ANFIS

Scientific Reports volumen 13, Número de artículo: 3115 (2023) Citar este artículo

427 Accesos

2 Altmetric

Detalles de métricas

El efecto de la microestructura en la formabilidad de las láminas de acero inoxidable es una preocupación importante para los ingenieros en las industrias de láminas. En el caso de los aceros austeníticos, la existencia de martensita inducida por deformación (\({\alpha }^{^{\prime}}\)-martensita) en su microestructura provoca una reducción considerable del endurecimiento y la formabilidad. En el presente estudio, nuestro objetivo es evaluar la formabilidad de los aceros AISI 316 con diferentes intensidades de martensita a través de métodos experimentales y de inteligencia artificial. En el primer paso, los aceros de grado AISI 316 con espesores iniciales de 2 mm se recocen y laminan en frío a varios espesores. Posteriormente, el área relativa de la martensita inducida por deformación se mide usando pruebas de metalografía. La conformabilidad de las láminas laminadas se determina mediante la prueba de punzonado hemisférico para obtener diagramas de límite de formación (FLD). Los datos obtenidos de los experimentos se utilizaron para entrenar y validar un sistema de interferencia difusa neuronal artificial (ANFIS). Después de entrenar el ANFIS, las principales tensiones predichas por la red neuronal se comparan con un nuevo conjunto de resultados experimentales. Los resultados indican que el laminado en frío tiene efectos desfavorables sobre la conformabilidad de este tipo de aceros inoxidables a la vez que fortalece significativamente las láminas. Además, el ANFIS muestra resultados satisfactorios en comparación con las mediciones experimentales.

La formabilidad de las láminas metálicas, aunque ha sido objeto de artículos de investigación durante décadas, sigue siendo un interesante campo de estudio en metalurgia. Los nuevos instrumentos tecnológicos y modelos computacionales facilitan la búsqueda de los factores subyacentes que afectan la formabilidad. Lo que es más importante, el uso de métodos de elementos finitos de plasticidad cristalina (CPFEM) en los últimos años revela la importancia de la microestructura en los límites de formación. Por otro lado, la disponibilidad del microscopio electrónico de barrido (SEM) y la difracción de retrodispersión de electrones (EBSD) ha ayudado a los investigadores a observar las actividades microestructurales de las estructuras cristalinas durante la deformación. La comprensión de los efectos de las diferentes fases en los metales, el tamaño y la orientación del grano y la imperfección a microescala en el nivel del grano son vitales para predecir la formabilidad.

La determinación de la formabilidad en sí misma es un procedimiento desafiante, ya que se ha demostrado que la formabilidad depende en gran medida de la trayectoria1,2,3. Por lo tanto, la representación convencional de las deformaciones límite de formación podría no ser confiable en condiciones de carga no proporcional. Por otro lado, la mayoría de las rutas de carga en aplicaciones industriales se clasifican como no proporcionales. En este sentido, los métodos experimentales hemisféricos convencionales y de Marciniak-Kuczynski (M-K) deben utilizarse con precaución4,5,6. En los últimos años, otro concepto de diagrama de límite de formación de fracturas (FFLD) ha atraído la atención de muchos ingenieros en el campo de la formabilidad. En este concepto, la conformabilidad de las láminas se predice utilizando los modelos de daños. En este sentido, la independencia del camino está intrínsecamente incorporada en los análisis y los resultados concuerdan con los resultados experimentales no proporcionales7,8,9. La conformabilidad en láminas de metal depende de varios parámetros y del historial de procesamiento de las láminas y también de la microestructura y las fases de los metales10,11,12,13,14,15.

