम परिणाम देते, मुख्य वार्प मूल्ये:
जेथे \(NR\) नियमांची संख्या दर्शवते. येथे न्यूरल नेटवर्कची भूमिका अज्ञात नेटवर्क पॅरामीटर्स दुरुस्त करण्यासाठी अंतर्गत ऑप्टिमायझेशन अल्गोरिदम वापरणे आहे. अज्ञात पॅरामीटर्स म्हणजे परिणामी पॅरामीटर्स \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), आणि MF शी संबंधित पॅरामीटर्स सामान्यीकृत विंड चाइम्स आकाराचे कार्य मानले जाते:
आकार मर्यादा रेखाचित्रे रासायनिक रचनापासून शीट मेटलच्या विकृती इतिहासापर्यंत अनेक पॅरामीटर्सवर अवलंबून असतात. काही पॅरामीटर्सचे मूल्यमापन करणे सोपे आहे, ज्यामध्ये तन्य चाचणी पॅरामीटर्सचा समावेश आहे, तर इतरांना अधिक जटिल प्रक्रियांची आवश्यकता आहे जसे की मेटालोग्राफी किंवा अवशिष्ट ताण निर्धारण. बहुतेक प्रकरणांमध्ये, शीटच्या प्रत्येक बॅचसाठी ताण मर्यादा चाचणी घेण्याचा सल्ला दिला जातो. तथापि, कधीकधी इतर चाचणी परिणाम अंदाजे आकार देण्याच्या मर्यादेसाठी वापरले जाऊ शकतात. उदाहरणार्थ, शीट फॉर्मेबिलिटी 69,70,71,72 निर्धारित करण्यासाठी अनेक अभ्यासांनी तन्य चाचणी परिणामांचा वापर केला आहे. इतर अभ्यासांमध्ये त्यांच्या विश्लेषणामध्ये अधिक पॅरामीटर्स समाविष्ट आहेत, जसे की धान्याची जाडी आणि आकार 31,73,74,75,76,77. तथापि, सर्व अनुमत पॅरामीटर्स समाविष्ट करणे संगणकीयदृष्ट्या फायदेशीर नाही. अशा प्रकारे, ANFIS मॉडेल्सचा वापर या समस्यांचे निराकरण करण्यासाठी एक वाजवी दृष्टीकोन असू शकतो45,63.
या पेपरमध्ये, 316 ऑस्टेनिटिक स्टील शीटच्या आकार मर्यादा आकृतीवर मार्टेन्साइट सामग्रीचा प्रभाव तपासला गेला. या संदर्भात, प्रायोगिक चाचण्या वापरून डेटा संच तयार करण्यात आला. विकसित प्रणालीमध्ये दोन इनपुट व्हेरिएबल्स आहेत: मेटॅलोग्राफिक चाचण्यांमध्ये मोजले जाणारे मार्टेन्साइटचे प्रमाण आणि लहान अभियांत्रिकी ताणांची श्रेणी. परिणामी मर्यादा वक्र निर्मितीचे एक प्रमुख अभियांत्रिकी विकृती आहे. मार्टेन्सिटिक अपूर्णांकांचे तीन प्रकार आहेत: सूक्ष्म, मध्यम आणि उच्च अपूर्णांक. कमी म्हणजे मार्टेन्साइटचे प्रमाण 10% पेक्षा कमी आहे. मध्यम परिस्थितीत, मार्टेन्साइटचे प्रमाण 10% ते 20% पर्यंत असते. मार्टेंसाइटची उच्च मूल्ये 20% पेक्षा जास्त अपूर्णांक मानली जातात. याव्यतिरिक्त, दुय्यम स्ट्रेनमध्ये उभ्या अक्षाजवळ -5% आणि 5% दरम्यान तीन भिन्न श्रेणी आहेत, ज्याचा वापर FLD0 निर्धारित करण्यासाठी केला जातो. सकारात्मक आणि नकारात्मक श्रेणी या इतर दोन श्रेणी आहेत.
