Grazas por visitar Nature.com. Estás a usar unha versión do navegador con soporte CSS limitado. Para obter a mellor experiencia, recomendámosche que utilices un navegador actualizado (ou que desactives o modo de compatibilidade en Internet Explorer). Ademais, para garantir o apoio continuo, mostramos o sitio sen estilos e JavaScript.
Control deslizante que mostra tres artigos por diapositiva. Usa os botóns atrás e seguinte para moverte polas diapositivas ou os botóns do controlador de diapositivas ao final para moverte por cada diapositiva.
O efecto da microestrutura sobre a conformabilidade das chapas de aceiro inoxidable é unha gran preocupación para os enxeñeiros de chapa. Para os aceiros austeníticos, a presenza de martensita de deformación (\({\alpha}^{^{\prime)\)-martensita) na microestrutura conduce a un endurecemento significativo e unha diminución da conformabilidade. Neste estudo, pretendemos avaliar a conformabilidade dos aceiros AISI 316 con diferentes resistencias martensíticas mediante métodos experimentais e de intelixencia artificial. No primeiro paso, recocidouse aceiro AISI 316 cun espesor inicial de 2 mm e laminouse en frío a varios espesores. Posteriormente, a área de martensita de tensión relativa foi medida mediante probas metalográficas. A conformación das follas laminadas determinouse mediante unha proba de explosión do hemisferio para obter un diagrama de límite de deformación (FLD). Os datos obtidos como resultado dos experimentos úsanse ademais para adestrar e probar o sistema de interferencia neuro-difusa artificial (ANFIS). Despois do adestramento de ANFIS, as cepas dominantes previstas pola rede neuronal comparáronse cun novo conxunto de resultados experimentais. Os resultados mostran que a laminación en frío ten un efecto negativo sobre a conformabilidade deste tipo de aceiro inoxidable, pero a resistencia da chapa mellora moito. Ademais, ANFIS mostra resultados satisfactorios en comparación coas medicións experimentais.
A capacidade de formar chapa metálica, aínda que foi obxecto de artigos científicos durante décadas, segue sendo unha área interesante de investigación en metalurxia. As novas ferramentas técnicas e modelos computacionais facilitan a busca de posibles factores que afectan á conformación. O máis importante é que a importancia da microestrutura para o límite de forma revelouse nos últimos anos mediante o método de elementos finitos da plasticidade cristalina (CPFEM). Por outra banda, a dispoñibilidade de microscopía electrónica de varrido (SEM) e difracción de retrodispersión electrónica (EBSD) axuda aos investigadores a observar a actividade microestrutural das estruturas cristalinas durante a deformación. Comprender a influencia das diferentes fases nos metais, o tamaño e a orientación do gran e os defectos microscópicos a nivel de gran é fundamental para predicir a formabilidade.
Determinar a conformabilidade é en si mesmo un proceso complexo, xa que se demostrou que a conformabilidade depende moito dos camiños 1, 2, 3. Polo tanto, as nocións convencionais de deformación de formación última non son fiables en condicións de carga desproporcionadas. Por outra banda, a maioría dos camiños de carga en aplicacións industriais clasifícanse como carga non proporcional. Neste sentido, os métodos tradicionais hemisféricos e experimentais de Marciniak-Kuchinsky (MK)4,5,6 deben usarse con precaución. Nos últimos anos, outro concepto, o Diagrama límite de fractura (FFLD), chamou a atención de moitos enxeñeiros de conformación. Neste concepto, utilízase un modelo de danos para predicir a formabilidade da folla. Neste sentido, a independencia do camiño inclúese inicialmente na análise e os resultados están en boa concordancia cos resultados experimentais sen escala7,8,9. A conformabilidade dunha chapa depende de varios parámetros e do historial de procesamento da chapa, así como da microestrutura e fase do metal10,11,12,13,14,15.
