Merci d'avoir visité Nature.com. Vous utilisez une version de navigateur avec une prise en charge CSS limitée. Pour une expérience optimale, nous vous recommandons d'utiliser un navigateur mis à jour (ou de désactiver le mode de compatibilité dans Internet Explorer). De plus, pour garantir un support continu, nous affichons le site sans styles ni JavaScript.
Curseurs affichant trois articles par diapositive. Utilisez les boutons Précédent et Suivant pour vous déplacer dans les diapositives, ou les boutons du contrôleur de diapositives à la fin pour vous déplacer dans chaque diapositive.
L'effet de la microstructure sur la formabilité des tôles d'acier inoxydable est une préoccupation majeure pour les ingénieurs en tôlerie. Pour les aciers austénitiques, la présence de martensite de déformation (\({\alpha}^{^{\prime))\)-martensite) dans la microstructure entraîne un durcissement important et une diminution de la formabilité. Dans cette étude, nous avions pour objectif d'évaluer la formabilité des aciers AISI 316 avec différentes résistances martensitiques par des méthodes expérimentales et d'intelligence artificielle. Dans un premier temps, de l'acier AISI 316 d'une épaisseur initiale de 2 mm a été recuit et laminé à froid jusqu'à différentes épaisseurs. Par la suite, l’aire de déformation relative de la martensite a été mesurée par essai métallographique. La formabilité des tôles laminées a été déterminée à l'aide d'un test d'éclatement hémisphérique pour obtenir un diagramme de limite de déformation (FLD). Les données obtenues à la suite des expériences sont ensuite utilisées pour entraîner et tester le système d'interférence neuro-flou artificiel (ANFIS). Après la formation ANFIS, les souches dominantes prédites par le réseau neuronal ont été comparées à un nouvel ensemble de résultats expérimentaux. Les résultats montrent que le laminage à froid a un effet négatif sur la formabilité de ce type d’acier inoxydable, mais que la résistance de la tôle est grandement améliorée. De plus, l’ANFIS montre des résultats satisfaisants par rapport aux mesures expérimentales.
La possibilité de former des tôles, bien que faisant l'objet d'articles scientifiques depuis des décennies, reste un domaine de recherche intéressant en métallurgie. De nouveaux outils techniques et modèles informatiques facilitent la recherche de facteurs potentiels affectant la formabilité. Plus important encore, l’importance de la microstructure pour la limite de forme a été révélée ces dernières années grâce à la méthode des éléments finis de plasticité cristalline (CPFEM). D’autre part, la disponibilité de la microscopie électronique à balayage (MEB) et de la diffraction par rétrodiffusion électronique (EBSD) aide les chercheurs à observer l’activité microstructurale des structures cristallines lors de la déformation. Comprendre l'influence des différentes phases des métaux, de la taille et de l'orientation des grains, ainsi que des défauts microscopiques au niveau des grains, est essentiel pour prédire la formabilité.
La détermination de la formabilité est en soi un processus complexe, car il a été démontré que la formabilité dépend fortement des chemins 1, 2, 3. Par conséquent, les notions conventionnelles de déformation ultime de formage ne sont pas fiables dans des conditions de chargement disproportionnées. D’un autre côté, la plupart des chemins de charge dans les applications industrielles sont classés comme charges non proportionnelles. À cet égard, les méthodes traditionnelles hémisphériques et expérimentales de Marciniak-Kuchinsky (MK)4,5,6 doivent être utilisées avec prudence. Ces dernières années, un autre concept, le Fracture Limit Diagram (FFLD), a attiré l'attention de nombreux ingénieurs en formabilité. Dans ce concept, un modèle d'endommagement est utilisé pour prédire la formabilité de la feuille. À cet égard, l'indépendance du chemin est initialement incluse dans l'analyse et les résultats sont en bon accord avec les résultats expérimentaux non mis à l'échelle7,8,9. La formabilité d'une tôle dépend de plusieurs paramètres et de l'historique de traitement de la tôle, ainsi que de la microstructure et de la phase du métal10,11,12,13,14,15.