La dependencia del tamaño es un desafío en la incorporación de microcaracterísticas en los metales. En el espacio de pequeña deformación, la dependencia de las características de vibración y pandeo ha demostrado ser fuertemente dependiente de la escala de longitud de los materiales16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Los efectos del tamaño de grano sobre la conformabilidad han sido reconocidos en la industria durante mucho tiempo. Yamaguchi y Mellor31 examinaron los efectos del tamaño y el grosor del grano sobre la capacidad de estirado de las láminas metálicas mediante el análisis teórico. Usando el modelo de Marciniak, informaron que la disminución en la relación entre el grosor y el tamaño del grano provoca una disminución en la capacidad de estiramiento de las láminas en condiciones de carga de estiramiento biaxial. Los resultados experimentales de Wilson et al.32 confirman que la reducción del espesor al diámetro medio del grano (t/d) conduce a una disminución de la capacidad de estiramiento biaxial de tres chapas metálicas diferentes con varios espesores. Llegaron a la conclusión de que para valores t/d inferiores a 20, la falta de homogeneidad de deformación prominente y el estrechamiento se ven afectados principalmente por granos individuales en el espesor de la lámina. El efecto del tamaño de grano de los aceros inoxidables austeníticos 304 y 316 sobre la trabajabilidad a granel fue investigado por Ulvan y Koursaris33. Informaron que la formabilidad de estos metales no se vio afectada por el tamaño del grano, pero se observaron ligeras variaciones en las características de tracción. En concreto, el aumento del tamaño de grano resultó en una disminución de las medidas de resistencia de estos aceros. El examen del efecto de la densidad de dislocaciones en la tensión de flujo del metal de níquel revela que, independientemente del tamaño del grano, es la densidad de dislocaciones la que determina la tensión de flujo del metal34. La interacción de los granos y las orientaciones iniciales también tienen una influencia significativa en la evolución de la textura en el aluminio, según lo examinado por (Becker y Panchanadeeswaran usando simulaciones experimentales y de plasticidad cristalina35. Los resultados numéricos en sus análisis estaban en buena armonía con los experimentos, aunque debido a las limitaciones en la aplicación de la condición límite algunos Los resultados de la simulación se desviaron de los experimentos. Las láminas de aluminio laminadas manifestaron diferentes conformabilidades como simulaciones de plasticidad cristalina detectada y examen experimental 36. Se demostró que, aunque las curvas de tensión-deformación de diferentes láminas eran casi similares, había diferencias significativas en su conformabilidad en función de la inicial. texturas. Amelirad y Assempour utilizaron métodos experimentales y CPFEM para obtener curvas límite de formación en láminas de acero inoxidable austenítico 37. Su simulación revela que el aumento en el tamaño del grano cambia la formación de curvas límite hacia arriba en FLD. Además, se examinaron los efectos de la orientación y la morfología del grano en la nucleación de vacíos. por los mismos autores38.

Además de la morfología y orientación del grano, el estado de maclado y las segundas fases son importantes en los aceros inoxidables austeníticos. El maclado es el principal mecanismo de mejora del endurecimiento y elongación en los aceros TWIP39. Hwang40 informó que la formabilidad de los aceros TWIP no es satisfactoria a pesar de las respuestas de tracción adecuadas. Sin embargo, los efectos del maclado inducido por deformación sobre la formabilidad de las láminas de acero austenítico no se reconocen bien. Mishra et al.41 examinaron el acero inoxidable austenítico para observar la generación de maclas bajo diferentes trayectorias de deformación por estiramiento. Descubrieron que el hermanamiento podría generarse a partir de ambas fuentes de descomposición de los gemelos recocidos y de la nueva generación de gemelos. Se observó que bajo estiramiento biaxial se generan las máximas maclas. Además, se observó que la transformación de austenita a \({\alpha }^{^{\prime}}\)-martensita depende de la trayectoria de deformación. Hong et al.42 exploraron los efectos del maclado inducido por deformación y la martensita en acero austenítico 316 L fundido con láser selectivo sobre la fragilización por hidrógeno en un rango de temperatura. Se observó que, según el valor de la temperatura, el hidrógeno podría provocar fracturas o mejorar la formabilidad de los aceros 316 L. Shen et al.43 midieron experimentalmente el volumen de martensita inducida por deformación bajo condiciones de carga de tracción en varias tasas de carga. Se reveló que el aumento de la deformación por tracción aumenta la fracción de volumen de las fracciones de martensita.

El uso de métodos de inteligencia artificial en los campos de la ciencia y la ingeniería está aumentando debido a su versatilidad para modelar problemas complejos sin involucrar los fundamentos físicos y matemáticos del problema44,45,46,47,48,49,50,51,52. Moradi et al.44 utilizaron un método de aprendizaje automático para optimizar la condición química que conduce a la producción de partículas de nanosílice más pequeñas. Otras propiedades químicas también afectaron las propiedades del material a nanoescala, como se investiga en muchos artículos de investigación53. Xie et al.45 contrataron a ANFIS para predecir la conformabilidad de chapas de acero al carbono simple en diferentes condiciones de laminación. La densidad de dislocaciones en los aceros con bajo contenido de carbono aumenta considerablemente debido al laminado en frío. El mecanismo de endurecimiento y conformabilidad reductora es diferente en el acero al carbono simple de los aceros inoxidables austeníticos. En el acero al carbono simple no se produce ninguna transformación de fase en la microestructura del metal. Además de la fase de los metales, varias otras características microestructurales que surgen de diferentes procesos de tratamiento térmico, trabajo en frío, el envejecimiento afectan la ductilidad, fractura, maquinabilidad, etc. de los metales54,55,56,57,58,59,60,61,62 . Recientemente, Chen et al.63 consideraron los efectos del laminado en frío sobre la formabilidad de los aceros 304 L. Consideraron solo observaciones fenomenológicas en las pruebas experimentales para entrenar una red neuronal para la predicción de la formabilidad. De hecho, varios factores se combinan en la reducción de la estirabilidad de las láminas en el caso de los aceros inoxidables austeníticos. Lu et al.64 utilizaron ANFIS para observar los efectos de diferentes parámetros en el proceso de expansión del agujero.