A dependencia do tamaño é un problema cando se consideran as características microscópicas dos metais. Demostrouse que, en pequenos espazos de deformación, a dependencia das propiedades vibracionais e de pandeo depende en gran medida da escala de lonxitude do material16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. O efecto do tamaño do gran na formabilidade foi recoñecido desde hai tempo na industria. Yamaguchi e Mellor [31] estudaron o efecto do tamaño e grosor dos grans sobre as propiedades de tracción das chapas metálicas mediante análises teóricas. Usando o modelo de Marciniac, informan que baixo unha carga de tracción biaxial, unha diminución da relación entre o grosor e o tamaño do gran leva a unha diminución das propiedades de tracción da folla. Resultados experimentais de Wilson et al. 32 confirmou que a redución do espesor ao diámetro medio do gran (t/d) provocou unha diminución da extensibilidade biaxial de chapas metálicas de tres espesores diferentes. Concluíron que a valores de t/d inferiores a 20, a deshomoxenidade de deformación notable e o pescozo están afectados principalmente por grans individuais no espesor da folla. Ulvan e Koursaris33 estudaron o efecto do tamaño do gran na maquinabilidade global dos aceiros inoxidables austeníticos 304 e 316. Informan de que a formabilidade destes metais non se ve afectada polo tamaño do gran, pero pódense observar pequenos cambios nas propiedades de tracción. É o aumento do tamaño dos grans o que leva a unha diminución das características de resistencia destes aceiros. A influencia da densidade de dislocación na tensión de fluxo dos metais de níquel mostra que a densidade de dislocación determina a tensión de fluxo do metal, independentemente do tamaño do gran34. A interacción do gran e a orientación inicial tamén teñen unha gran influencia na evolución da textura do aluminio, que foi investigada por Becker e Panchanadiswaran mediante experimentos e modelización da plasticidade cristalina35. Os resultados numéricos na súa análise coinciden cos experimentos, aínda que algúns resultados de simulación se desvían dos experimentos debido ás limitacións das condicións de contorno aplicadas. Ao estudar patróns de plasticidade cristalina e detectando experimentalmente, as follas de aluminio laminadas mostran unha formabilidade diferente36. Os resultados mostraron que aínda que as curvas de tensión-deformación das diferentes follas eran case as mesmas, houbo diferenzas significativas na súa conformabilidade en función dos valores iniciais. Amelirad e Assempour utilizaron experimentos e CPFEM para obter as curvas de tensión-deformación para chapas de aceiro inoxidable austenítico37. As súas simulacións mostraron que o aumento do tamaño dos grans desprázase cara arriba no FLD, formando unha curva limitante. Ademais, os mesmos autores investigaron o efecto da orientación e morfoloxía do gran na formación de ocos 38 .
Ademais da morfoloxía e orientación do gran nos aceiros inoxidables austeníticos, tamén é importante o estado das fases xemelgas e secundarias. O irmanamento é o principal mecanismo de endurecemento e aumento do alongamento no aceiro TWIP 39. Hwang40 informou de que a formabilidade dos aceiros TWIP era pobre a pesar da suficiente resposta á tracción. Non obstante, o efecto do irmanamento por deformación na conformabilidade das chapas de aceiro austenítico non foi suficientemente estudado. Mishra et al. 41 estudaron aceiros inoxidables austeníticos para observar o irmandamento baixo varias traxectorias de tensión. Descubriron que os xemelgos podían orixinarse de fontes de descomposición tanto de xemelgos recocidos como da nova xeración de xemelgos. Observouse que os xemelgos máis grandes fórmanse baixo tensión biaxial. Ademais, observouse que a transformación da austenita en \({\alpha}^{^{\prime}}\)-martensita depende do camiño da deformación. Hong et al. 42 investigou o efecto do irmanamento inducido pola deformación e a martensita sobre a fragilidade do hidróxeno nun rango de temperaturas na fusión selectiva con láser de aceiro austenítico 316L. Observouse que, dependendo da temperatura, o hidróxeno podería provocar fallos ou mellorar a conformación do aceiro 316L. Shen et al. 43 mediron experimentalmente o volume de martensita de deformación baixo carga de tracción a varias taxas de carga. Descubriuse que un aumento da tensión de tracción aumenta a fracción de volume da fracción de martensita.