La dépendance à la taille est un problème lorsque l’on considère les caractéristiques microscopiques des métaux. Il a été démontré que, dans de petits espaces de déformation, la dépendance des propriétés de vibration et de flambage dépend fortement de l'échelle de longueur du matériau16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. L'effet de la taille des grains sur la formabilité est reconnu depuis longtemps dans l'industrie. Yamaguchi et Mellor [31] ont étudié l'effet de la taille et de l'épaisseur des grains sur les propriétés de traction des tôles métalliques à l'aide d'une analyse théorique. En utilisant le modèle de Marciniac, ils rapportent que sous chargement de traction biaxial, une diminution du rapport épaisseur/granulométrie entraîne une diminution des propriétés de traction de la tôle. Les résultats expérimentaux de Wilson et al. 32 ont confirmé que la réduction de l'épaisseur au diamètre moyen des grains (t/d) entraînait une diminution de l'extensibilité biaxiale de tôles de trois épaisseurs différentes. Ils ont conclu qu'à des valeurs t/d inférieures à 20, l'inhomogénéité notable de la déformation et la striction sont principalement affectées par les grains individuels dans l'épaisseur de la feuille. Ulvan et Koursaris33 ont étudié l'effet de la taille des grains sur l'usinabilité globale des aciers inoxydables austénitiques 304 et 316. Ils rapportent que la formabilité de ces métaux n’est pas affectée par la taille des grains, mais que de légers changements dans les propriétés de traction peuvent être observés. C'est l'augmentation de la granulométrie qui entraîne une diminution des caractéristiques de résistance de ces aciers. L'influence de la densité de dislocations sur la contrainte d'écoulement des métaux nickelés montre que la densité de dislocations détermine la contrainte d'écoulement du métal, quelle que soit la taille des grains34. L'interaction des grains et l'orientation initiale ont également une grande influence sur l'évolution de la texture de l'aluminium, qui a été étudiée par Becker et Panchanadiswaran à l'aide d'expériences et de modélisation de la plasticité cristalline . Les résultats numériques de leur analyse sont en bon accord avec les expériences, bien que certains résultats de simulation s'écartent des expériences en raison des limitations des conditions aux limites appliquées. En étudiant les modèles de plasticité cristalline et en les détectant expérimentalement, les tôles d'aluminium laminées présentent différentes formabilités36. Les résultats ont montré que même si les courbes contrainte-déformation des différentes tôles étaient presque identiques, il existait des différences significatives dans leur formabilité sur la base des valeurs initiales. Amelirad et Assempour ont utilisé des expériences et le CPFEM pour obtenir les courbes contrainte-déformation des tôles d'acier inoxydable austénitiques37. Leurs simulations ont montré que l’augmentation de la taille des grains se déplace vers le haut dans le FLD, formant une courbe limite. De plus, les mêmes auteurs ont étudié l'effet de l'orientation et de la morphologie des grains sur la formation de vides 38 .
Outre la morphologie et l’orientation des grains dans les aciers inoxydables austénitiques, l’état des macles et des phases secondaires est également important. Le jumelage est le principal mécanisme de durcissement et d’allongement croissant de l’acier TWIP 39. Hwang40 a rapporté que la formabilité des aciers TWIP était médiocre malgré une réponse en traction suffisante. Cependant, l’effet du maclage par déformation sur la formabilité des tôles d’acier austénitiques n’a pas été suffisamment étudié. Mishra et coll. 41 ont étudié les aciers inoxydables austénitiques pour observer le jumelage sous divers chemins de déformation en traction. Ils ont découvert que les jumeaux pouvaient provenir de sources de désintégration des jumeaux recuits et de la nouvelle génération de jumeaux. Il a été observé que les plus grosses macles se forment sous tension biaxiale. De plus, il a été noté que la transformation de l'austénite en \({\alpha}^{^{\prime}}\)-martensite dépend du chemin de déformation. Hong et coll. 42 ont étudié l'effet du maclage induit par la déformation et de la martensite sur la fragilisation par l'hydrogène sur une plage de températures lors de la fusion laser sélective de l'acier austénitique 316L. Il a été observé que, selon la température, l'hydrogène pouvait provoquer une rupture ou améliorer la formabilité de l'acier 316L. Shen et coll. 43 ont mesuré expérimentalement le volume de martensite de déformation sous chargement de traction à différents taux de chargement. Il a été constaté qu’une augmentation de la déformation en traction augmente la fraction volumique de la fraction martensite.