Como se discutió brevemente en la revisión anterior, el efecto de la microestructura en los diagramas de límite de formación apenas se aborda en la literatura. Por otro lado, las características microestructurales a considerar son numerosas. Por lo tanto, la incorporación de todos los factores microestructurales es casi imposible en los métodos analíticos. En este sentido, el uso de inteligencia artificial podría ser de ayuda. En este sentido, en el presente estudio se investiga el efecto de un aspecto del factor microestructural, a saber, la existencia de martensita inducida por tensión, sobre la conformabilidad de las láminas metálicas inoxidables. Este estudio contrasta con otros estudios de IA sobre la conformabilidad con su enfoque en las características microestructurales y no solo en las curvas FLD experimentales. Nuestro objetivo es evaluar la conformabilidad de aceros 316 con diferentes niveles de martensita utilizando métodos experimentales y de inteligencia artificial. En el primer paso, los aceros 316 con un espesor inicial de 2 mm se recocen y laminan en frío a varios espesores. Posteriormente, se mide el área relativa de la martensita mediante pruebas de metalografía. La conformabilidad de las láminas laminadas se determina mediante la prueba de punzonado hemisférico para obtener diagramas de límite de formación (FLD). Los datos obtenidos de se utilizan además para entrenar y validar un sistema de interferencia difusa neuronal artificial (ANFIS). Después de entrenar el ANFIS, las predicciones de la red neuronal se comparan con un nuevo conjunto de resultados experimentales.

La chapa utilizada en el presente estudio en acero inoxidable austenítico 316 con la composición química presentada en la Tabla 1 con espesor inicial de 1,5 mm. Se llevó a cabo un proceso de recocido a 1050 °C durante 1 h seguido de enfriamiento rápido con agua para eliminar cualquier tensión residual en la lámina y obtener una microestructura uniforme.

La microestructura de los aceros austeníticos podría revelarse usando varios grabadores. Uno de los mejores grabadores es ácido nítrico al 60% en agua destilada a 1 V de corriente continua durante 120 s38. Sin embargo, este grabado solo revela los límites de los granos y los límites de los gemelos no se pudieron reconocer como se pudo observar en la Fig. 1a. Uno de los otros grabadores es la gliceregia acética en la que los límites de los gemelos se revelan bien pero los límites de los granos no se revelan muy bien como se ve en la Fig. 1b. Además, después de transformar la fase austenítica metaestable a la fase \({\alpha }^{^{\prime}}\)-martensita, la martensita podría revelarse utilizando grabadores de gliceregia acética, lo cual es de interés en el presente estudio.

Microestructura de la lámina de metal 316 después del recocido en la condición en que se recibió según lo revelado por diferentes grabadores, (a) 200x, 60 % \({\mathrm{HNO}}_{3}\) en agua destilada a 1,5 V durante 120 s, y (b) 200x, gliceregia acética.

Las láminas recocidas se cortaron a 11 cm de ancho y 1 m de largo para el rolado. El aparato de laminación en frío tenía dos rodillos simétricos con diámetros de 140 mm. El proceso de laminación en frío induce la transformación de la austenita en martensita inducida por deformación en acero inoxidable 316. Buscamos la relación entre la fase de martensita y la fase de austenita después del laminado en frío a diferentes espesores. En la figura 2 se muestra una muestra de la microestructura de la hoja laminada. La figura 2a muestra la imagen metalográfica de la muestra laminada vista desde la dirección normal a la hoja. En la Fig. 2b, la parte de la martensita se contrasta con el color negro utilizando el software ImageJ65. Usando las herramientas de este software de código abierto, es posible medir el área de la porción de martensita. En la Tabla 2 se proporciona una fracción detallada de la fase de martensita a austenita después del laminado a varias reducciones de espesor.

Microestructura de una lámina de 316 L después de ser laminada hasta una reducción del espesor del 50 % vista desde la dirección normal al plano de la lámina, 200x, gliceregia acética.

Los valores proporcionados en la Tabla 2 se obtienen promediando la fracción de martensita medida a partir de tres imágenes de las diferentes ubicaciones de la misma muestra metalográfica. Además, en la Fig. 3 se muestra una curva de ajuste cuadrática para tener una visión más cercana del efecto del laminado en frío en la martensita. Se ve que se mantiene casi una correlación lineal entre la fracción de martensita y la reducción del espesor de laminación en frío. Sin embargo, una relación cuadrática tiene mejor representación para esta relación.