Os métodos de IA utilízanse en ciencia e tecnoloxía pola súa versatilidade para modelar problemas complexos sen recorrer aos fundamentos físicos e matemáticos do problema44,45,46,47,48,49,50,51,52 O número de métodos de IA está aumentando. . Moradi et al. 44 utilizaron técnicas de aprendizaxe automática para optimizar as condicións químicas para producir partículas de nanosílice máis finas. Outras propiedades químicas tamén inflúen nas propiedades dos materiais a nanoescala, o que foi investigado en moitos artigos de investigación53. Ce et al. 45 utilizou ANFIS para predecir a conformabilidade da chapa de aceiro carbono lisa baixo varias condicións de laminación. Debido á laminación en frío, a densidade de dislocación no aceiro suave aumentou significativamente. Os aceiros ao carbono lisos diferéncianse dos aceiros inoxidables austeníticos nos seus mecanismos de endurecemento e restauración. No aceiro ao carbono simple, as transformacións de fase non se producen na microestrutura metálica. Ademais da fase metálica, a ductilidade, fractura, maquinabilidade, etc. dos metais tamén se ven afectadas por outras características microestruturais que se producen durante varios tipos de tratamento térmico, traballo en frío e envellecemento54,55,56,57,58,59. ,60. , 61, 62. Recentemente, Chen et al. 63 estudou o efecto da laminación en frío sobre a conformabilidade do aceiro 304L. Só tiveron en conta as observacións fenomenolóxicas en probas experimentais para adestrar a rede neuronal para predecir a formabilidade. De feito, no caso dos aceiros inoxidables austeníticos, únense varios factores para reducir as propiedades de tracción da chapa. Lu et al.64 utilizaron ANFIS para observar o efecto de varios parámetros no proceso de expansión do burato.
Como se comentou brevemente na revisión anterior, o efecto da microestrutura no diagrama límite de forma recibiu pouca atención na literatura. Por outra banda, hai que ter en conta moitas características microestruturais. Polo tanto, é case imposible incluír todos os factores microestruturais nos métodos analíticos. Neste sentido, o uso da intelixencia artificial pode ser beneficioso. Neste sentido, este estudo investiga o efecto dun aspecto dos factores microestruturais, é dicir, a presenza de martensita inducida polo estrés, na conformabilidade das chapas de aceiro inoxidable. Este estudo difire doutros estudos de IA no que se refire á formabilidade porque o foco está nas características microestruturais e non só nas curvas FLD experimentais. Procuramos avaliar a conformabilidade do aceiro 316 con diversos contidos en martensita mediante métodos experimentais e de intelixencia artificial. No primeiro paso, o aceiro 316 cun espesor inicial de 2 mm foi recocido e laminado en frío a varios espesores. Despois, mediante control metalográfico, mediuse a área relativa da martensita. A conformación das follas laminadas determinouse mediante unha proba de explosión do hemisferio para obter un diagrama de límite de deformación (FLD). Os datos recibidos del foron empregados posteriormente para adestrar e probar o sistema de interferencia neuro-difusa artificial (ANFIS). Despois do adestramento de ANFIS, as predicións da rede neuronal compáranse cun novo conxunto de resultados experimentais.
A chapa de aceiro inoxidable austenítico 316 utilizada no presente estudo ten unha composición química como se mostra na táboa 1 e un espesor inicial de 1,5 mm. Recocido a 1050 °C durante 1 hora seguido de enfriamento por auga para aliviar as tensións residuais na lámina e obter unha microestrutura uniforme.