अर्धगोल चाचणीचे परिणाम अंजीर मध्ये दर्शविले आहेत. आकृती मर्यादांचे 6 आकार देणारी आकृती दर्शविते, त्यापैकी 5 वैयक्तिक रोल केलेल्या शीटचे FLD आहेत. एक सुरक्षा बिंदू आणि त्याची वरची मर्यादा वक्र मर्यादा वक्र (FLC) बनवते. शेवटची आकृती सर्व FLC ची तुलना करते. शेवटच्या आकृतीवरून पाहिल्याप्रमाणे, 316 ऑस्टेनिटिक स्टीलमध्ये मार्टेन्साइटच्या प्रमाणात वाढ झाल्यामुळे शीट मेटलची सुरूपता कमी होते. दुसरीकडे, मार्टेन्साईटचे प्रमाण वाढल्याने हळूहळू FLC उभ्या अक्षांबद्दल सममितीय वक्र बनते. शेवटच्या दोन आलेखांमध्ये, वक्राची उजवी बाजू डावीकडील किंचित जास्त आहे, याचा अर्थ असा की द्विअक्षीय तणावातील फॉर्मेबिलिटी एकअक्षीय ताणापेक्षा जास्त आहे. या व्यतिरिक्त, मार्टेन्साईटच्या वाढत्या प्रमाणात मानेच्या आधी दोन्ही लहान आणि मोठे अभियांत्रिकी ताण कमी होतात.
316 मर्यादा वक्र तयार करते. ऑस्टेनिटिक स्टील शीट्सच्या फॉर्मेबिलिटीवर मार्टेन्साइटच्या प्रमाणाचा प्रभाव. (सुरक्षा बिंदू SF, निर्मिती मर्यादा वक्र FLC, martensite M).
न्यूरल नेटवर्कला 7.8, 18.3 आणि 28.7% च्या मार्टेन्साइट अपूर्णांकांसह प्रायोगिक परिणामांच्या 60 सेटवर प्रशिक्षित केले गेले. 15.4% मार्टेन्साइटचा डेटा संच पडताळणी प्रक्रियेसाठी आणि 25.6% चाचणी प्रक्रियेसाठी राखीव होता. 150 युगांनंतरची त्रुटी सुमारे 1.5% आहे. अंजीर वर. 9 प्रत्यक्ष आउटपुट (\({\epsilon }_{1}\), मूलभूत अभियांत्रिकी वर्कलोड) प्रशिक्षण आणि चाचणीसाठी प्रदान केलेले परस्परसंबंध दर्शविते. तुम्ही बघू शकता, प्रशिक्षित NFS शीट मेटलच्या भागांसाठी \({\epsilon} _{1}\) समाधानकारकपणे अंदाज लावते.
(a) प्रशिक्षण प्रक्रियेनंतर अंदाजित आणि वास्तविक मूल्यांमधील सहसंबंध, (b) प्रशिक्षण आणि पडताळणीदरम्यान FLC वर मुख्य अभियांत्रिकी भारांसाठी अंदाजित आणि वास्तविक मूल्यांमधील त्रुटी.
प्रशिक्षणादरम्यान काही ठिकाणी, ANFIS नेटवर्क अपरिहार्यपणे पुनर्नवीनीकरण केले जाते. हे निर्धारित करण्यासाठी, एक समांतर तपासणी केली जाते, ज्याला "चेक" म्हणतात. प्रमाणीकरण त्रुटी मूल्य प्रशिक्षण मूल्यापासून विचलित झाल्यास, नेटवर्क पुन्हा प्रशिक्षित होण्यास प्रारंभ करते. आकृती 9b मध्ये दाखवल्याप्रमाणे, युग 150 पूर्वी, शिक्षण आणि प्रमाणीकरण वक्र यांच्यातील फरक लहान आहे आणि ते साधारणपणे समान वक्र अनुसरण करतात. या टप्प्यावर, प्रमाणीकरण प्रक्रियेतील त्रुटी शिकण्याच्या वक्रातून विचलित होण्यास सुरुवात होते, जे ANFIS ओव्हरफिटिंगचे लक्षण आहे. अशा प्रकारे, राउंड 150 साठी ANFIS नेटवर्क 1.5% च्या त्रुटीसह संरक्षित आहे. त्यानंतर ANFIS साठी FLC अंदाज सादर केला जातो. अंजीर वर. प्रशिक्षण आणि पडताळणी प्रक्रियेत वापरलेल्या निवडक नमुन्यांसाठी 10 अंदाज आणि वास्तविक वक्र दर्शविते. या वक्रांतील डेटा नेटवर्कला प्रशिक्षित करण्यासाठी वापरला जात असल्याने, अगदी जवळून अंदाज पाळणे आश्चर्यकारक नाही.
