ارزیابی ریزساختار و پیش بینی خواص مکانیکی فولادهای twip با استفاده از شبکه ی عصبی

پایان نامه
چکیده

اخیراً گروهی از فولادهای آستنیتی پرمنگنز همراه با برخی از عناصر آلیاژی معرفی شده اند که در آن ها امکان دست یابی به ترکیب مناسبی از استحکام و انعطاف پذیری وجود دارد. در این فولادها، انرژی نقص چیدمان ((sfe پایین بوده، در نتیجه لغزش متقاطع نابجایی های گسترده به سختی صورت گرفته و تغییرشکل پلاستیکیِ ناشی از دوقلویی شدن (twip)، در کنار لغزش نابجایی ها به عنوان مکانیزمی اصلی در تغییرشکل مشارکت می کند. از طرف دیگر، به وجود آمدن دوقلویی های مکانیکی به عنوان موانعی قوی در برابر حرکت نابجایی ها، تأثیر زیادی بر خواص مکانیکی و به ویژه نرخ کارسختی بر جای می گذارد. در این پژوهش، خواص مکانیکی فولادهای twip، با استفاده از روش شبکه های عصبی مصنوعی پیش بینی گردیده است. بدین منظور ترکیب شیمیایی (درصدهای وزنی منگنز، آلومینیوم، سیلیسیم و کربن)، درصد کار سرد، نرخ کرنش آزمون کشش، دما و زمان آنیل به عنوان متغیرهای ورودی شبکه ی عصبی در نظر گرفته شده و سایر شرایط مانند تکفاز بودن ماده ی اولیه، روش دستیابی به فولاد twip (ترکیبی از کار سرد سنگین و سپس عملیات آنیل) و دمای آزمون کشش مشابه در نظر گرفته شدند. خروجی های مدل نیز تنش تسلیم، استحکام کششی نهایی و ازدیاد طول نسبی هستند. داده های مورد نیاز برای آموزش و آزمون این مدل ها از مراجع تهیه شدند. در همه ی مدل ها، 80% داده ها برای آموزش شبکه و 20% آن ها برای آزمون انتخاب شدند. آزمون داده ها به دو صورت تصادفی از میان تمامِ داده ها و غیر تصادفی (20% پایانیِ آن ها) صورت گرفت. برای اعتبار سنجی مدل ها نیز تعدادی آزمایش کشش (با شرایط تولید نورد سرد-آنیل) انجام شد. پس از ریخته گری و همگن سازی شمش، از نورد سرد و عملیات آنیل بعدی به منظور تولید ورق فولاد twip استفاده گردید. نورد سرد نمونه ها در دمای محیط و بدون تغییر در جهت نورد و با استفاده از روانکار انجام شد. این روند برای همه ی نمونه ها تا 85 درصد کاهش ضخامت ادامه یافت. نمونه های نورد سرد شده جهت بررسی تأثیر دمای آنیل بر خواص مکانیکی، در محدوده دمایی 500 تا c? 900 به مدت30 دقیقه آنیل شدند. سپس آزمون کشش در دمای محیط و با نرخ کرنش s-1 001/0 انجام پذیرفت. برای شناسایی فازهای موجود در ریزساختار از الگوی پراش پرتو ایکس (xrd) و به منظور بررسی ریزساختار از میکروسکوپ نوری و الکترونی روبشی (sem) استفاده گردید. نتایج بررسی های متالورژیکی نشان داد که بهترین خواص مکانیکی زمانی بدست می آید که دمای آنیل حدود c?750 است. در این حالت ساختاری آمیخته از نواحی تبلور مجدد یافته و تبلور مجدد نیافته با چگالی بالایی از دوقلویی های مکانیکی (یعنی منطقه ی تبلور مجدد جزئی) وجود دارد. نتایج بررسی های مدل سازی نشان داد که بهره گیری از سه شبکه ی عصبی جداگانه به جای یک شبکه، نتایج بهتری می دهد. همچنین نتایج اعتبار سنجی مدل ها بوسیله ی آزمایشات کشش انجام شده، نشاندهنده ی توانایی مدل های آموزش دیده برای پیش بینی خواص مکانیکی بود.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش بینی مشخصات ساختاری و خواص مغناطیسی پودرهای نانوساختار آهن- نیکل با استفاده از شبکه ی عصبی مصنوعی

Mechanical alloying technique is used for production of nanostructured soft magnetic alloys. In this work the back propagation (BP) artificial neural adopted to model the effect of various mechanical alloying parameters i.e. milling time and chemical composition, on the properties of Fe-Ni powders. Lattice parameter, grain size, lattice strain, coersivity and saturation intrinsic flux den...

متن کامل

بررسی تأثیر ریزساختار بینیتی بر خواص مکانیکی فولادهای میکروآلیاژ ریختگی

تأثیر ریزساختار بینیتی حاصل از عملیات حرارتی آستمپر بر خواص مکانیکی فولادهای میکروآلیاژ ریختگی حاوی عناصر Ti-V-B در مقایسه با ترکیب حاوی V و ترکیب پایه بدون عناصر میکروآلیاژ مورد ارزیابی قرار گرفته است. امروزه تولید و مصرف فولادهای میکروآلیاژی به علت ویژگی‌های مکانیکی بسیار خوب و هزینه تولید پایین آن که ناشی از پایین بودن درصد عناصر آلیاژی و کاهش وزن نسبت به استحکام بالا در آنهاست، بسیار مورد ت...

متن کامل

مدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی

در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...

متن کامل

کاربرد مدل شبکه عصبی مصنوعی جهت پیش بینی استحکام فولادهای twip

متالورژی فولادهای پر منگنز به خصوص فولادهای تغییر شکل پلاستیکی ناشی از دو قلویی (twip) و استحاله فازی مارتنزیتی (trip) در حال حاضر موضوع علمی مهم و قابل توجه محسوب می شود. این فولادها به علت ساختار شیمیایی مناسب از استحکام و انعطاف پذیری مطلوبی برخوردار هستند. این ویژگی های مکانیکی استثنایی از طریق قابلیت کار سختی بالای این فولاد به دست می آید. از این رودر این پژوهش با استفاده از هوش مصنوعی به ...

15 صفحه اول

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

متن کامل

پیش بینی تبخیر از سطح ایستابی کم عمق با استفاده از شبیه های وایازی و شبکه ی عصبی مصنوعی

رابطه ی بین عمق سطح ایستابی و تبخیر از سطح خاک در اغلب مناطق خشک و نیمه خشک بسیار مهم است. در این مناطق به علت آبیاری بیش از حد نیاز، اغلب سطح ایستابی نزدیک زمین است که باعث شوری خاک می‌شود. در این مطالعه از یک شبیه فیزیکی سطح ایستابی برای تعیین شدت تبخیر در خاکهای لوم شنی، لومی و لوم رسی در گلخانه و برای سه سطح ایستابی 40، 60 و 80 سانتی متری استفاده شده است. تبخیر از سطح خاک، تبخیر از سطح آزاد...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023