A microestrutura dos aceiros austeníticos pódese revelar mediante varios gravadores. Un dos mellores gravadores é ácido nítrico ao 60% en auga destilada, gravado a 1 VDC durante 120 s38. Non obstante, este gravador só mostra límites de grans e non pode identificar límites de grans dobres, como se mostra na figura 1a. Outro gravador é o acetato de glicerol, no que se poden visualizar ben os límites xemelgos, pero os límites dos grans non, como se mostra na figura 1b. Ademais, despois da transformación da fase austenítica metaestable na fase \({\alpha }^{^{\prime}}\)-martensita pódese detectar mediante o gravador de acetato de glicerol, que é de interese no estudo actual.
Microestrutura da placa metálica 316 despois do recocido, mostrada por varios gravadores, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) en auga destilada a 1,5 V durante 120 s, e (b) 200x , acetato de glicerilo.
As follas recocidas cortáronse en follas de 11 cm de ancho e 1 m de longo para enrolar. A planta de laminación en frío ten dous rolos simétricos cun diámetro de 140 mm. O proceso de laminación en frío provoca a transformación da austenita en martensita de deformación en aceiro inoxidable 316. Busca a relación entre a fase de martensita e a fase de austenita despois do laminado en frío a través de diferentes espesores. Sobre a fig. A figura 2 mostra unha mostra da microestrutura da chapa metálica. Sobre a fig. A figura 2a mostra unha imaxe metalográfica dunha mostra laminada, vista desde unha dirección perpendicular á folla. Sobre a fig. 2b usando o software ImageJ65, a parte martensítica está resaltada en negro. Usando as ferramentas deste software de código aberto, pódese medir a área da fracción de martensita. A táboa 2 mostra as fraccións detalladas das fases martensítica e austenítica despois de laminar a varias reducións de espesor.
Microestrutura dunha lámina de 316 L despois de enrolar a unha redución do 50% de espesor, vista perpendicular ao plano da folla, ampliada 200 veces, acetato de glicerol.
Os valores presentados na Táboa 2 obtivéronse facendo a media das fraccións de martensita medidas sobre tres fotografías tomadas en diferentes lugares na mesma mostra metalográfica. Ademais, na fig. A figura 3 mostra curvas de axuste cuadrático para comprender mellor o efecto do laminado en frío sobre a martensita. Pódese ver que existe unha correlación case lineal entre a proporción de martensita e a redución do espesor na condición de laminado en frío. Non obstante, unha relación cuadrática pode representar mellor esta relación.
Variación na proporción de martensita en función da redución do espesor durante a laminación en frío dunha chapa de aceiro 316 recocida inicialmente.
O límite de conformación avaliouse segundo o procedemento habitual mediante probas de explosión do hemisferio37,38,45,66. En total, fabricáronse seis mostras mediante corte con láser coas dimensións mostradas na figura 4a como un conxunto de mostras experimentais. Para cada estado da fracción de martensita, preparáronse e ensaiáronse tres conxuntos de mostras. Sobre a fig. A 4b mostra mostras cortadas, pulidas e marcadas.
A moldura Nakazima limita o tamaño da mostra e a táboa de cortar. (a) Dimensións, (b) Exemplares cortados e marcados.
A proba de punzonado hemisférico realizouse mediante unha prensa hidráulica cunha velocidade de desprazamento de 2 mm/s. As superficies de contacto do punzón e da folla están ben lubricadas para minimizar o efecto da fricción nos límites de formación. Continúe a proba ata que se observe un estreitamento ou rotura significativa na mostra. Sobre a fig. A figura 5 mostra a mostra destruída no dispositivo e a mostra despois da proba.
O límite de conformación determinouse mediante unha proba de explosión hemisférica, (a) banco de proba, (b) placa de mostra en rotura no banco de proba, (c) a mesma mostra despois da proba.