वास्तविक प्रायोगिक FLC आणि ANFIS प्रेडिक्टिव वक्र विविध मार्टेन्साईट सामग्री परिस्थितीत. हे वक्र प्रशिक्षण प्रक्रियेत वापरले जातात.
शेवटच्या नमुन्याचे काय झाले हे ANFIS मॉडेलला माहीत नाही. म्हणून, आम्ही आमच्या प्रशिक्षित ANFIS ची FLC साठी 25.6% च्या martensite अंशासह नमुने सबमिट करून चाचणी केली. अंजीर वर. 11 ANFIS FLC अंदाज तसेच प्रायोगिक FLC दाखवते. अंदाजित मूल्य आणि प्रायोगिक मूल्य यांच्यातील कमाल त्रुटी 6.2% आहे, जी प्रशिक्षण आणि प्रमाणीकरणादरम्यान अंदाजित मूल्यापेक्षा जास्त आहे. तथापि, ही त्रुटी इतर अभ्यासांच्या तुलनेत सहन करण्यायोग्य त्रुटी आहे जी FLC चे सैद्धांतिकदृष्ट्या अंदाज लावते37.
उद्योगात, फॉर्मेबिलिटीवर परिणाम करणारे पॅरामीटर्स जीभच्या स्वरूपात वर्णन केले जातात. उदाहरणार्थ, “खडबडीत धान्य फॉर्मेबिलिटी कमी करते” किंवा “वाढलेल्या थंडीमुळे FLC कमी होते”. पहिल्या टप्प्यात ANFIS नेटवर्कमध्ये इनपुटचे वर्गीकरण भाषिक श्रेणींमध्ये केले जाते जसे की निम्न, मध्यम आणि उच्च. नेटवर्कवर वेगवेगळ्या श्रेणींसाठी वेगवेगळे नियम आहेत. म्हणून, उद्योगात, या प्रकारचे नेटवर्क त्यांच्या भाषिक वर्णन आणि विश्लेषणामध्ये अनेक घटक समाविष्ट करण्याच्या दृष्टीने अतिशय उपयुक्त ठरू शकते. या कामात, आम्ही ANFIS च्या शक्यतांचा वापर करण्यासाठी ऑस्टेनिटिक स्टेनलेस स्टील्सच्या मायक्रोस्ट्रक्चरच्या मुख्य वैशिष्ट्यांपैकी एक विचारात घेण्याचा प्रयत्न केला. 316 चे ताण-प्रेरित मार्टेन्साइटचे प्रमाण या इन्सर्ट्सच्या थंड कार्याचा थेट परिणाम आहे. प्रयोग आणि ANFIS विश्लेषणाद्वारे, असे आढळून आले आहे की या प्रकारच्या ऑस्टेनिटिक स्टेनलेस स्टीलमध्ये मार्टेन्साईटचे प्रमाण वाढल्याने प्लेट 316 च्या FLC मध्ये लक्षणीय घट होते, ज्यामुळे मार्टेन्साईटचे प्रमाण 7.8% वरून 28.7% पर्यंत वाढते. 0.35 पासून FLD0. अनुक्रमे 0.1 पर्यंत. दुसरीकडे, प्रशिक्षित आणि प्रमाणित ANFIS नेटवर्क उपलब्ध प्रायोगिक डेटापैकी 80% वापरून FLC चा अंदाज लावू शकते 6.5% च्या कमाल त्रुटीसह, जे इतर सैद्धांतिक प्रक्रिया आणि घटनात्मक संबंधांच्या तुलनेत त्रुटीचे स्वीकार्य फरक आहे.
सध्याच्या अभ्यासात वापरलेले आणि/किंवा विश्लेषण केलेले डेटासेट संबंधित लेखकांकडून वाजवी विनंतीवर उपलब्ध आहेत.