Les méthodes d’IA sont utilisées en science et technologie en raison de leur polyvalence dans la modélisation de problèmes complexes sans recourir aux fondements physiques et mathématiques du problème44,45,46,47,48,49,50,51,52. Le nombre de méthodes d’IA augmente . Moradi et coll. 44 ont utilisé des techniques d'apprentissage automatique pour optimiser les conditions chimiques afin de produire des particules de nanosilice plus fines. D’autres propriétés chimiques influencent également les propriétés des matériaux à l’échelle nanométrique, qui ont été étudiées dans de nombreux articles de recherche53. Ce et al. 45 a utilisé l'ANFIS pour prédire la formabilité de la tôle d'acier au carbone ordinaire dans diverses conditions de laminage. En raison du laminage à froid, la densité de dislocations dans l'acier doux a considérablement augmenté. Les aciers au carbone ordinaires diffèrent des aciers inoxydables austénitiques par leurs mécanismes de durcissement et de restauration. Dans l'acier au carbone simple, les transformations de phase ne se produisent pas dans la microstructure métallique. En plus de la phase métallique, la ductilité, la fracture, l'usinabilité, etc. des métaux sont également affectées par plusieurs autres caractéristiques microstructurales qui se produisent lors de divers types de traitement thermique, d'écrouissage et de vieillissement54,55,56,57,58,59. ,60. , 61, 62. Récemment, Chen et al. 63 ont étudié l'effet du laminage à froid sur la formabilité de l'acier 304L. Ils ont pris en compte les observations phénoménologiques uniquement dans des tests expérimentaux afin d'entraîner le réseau neuronal à prédire la formabilité. En effet, dans le cas des aciers inoxydables austénitiques, plusieurs facteurs se combinent pour réduire les propriétés en traction de la tôle. Lu et al.64 ont utilisé l'ANFIS pour observer l'effet de divers paramètres sur le processus d'expansion des trous.
Comme brièvement discuté dans la revue ci-dessus, l'effet de la microstructure sur le diagramme de limite de forme a reçu peu d'attention dans la littérature. En revanche, de nombreuses caractéristiques microstructurales doivent être prises en compte. Il est donc presque impossible d’inclure tous les facteurs microstructuraux dans les méthodes analytiques. En ce sens, le recours à l’intelligence artificielle peut être bénéfique. À cet égard, cette étude étudie l'effet d'un aspect des facteurs microstructuraux, à savoir la présence de martensite induite par des contraintes, sur la formabilité des tôles d'acier inoxydable. Cette étude diffère des autres études d'IA en ce qui concerne la formabilité dans la mesure où l'accent est mis sur les caractéristiques microstructurales plutôt que sur les seules courbes FLD expérimentales. Nous avons cherché à évaluer la formabilité de l'acier 316 avec diverses teneurs en martensite à l'aide de méthodes expérimentales et d'intelligence artificielle. Dans un premier temps, de l'acier 316 d'une épaisseur initiale de 2 mm a été recuit et laminé à froid jusqu'à différentes épaisseurs. Ensuite, à l'aide d'un contrôle métallographique, l'aire relative de martensite a été mesurée. La formabilité des tôles laminées a été déterminée à l'aide d'un test d'éclatement hémisphérique pour obtenir un diagramme de limite de déformation (FLD). Les données reçues de sa part ont ensuite été utilisées pour entraîner et tester le système d'interférence neuro-flou artificiel (ANFIS). Après la formation ANFIS, les prédictions du réseau neuronal sont comparées à un nouvel ensemble de résultats expérimentaux.
La tôle en acier inoxydable austénitique 316 utilisée dans la présente étude a une composition chimique comme indiqué dans le tableau 1 et une épaisseur initiale de 1,5 mm. Recuit à 1050°C pendant 1 heure suivi d'une trempe à l'eau pour soulager les contraintes résiduelles dans la tôle et obtenir une microstructure uniforme.