O sistema neuro-difuso desenvolvido por Jang67 é unha ferramenta adecuada para a predición da curva límite de formación de follas. Este tipo de rede neuronal artificial inclúe a influencia de parámetros con descricións vagas. Isto significa que poden obter calquera valor real nos seus campos. Os valores deste tipo clasifícanse ademais segundo o seu valor. Cada categoría ten as súas propias regras. Por exemplo, un valor de temperatura pode ser calquera número real e, dependendo do seu valor, as temperaturas pódense clasificar en frías, medias, cálidas e quentes. Neste sentido, por exemplo, a regra para as baixas temperaturas é a regra "levar unha chaqueta", e a regra para as temperaturas cálidas é "camiseta suficiente". Na propia lóxica difusa, a saída avalíase para a súa precisión e fiabilidade. A combinación de sistemas de redes neuronais con lóxica difusa garante que ANFIS proporcionará resultados fiables.
A figura 6 proporcionada por Jang67 mostra unha rede neuronal difusa sinxela. Como se mostra, a rede toma dúas entradas, no noso estudo a entrada é a proporción de martensita na microestrutura e o valor da deformación menor. No primeiro nivel de análise, os valores de entrada son difusos usando regras difusas e funcións de pertenza (FC):
Para \(i=1, 2\), xa que se asume que a entrada ten dúas categorías de descrición. O MF pode adoptar calquera forma triangular, trapezoidal, gaussiana ou calquera outra forma.
Baseándose nas categorías \({A}_{i}\) e \({B}_{i}\) e os seus valores MF no nivel 2, adóptanse algunhas regras, como se mostra na figura 7. Neste capa, os efectos das distintas entradas combínanse dalgún xeito. Aquí úsanse as seguintes regras para combinar a influencia da fracción de martensita e os valores de deformación menor:
A saída \({w}_{i}\) desta capa chámase intensidade de ignición. Estas intensidades de ignición normalízanse na capa 3 segundo a seguinte relación:
Na capa 4, as regras de Takagi e Sugeno67,68 inclúense no cálculo para ter en conta a influencia dos valores iniciais dos parámetros de entrada. Esta capa ten as seguintes relacións:
O \({f}_{i}\) resultante vese afectado polos valores normalizados nas capas, o que dá como resultado final os principais valores de deformación:
onde \(NR\) representa o número de regras. O papel da rede neuronal aquí é usar o seu algoritmo de optimización interno para corrixir parámetros de rede descoñecidos. Os parámetros descoñecidos son os parámetros resultantes \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\) e os parámetros relacionados co MF Considéranse funcións de forma xeneralizada das campás de vento:
Os diagramas de límite de forma dependen de moitos parámetros, desde a composición química ata o historial de deformación da chapa. Algúns parámetros son fáciles de avaliar, incluídos os parámetros de proba de tracción, mentres que outros requiren procedementos máis complexos como a metalografía ou a determinación de tensión residual. Na maioría dos casos, é recomendable realizar unha proba de límite de tensión para cada lote de folla. Non obstante, ás veces pódense usar outros resultados de proba para aproximar o límite de conformación. Por exemplo, varios estudos utilizaron os resultados das probas de tracción para determinar a conformabilidade da folla69,70,71,72. Outros estudos incluíron máis parámetros na súa análise, como o grosor e o tamaño do gran31,73,74,75,76,77. Non obstante, non é computacionalmente vantaxoso incluír todos os parámetros permitidos. Así, o uso de modelos ANFIS pode ser un enfoque razoable para abordar estes problemas45,63.
Neste artigo, investigouse a influencia do contido en martensita no diagrama límite de conformación dunha chapa de aceiro austenítico 316. Neste sentido, elaborouse un conxunto de datos mediante probas experimentais. O sistema desenvolvido ten dúas variables de entrada: a proporción de martensita medida en ensaios metalográficos e o rango de pequenas cepas de enxeñería. O resultado é unha gran deformación de enxeñería da curva límite de conformación. Existen tres tipos de fraccións martensíticas: fraccións finas, medias e altas. Baixa significa que a proporción de martensita é inferior ao 10%. En condicións moderadas, a proporción de martensita oscila entre o 10% e o 20%. Os altos valores de martensita considéranse fraccións superiores ao 20%. Ademais, a cepa secundaria ten tres categorías distintas entre -5% e 5% preto do eixe vertical, que se usan para determinar a FLD0. Os rangos positivos e negativos son as outras dúas categorías.