इफ्तिखार, सीएमए, आणि इतर. आनुपातिक आणि नॉन-प्रपोर्शनल लोडिंग पथ अंतर्गत एक्सट्रुडेड AZ31 मॅग्नेशियम मिश्र धातुच्या नंतरच्या उत्पन्नाच्या मार्गांची उत्क्रांती: CPFEM प्रयोग आणि सिम्युलेशन. अंतर्गत जे. प्रास्ट. १५१, १०३२१६ (२०२२).
इफ्तिखार, TsMA आणि इतर. ॲनिल्ड AA6061 मिश्र धातुच्या आनुपातिक आणि नॉन-प्रपोर्शनल लोडिंग मार्गांसह प्लास्टिकच्या विकृतीनंतर त्यानंतरच्या उत्पन्नाच्या पृष्ठभागाची उत्क्रांती: क्रिस्टल प्लास्टिसिटीचे प्रयोग आणि मर्यादित घटक मॉडेलिंग. अंतर्गत जे. प्लास्ट 143, 102956 (2021).
माणिक, टी., होल्मेडल, बी. आणि हॉपरस्टॅड, ओएस स्ट्रेस ट्रान्झिएंट्स, वर्क हार्डनिंग आणि ॲल्युमिनियम आर व्हॅल्यूज स्ट्रेन मार्ग बदलांमुळे. अंतर्गत जे. प्रास्ट. ६९, १–२० (२०१५).
मामुशी, एच. वगैरे. सामान्य दाबाचा प्रभाव लक्षात घेऊन मर्यादित आकाराचे आकृती निश्चित करण्यासाठी एक नवीन प्रायोगिक पद्धत. अंतर्गत जे. अल्मा मेटर. फॉर्म १५(१), १ (२०२२).
यांग झेड आणि इतर. डक्टाइल फ्रॅक्चर पॅरामीटर्स आणि AA7075-T6 शीट मेटलच्या ताण मर्यादांचे प्रायोगिक अंशांकन. जे. अल्मा मेटर. प्रक्रिया तंत्रज्ञान 291, 117044 (2021).
Petrits, A. et al. अति-लवचिक फेरोइलेक्ट्रिक कन्व्हर्टर्स आणि ऑर्गेनिक डायोडवर आधारित छुपी ऊर्जा काढणी उपकरणे आणि बायोमेडिकल सेन्सर. राष्ट्रीय कम्युन. १२(१), २३९९ (२०२१).
बसाक, एस. आणि पांडा, एसके विश्लेषण Yld 2000–2d उत्पन्न मॉडेल वापरून ध्रुवीय प्रभावी प्लास्टिक विकृती मार्गांमध्ये विविध पूर्व-विकृत प्लेट्सच्या मान आणि फ्रॅक्चर मर्यादांचे विश्लेषण. जे. अल्मा मेटर. प्रक्रिया तंत्रज्ञान 267, 289–307 (2019).
बसाक, एस. आणि पांडा, एसके फ्रॅक्चर डिफॉर्मेशन्स इन ॲनिसोट्रॉपिक शीट मेटल: प्रायोगिक मूल्यमापन आणि सैद्धांतिक अंदाज. अंतर्गत जे. मेका. विज्ञान १५१, ३५६–३७४ (२०१९).
जालेफर, एफ., हाशेमी, आर. आणि होसेनीपूर, एसजे मोल्डिंग लिमिट डायग्राम AA5083 वर स्ट्रेन ट्रॅजेक्टोरी बदलण्याच्या परिणामाचा प्रायोगिक आणि सैद्धांतिक अभ्यास. अंतर्गत जे. ॲड. निर्माता तंत्रज्ञान ७६(५–८), १३४३–१३५२ (२०१५).
हबीबी, एम. वगैरे. यांत्रिक गुणधर्मांचा प्रायोगिक अभ्यास, फॉर्मेबिलिटी आणि घर्षण ढवळणे वेल्डेड ब्लँक्सच्या आकाराचे मर्यादित आकृती. जे. मेकर. प्रक्रिया 31, 310–323 (2018).
हबीबी, एम., इत्यादी. वाकण्याच्या प्रभावाचा विचार करून, मर्यादित घटक मॉडेलिंगमध्ये एमसी मॉडेलचा समावेश करून मर्यादा आकृती तयार केली जाते. प्रक्रिया फर संस्था. प्रकल्प एल २३२(८), ६२५–६३६ (२०१८).
पोस्ट वेळ: जून-08-2023