La microstructure des aciers austénitiques peut être révélée à l'aide de plusieurs agents d'attaque. L'un des meilleurs agents de gravure est l'acide nitrique à 60 % dans de l'eau distillée, gravé à 1 VDC pendant 120 s38. Cependant, cet agent de gravure ne montre que les joints de grains et ne peut pas identifier les joints de grains doubles, comme le montre la figure 1a. Un autre agent de gravure est l'acétate de glycérol, dans lequel les limites de jumeaux peuvent être bien visualisées, mais pas les limites de grains, comme le montre la figure 1b. De plus, après la transformation de la phase austénitique métastable en phase \({\alpha }^{^{\prime}}\) -martensite peut être détectée à l'aide de l'agent de gravure à l'acétate de glycérol, qui présente un intérêt dans la présente étude.
Microstructure de la plaque métallique 316 après recuit, montrée par divers agents de gravure, (a) 200x, 60 % \({\mathrm{HNO}}_{3}\) dans de l'eau distillée à 1,5 V pendant 120 s, et (b) 200x , acétate de glycéryle.
Les tôles recuites ont été découpées en feuilles de 11 cm de large et 1 m de long pour le laminage. L'installation de laminage à froid dispose de deux rouleaux symétriques d'un diamètre de 140 mm. Le procédé de laminage à froid provoque la transformation de l'austénite en martensite de déformation dans l'acier inoxydable 316. Recherche du rapport entre la phase martensite et la phase austénitique après laminage à froid sur différentes épaisseurs. Sur la fig. La figure 2 montre un échantillon de la microstructure d'une tôle. Sur la fig. La figure 2a montre une image métallographique d'un échantillon laminé, vu depuis une direction perpendiculaire à la feuille. Sur la fig. 2b à l'aide du logiciel ImageJ65, la partie martensitique est surlignée en noir. Grâce aux outils de ce logiciel open source, l'aire de la fraction martensite peut être mesurée. Le tableau 2 montre les fractions détaillées des phases martensitique et austénitique après laminage jusqu'à différentes réductions d'épaisseur.
Microstructure d'une tôle de 316 L après laminage jusqu'à réduction d'épaisseur de 50%, vue perpendiculaire au plan de la tôle, agrandie 200 fois, acétate de glycérol.
Les valeurs présentées dans le tableau 2 ont été obtenues en faisant la moyenne des fractions de martensite mesurées sur trois photographies prises à différents endroits sur le même échantillon métallographique. De plus, sur la fig. La figure 3 montre des courbes d'ajustement quadratiques pour mieux comprendre l'effet du laminage à froid sur la martensite. On peut constater qu'il existe une corrélation presque linéaire entre la proportion de martensite et la réduction d'épaisseur à l'état laminé à froid. Cependant, une relation quadratique peut mieux représenter cette relation.
Variation de la proportion de martensite en fonction de la réduction d'épaisseur lors du laminage à froid d'une tôle d'acier 316 initialement recuite.
La limite de mise en forme a été évaluée selon la procédure habituelle en utilisant des tests d'éclatement hémisphérique37,38,45,66. Au total, six échantillons ont été fabriqués par découpe laser avec les dimensions indiquées sur la figure 4a en tant qu'ensemble d'échantillons expérimentaux. Pour chaque état de la fraction martensite, trois séries d’éprouvettes ont été préparées et testées. Sur la fig. 4b montre des échantillons coupés, polis et marqués.
Le moulage Nakazima limite la taille de l’échantillon et la planche à découper. (a) Dimensions, (b) Échantillons coupés et marqués.
L'essai de poinçonnage hémisphérique a été réalisé à l'aide d'une presse hydraulique avec une vitesse de déplacement de 2 mm/s. Les surfaces de contact du poinçon et de la tôle sont bien lubrifiées pour minimiser l'effet du frottement sur les limites de formage. Continuez les tests jusqu'à ce qu'un rétrécissement ou une cassure significative soit observé dans l'échantillon. Sur la fig. La figure 5 montre l'échantillon détruit dans le dispositif et l'échantillon après test.
La limite de mise en forme a été déterminée à l'aide d'un test d'éclatement hémisphérique, (a) d'un banc d'essai, (b) d'une plaque d'échantillon à la rupture dans le banc d'essai, (c) du même échantillon après le test.