Os resultados da proba hemisférica móstranse na FIG. A figura mostra 6 diagramas de conformación de límites, 5 dos cales son o FLD de follas laminadas individuais. Dado un punto de seguridade e a súa curva límite superior formando unha curva límite (FLC). A última cifra compara todos os FLC. Como se desprende da última figura, un aumento da proporción de martensita no aceiro austenítico 316 reduce a conformabilidade da chapa. Por outra banda, o aumento da proporción de martensita converte gradualmente o FLC nunha curva simétrica sobre o eixe vertical. Nos dous últimos gráficos, o lado dereito da curva é lixeiramente máis alto que o esquerdo, o que significa que a formabilidade en tensión biaxial é maior que na tensión uniaxial. Ademais, tanto as cepas de enxeñería menores como as principais antes do pescozo diminúen co aumento da proporción de martensita.
316 formando unha curva límite. Influencia da proporción de martensita na conformabilidade das chapas de aceiro austenítico. (punto de seguridade SF, curva límite de formación FLC, martensita M).
A rede neuronal adestrouse en 60 conxuntos de resultados experimentais con fraccións de martensita do 7,8, 18,3 e 28,7%. Reservouse un conxunto de datos do 15,4% de martensita para o proceso de verificación e do 25,6% para o proceso de proba. O erro despois de 150 épocas é de aproximadamente 1,5%. Sobre a fig. A figura 9 mostra a correlación entre a saída real (\({\epsilon }_{1}\), carga de traballo de enxeñería básica) proporcionada para a formación e as probas. Como podes ver, o NFS adestrado prevé \({\epsilon} _{1}\) satisfactoriamente para as pezas de chapa.
(a) Correlación entre os valores previstos e reais despois do proceso de adestramento, (b) Erro entre os valores previstos e reais para as principais cargas de enxeñería no FLC durante o adestramento e a verificación.
Nalgún momento durante a formación, a rede ANFIS recíclase inevitablemente. Para determinalo, realízase unha comprobación paralela, chamada "comprobación". Se o valor do erro de validación se desvía do valor de adestramento, a rede comeza a volver adestrarse. Como se mostra na Figura 9b, antes da época 150, a diferenza entre as curvas de aprendizaxe e validación é pequena e seguen aproximadamente a mesma curva. Neste punto, o erro do proceso de validación comeza a desviarse da curva de aprendizaxe, o que é un sinal de sobreadaptación de ANFIS. Así, a rede ANFIS para a rolda 150 consérvase cun erro do 1,5%. Despois introdúcese a predición FLC para ANFIS. Sobre a fig. A figura 10 mostra as curvas previstas e reais para as mostras seleccionadas utilizadas no proceso de adestramento e verificación. Dado que os datos destas curvas foron utilizados para adestrar a rede, non é de estrañar observar predicións moi próximas.
Curvas preditivas experimentais reais de FLC e ANFIS en varias condicións de contido de martensita. Estas curvas utilízanse no proceso de adestramento.
O modelo ANFIS non sabe que pasou coa última mostra. Polo tanto, probamos o noso ANFIS adestrado para FLC enviando mostras cunha fracción de martensita do 25,6%. Sobre a fig. A figura 11 mostra a predición ANFIS FLC así como a FLC experimental. O erro máximo entre o valor previsto e o valor experimental é do 6,2%, que é superior ao valor previsto durante o adestramento e a validación. Non obstante, este erro é un erro tolerable en comparación con outros estudos que predicen teoricamente FLC37.
Na industria, os parámetros que afectan á conformación descríbense en forma de lingua. Por exemplo, "o gran groso reduce a formabilidade" ou "o traballo en frío aumenta o FLC". A entrada á rede ANFIS na primeira etapa clasifícase en categorías lingüísticas como baixa, media e alta. Existen diferentes regras para diferentes categorías na rede. Polo tanto, na industria, este tipo de redes poden ser moi útiles á hora de incluír varios factores na súa descrición e análise lingüística. Neste traballo intentouse ter en conta unha das principais características da microestrutura dos aceiros inoxidables austeníticos para aproveitar as posibilidades do ANFIS. A cantidade de martensita inducida polo estrés de 316 é unha consecuencia directa do traballo en frío destas insercións. Mediante a experimentación e a análise ANFIS comprobouse que o aumento da proporción de martensita neste tipo de aceiro inoxidable austenítico conduce a unha diminución significativa do FLC da placa 316, polo que aumentar a proporción de martensita do 7,8% ao 28,7% reduce o FLD0 desde 0,35. ata 0,1 respectivamente. Por outra banda, a rede ANFIS adestrada e validada pode predecir FLC utilizando o 80% dos datos experimentais dispoñibles cun erro máximo do 6,5%, o que supón unha marxe de erro aceptable en comparación con outros procedementos teóricos e relacións fenomenolóxicas.
Os conxuntos de datos utilizados e/ou analizados no estudo actual están dispoñibles dos respectivos autores previa solicitude razoable.
Iftikhar, CMA, et al. Evolución das rutas de rendemento posteriores da aliaxe de magnesio AZ31 extruída "tal cual" baixo camiños de carga proporcional e non proporcional: experimentos e simulacións CPFEM. interno J. Prast. 151, 103216 (2022).
Iftikhar, TsMA et al. Evolución da superficie de fluencia posterior despois da deformación plástica ao longo de camiños de carga proporcional e non proporcional da aliaxe recocida AA6061: experimentos e modelado de elementos finitos da plasticidade cristalina. interno J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Transitorios de tensión, endurecemento e valores de aluminio r debido aos cambios na ruta da tensión. interno J. Prast. 69, 1–20 (2015).
Mamushi, H. et al. Un novo método experimental para determinar o diagrama de conformación limitante tendo en conta o efecto da presión normal. interna J. Alma mater. forma. 15 (1), 1 (2022).
Yang Z. et al. Calibración experimental de parámetros de fractura dúctil e límites de deformación da chapa AA7075-T6. J. Alma mater. proceso. tecnoloxías. 291, 117044 (2021).
Petrits, A. et al. Dispositivos de captación de enerxía ocultas e sensores biomédicos baseados en conversores ferroeléctricos ultraflexibles e díodos orgánicos. Comuna Nacional. 12 (1), 2399 (2021).
Basak, S. e Panda, SK Análise dos límites de pescozo e fractura de varias placas predeformadas en camiños de deformación plástica efectiva polar utilizando o modelo de rendemento Yld 2000–2d. J. Alma mater. proceso. tecnoloxías. 267, 289–307 (2019).
Basak, S. e Panda, SK Fracture Deformations in Anisotropic Sheet Metals: Experimental Evaluation and Theoretical Predictions. interno J. Mecha. a ciencia. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Estudo experimental e teórico do efecto do cambio da traxectoria da deformación no diagrama límite de moldura AA5083. interno J. Adv. fabricante. tecnoloxías. 76 (5–8), 1343–1352 (2015).
Habibi, M. et al. Estudo experimental das propiedades mecánicas, a conformabilidade e o diagrama de conformación limitante dos brancos soldados por fricción. J. Creador. proceso. 31, 310–323 (2018).
Habibi, M., et al. Considerando a influencia da flexión, o diagrama límite fórmase incorporando o modelo MC ao modelado de elementos finitos. proceso. Instituto da Pel. proxecto. L 232 (8), 625–636 (2018).
Hora de publicación: 08-06-2023