Le système neuro-flou développé par Jang67 est un outil adapté à la prédiction des courbes limites de formation des feuilles. Ce type de réseau neuronal artificiel inclut l’influence de paramètres aux descriptions vagues. Cela signifie qu’ils peuvent obtenir une réelle valeur dans leurs domaines. Les valeurs de ce type sont en outre classées en fonction de leur valeur. Chaque catégorie a ses propres règles. Par exemple, une valeur de température peut être n'importe quel nombre réel et, en fonction de sa valeur, les températures peuvent être classées comme froides, moyennes, chaudes et chaudes. À cet égard, par exemple, la règle pour les températures basses est la règle « porter une veste » et la règle pour les températures chaudes est « assez de T-shirt ». Dans la logique floue elle-même, la sortie est évaluée pour sa précision et sa fiabilité. La combinaison de systèmes de réseaux neuronaux avec une logique floue garantit qu'ANFIS fournira des résultats fiables.
La figure 6 fournie par Jang67 montre un simple réseau neuronal flou. Comme indiqué, le réseau prend deux entrées, dans notre étude l'entrée est la proportion de martensite dans la microstructure et la valeur de déformation mineure. Au premier niveau d'analyse, les valeurs d'entrée sont fuzzifiées à l'aide de règles floues et de fonctions d'appartenance (FC) :
Pour \(i=1, 2\), puisque l’entrée est supposée avoir deux catégories de description. Le MF peut prendre n’importe quelle forme triangulaire, trapézoïdale, gaussienne ou toute autre forme.
Sur la base des catégories \({A}_{i}\) et \({B}_{i}\) et de leurs valeurs MF au niveau 2, certaines règles sont adoptées, comme le montre la figure 7. Dans ce couche, les effets des différentes entrées sont en quelque sorte combinés. Ici, les règles suivantes sont utilisées pour combiner l'influence de la fraction martensite et des valeurs de déformation mineure :
La sortie \({w}_{i}\) de cette couche est appelée l'intensité d'allumage. Ces intensités d'inflammation sont normalisées dans la couche 3 selon la relation suivante :
Dans la couche 4, les règles de Takagi et Sugeno67,68 sont incluses dans le calcul pour prendre en compte l'influence des valeurs initiales des paramètres d'entrée. Cette couche a les relations suivantes :
Le \({f}_{i}\) résultant est affecté par les valeurs normalisées dans les calques, ce qui donne le résultat final, les principales valeurs de déformation :
où \(NR\) représente le nombre de règles. Le rôle du réseau de neurones est ici d'utiliser son algorithme d'optimisation interne pour corriger les paramètres de réseau inconnus. Les paramètres inconnus sont les paramètres résultants \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), et les paramètres liés au MF sont considérés comme une fonction de forme généralisée des carillons éoliens :
Les diagrammes limites de forme dépendent de nombreux paramètres, de la composition chimique à l'historique de déformation de la tôle. Certains paramètres sont faciles à évaluer, notamment les paramètres des essais de traction, tandis que d'autres nécessitent des procédures plus complexes telles que la métallographie ou la détermination des contraintes résiduelles. Dans la plupart des cas, il est conseillé d'effectuer un essai de limite de déformation pour chaque lot de tôle. Cependant, d’autres résultats de tests peuvent parfois être utilisés pour se rapprocher de la limite de mise en forme. Par exemple, plusieurs études ont utilisé les résultats d’essais de traction pour déterminer la formabilité des feuilles69,70,71,72. D'autres études ont inclus davantage de paramètres dans leur analyse, tels que l'épaisseur et la taille des grains31,73,74,75,76,77. Cependant, il n’est pas avantageux du point de vue informatique d’inclure tous les paramètres autorisés. Ainsi, l’utilisation des modèles ANFIS peut constituer une approche raisonnable pour résoudre ces problèmes45,63.
Dans cet article, l'influence de la teneur en martensite sur le diagramme limite de mise en forme d'une tôle d'acier austénitique 316 a été étudiée. À cet égard, un ensemble de données a été préparé à l'aide de tests expérimentaux. Le système développé a deux variables d'entrée : la proportion de martensite mesurée lors d'essais métallographiques et la plage de petites déformations techniques. Le résultat est une déformation technique majeure de la courbe limite de formage. Il existe trois types de fractions martensitiques : les fractions fines, moyennes et élevées. Faible signifie que la proportion de martensite est inférieure à 10 %. Dans des conditions modérées, la proportion de martensite varie de 10 à 20 %. Les valeurs élevées de martensite sont considérées comme des fractions supérieures à 20 %. De plus, la déformation secondaire comporte trois catégories distinctes comprises entre -5 % et 5 % près de l'axe vertical, qui sont utilisées pour déterminer FLD0. Les plages positives et négatives sont les deux autres catégories.
Les résultats du test hémisphérique sont présentés sur la Fig. La figure montre 6 diagrammes de mise en forme des limites, dont 5 sont le FLD de tôles laminées individuelles. Étant donné un point de sécurité et sa courbe limite supérieure formant une courbe limite (FLC). Le dernier chiffre compare tous les FLC. Comme le montre la dernière figure, une augmentation de la proportion de martensite dans l'acier austénitique 316 réduit la formabilité de la tôle. En revanche, l'augmentation de la proportion de martensite transforme progressivement le FLC en une courbe symétrique autour de l'axe vertical. Dans les deux derniers graphiques, le côté droit de la courbe est légèrement plus haut que le gauche, ce qui signifie que la formabilité en traction biaxiale est supérieure à celle en traction uniaxiale. De plus, les déformations techniques mineures et majeures avant striction diminuent avec l'augmentation de la proportion de martensite.
316 formant une courbe limite. Influence de la proportion de martensite sur la formabilité des tôles d'acier austénitiques. (point de sécurité SF, courbe limite de formation FLC, martensite M).
Le réseau neuronal a été formé sur 60 ensembles de résultats expérimentaux avec des fractions de martensite de 7,8, 18,3 et 28,7 %. Un ensemble de données de 15,4 % de martensite a été réservé pour le processus de vérification et 25,6 % pour le processus de test. L'erreur après 150 époques est d'environ 1,5 %. Sur la fig. 9 montre la corrélation entre la sortie réelle (\({\epsilon }_{1}\), charge de travail d'ingénierie de base) fournie pour la formation et les tests. Comme vous pouvez le voir, le NFS entraîné prédit \({\epsilon} _{1}\) de manière satisfaisante pour les pièces en tôle.
(a) Corrélation entre les valeurs prévues et réelles après le processus de formation, (b) Erreur entre les valeurs prévues et réelles pour les principales charges d'ingénierie sur le FLC pendant la formation et la vérification.
À un moment donné de la formation, le réseau ANFIS est inévitablement recyclé. Pour le déterminer, un contrôle parallèle est effectué, appelé « contrôle ». Si la valeur d'erreur de validation s'écarte de la valeur d'entraînement, le réseau commence à se recycler. Comme le montre la figure 9b, avant l'époque 150, la différence entre les courbes d'apprentissage et de validation est faible et elles suivent à peu près la même courbe. À ce stade, l’erreur du processus de validation commence à s’écarter de la courbe d’apprentissage, ce qui est le signe d’un surapprentissage de l’ANFIS. Ainsi, le réseau ANFIS du tour 150 est conservé avec une erreur de 1,5%. Ensuite, la prédiction FLC pour ANFIS est introduite. Sur la fig. 10 montre les courbes prédites et réelles pour les échantillons sélectionnés utilisés dans le processus de formation et de vérification. Puisque les données de ces courbes ont été utilisées pour entraîner le réseau, il n’est pas surprenant d’observer des prédictions très proches.
Courbes prédictives expérimentales réelles du FLC et de l'ANFIS dans diverses conditions de teneur en martensite. Ces courbes sont utilisées dans le processus de formation.
Le modèle ANFIS ne sait pas ce qui est arrivé au dernier échantillon. Par conséquent, nous avons testé notre ANFIS formé pour FLC en soumettant des échantillons avec une fraction de martensite de 25,6 %. Sur la fig. 11 montre la prédiction ANFIS FLC ainsi que la FLC expérimentale. L'erreur maximale entre la valeur prédite et la valeur expérimentale est de 6,2 %, ce qui est supérieur à la valeur prédite lors de la formation et de la validation. Cependant, cette erreur est tolérable par rapport à d’autres études qui prédisent théoriquement la FLC37.
Dans l'industrie, les paramètres qui affectent la formabilité sont décrits sous la forme d'une langue. Par exemple, « les grains grossiers réduisent la formabilité » ou « l'augmentation du travail à froid réduit le FLC ». Les entrées dans le réseau ANFIS au cours de la première étape sont classées en catégories linguistiques telles que faible, moyenne et élevée. Il existe différentes règles pour différentes catégories sur le réseau. Par conséquent, dans l’industrie, ce type de réseau peut être très utile en termes d’inclusion de plusieurs facteurs dans leur description et analyse linguistique. Dans ce travail, nous avons tenté de prendre en compte l'une des caractéristiques principales de la microstructure des aciers inoxydables austénitiques afin d'utiliser les possibilités de l'ANFIS. La quantité de martensite induite par la contrainte du 316 est une conséquence directe de l'écrouissage de ces inserts. Grâce à l'expérimentation et à l'analyse ANFIS, il a été constaté qu'augmenter la proportion de martensite dans ce type d'acier inoxydable austénitique entraîne une diminution significative du FLC de la plaque 316, de sorte qu'augmenter la proportion de martensite de 7,8% à 28,7% réduit la FLD0 à partir de 0,35. jusqu'à 0,1 respectivement. D'autre part, le réseau ANFIS formé et validé peut prédire le FLC en utilisant 80 % des données expérimentales disponibles avec une erreur maximale de 6,5 %, ce qui constitue une marge d'erreur acceptable par rapport à d'autres procédures théoriques et relations phénoménologiques.
Les ensembles de données utilisés et/ou analysés dans la présente étude sont disponibles auprès des auteurs respectifs sur demande raisonnable.
Iftikhar, CMA, et coll. Evolution des trajectoires d'élasticité ultérieures de l'alliage de magnésium AZ31 extrudé « tel quel » sous des trajectoires de chargement proportionnelles et non proportionnelles : expériences et simulations CPFEM. interne J. Prast. 151, 103216 (2022).
Iftikhar, TsMA et al. Evolution de la surface d'élasticité ultérieure après déformation plastique le long de chemins de chargement proportionnels et non proportionnels de l'alliage AA6061 recuit : expériences et modélisation par éléments finis de la plasticité cristalline. interne J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Transitoires de contrainte, écrouissage et valeurs r de l'aluminium dues aux changements de chemin de déformation. interne J. Prast. 69, 1-20 (2015).
Mamushi, H. et al. Une nouvelle méthode expérimentale pour déterminer le diagramme de mise en forme limite prenant en compte l'effet de la pression normale. interne J. Alma mater. formulaire. 15(1), 1 (2022).
Yang Z. et coll. Étalonnage expérimental des paramètres de fracture ductile et des limites de déformation de la tôle AA7075-T6. J. Alma mater. processus. technologies. 291, 117044 (2021).
Petrits, A. et coll. Dispositifs de récupération d'énergie cachés et capteurs biomédicaux basés sur des convertisseurs ferroélectriques ultra-flexibles et des diodes organiques. Commune nationale. 12(1), 2399 (2021).
Basak, S. et Panda, SK Analyse des limites de striction et de fracture de diverses plaques prédéformées dans des chemins de déformation plastique efficaces polaires à l'aide du modèle de rendement Yld 2000–2d. J. Alma mater. processus. technologies. 267, 289-307 (2019).
Basak, S. et Panda, SK Déformations par fracture dans les tôles anisotropes : évaluation expérimentale et prédictions théoriques. interne J. Mecha. la science. 151, 356-374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Étude expérimentale et théorique de l'effet du changement de trajectoire de déformation sur le diagramme limite de moulage AA5083. interne J. Adv. fabricant. technologies. 76(5-8), 1343-1352 (2015).
Habibi, M. et coll. Etude expérimentale des propriétés mécaniques, de la formabilité et du diagramme limite de mise en forme d'ébauches soudées par friction malaxage. J. Maker. processus. 31, 310-323 (2018).
Habibi, M., et coll. Compte tenu de l'influence de la flexion, le diagramme limite est formé en incorporant le modèle MC dans la modélisation par éléments finis. processus. Institut de la fourrure. projet. L 232(8), 625-636 (2018).
Heure de publication : 08 juin 2023