Cambio en la fracción de martensita en función de la reducción de espesor en el proceso de laminación en frío para láminas 316 recocidas en frío.

Las evaluaciones del límite de formación siguen un procedimiento de rutina utilizando la prueba de perforación del hemisferio37,38,45,66. En total, se preparan seis muestras con las dimensiones dadas en la Fig. 4a mediante el método de corte por láser como un conjunto de muestras experimentales. Para cada condición de fracción de martensita, se preparan y prueban tres conjuntos de muestras de prueba. La Figura 4b muestra las muestras cortadas, pulidas y marcadas.

El límite de conformado de Nakazima muestra dimensiones y hojas cortadas. (a) dimensiones, (b) muestras cortadas y marcadas.

La prueba de punzonado hemisférico se lleva a cabo utilizando una prensa hidráulica con una tasa de desplazamiento de 2 mm/seg. Las superficies de contacto del punzón y la hoja están lo suficientemente lubricadas para minimizar el efecto de la fricción en los valores límite de formación. Se continuaron las pruebas hasta que se observó una aparente estrangulamiento o fractura en la muestra. En la Fig. 5, se muestra una muestra fracturada en el aparato y después de la prueba.

Determinación del límite de formación utilizando la prueba de punzonado hemisférico, (a) Aparato de prueba (b) Hoja de muestra en el aparato en el momento de la fractura, (c) La misma muestra después de la prueba.

El sistema neural-borroso desarrollado por Jang67 es una herramienta adecuada para predecir las curvas límite de formación de chapas metálicas. Este tipo de redes neuronales artificiales incorpora los efectos de parámetros que tienen descripciones difusas. Significa que podrían tomar cualquier valor real en su dominio. Este tipo de valores se clasifica además en función de su valor. Cada categoría se vería afectada por su respectiva regla. Por ejemplo, el valor de la temperatura podría ser cualquier número real. Según su valor, podría clasificarse como temperatura fría, moderada, cálida y caliente. En este sentido, la regla para la temperatura fría es, por ejemplo, "usa una chaqueta" y para la temperatura cálida es "una camiseta es suficiente". En la propia lógica difusa, los resultados de salida se evalúan por su precisión y fiabilidad. La incorporación del sistema de red neuronal con lógica difusa permite garantizar que ANFIS proporcione resultados confiables.

En la Fig. 6 se representa una red neuronal difusa simple proporcionada por Jang67. Como se ve en esta figura, la red acepta dos entradas que, en el caso de nuestro estudio, son fracción de martensita en microestructura y valor de deformación menor. En la primera capa de análisis, la fuzzificación de los valores de entrada se realiza utilizando reglas difusas y funciones de pertenencia (MF):

para \(i=1, 2\), ya que se supone que los datos de entrada tienen dos categorías de descripción. Los MF pueden tomar cualquier forma de triángulo, trapezoidal, gaussiana o cualquier otra forma.

Esquema de capas ANFIS para dos entradas y una salida67.

Con base en las categorías de \({A}_{i}\) y \({B}_{i}\) y sus valores de MF, se adoptan algunas reglas en la capa 2, como se muestra en la Fig. 7. En estas capas , los efectos de diferentes entradas se combinan de cierta manera. Aquí, la siguiente regla se utiliza para combinar los efectos de la fracción de martensita y los valores de deformación menores:

Subespacios difusos para ANFIS con dos entradas y cuatro reglas.

La salida de esta capa, \({w}_{i}\), se llama fuerza de disparo. Estas fuerzas de disparo se normalizan siguiendo la siguiente relación en la Capa 3:

En la Capa 4, la regla de Takagi y Sugeno67,68 se incorpora en los cálculos para considerar los efectos de los valores iniciales de los parámetros de entrada. En esta capa se mantiene la siguiente relación:

Los \({f}_{i}\) obtenidos se vieron afectados por los valores normalizados en capas para dar el resultado final, que es el valor de mayor deformación:

donde \(NR\) indica el número de reglas. El papel de la red neuronal aquí es usar sus algoritmos de optimización internos para ajustar parámetros desconocidos de la red. Los parámetros desconocidos son los parámetros consecuentes \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\) y los parámetros relacionados con las MF que se consideran ser funciones de forma de campana generalizadas:

Los diagramas de límite de formación dependen de muchos parámetros, desde la composición química hasta el historial de deformación en las láminas de metal. Algunos parámetros son fáciles de evaluar, incluidos los parámetros de la prueba de tracción, y otros requieren procedimientos más complicados, como la metalografía o la determinación de la tensión residual. En la mayoría de los casos, es beneficioso realizar una prueba de límite de formación en cada lote de láminas. Sin embargo, a veces los resultados de otras pruebas podrían utilizarse para aproximar los límites de formación. Por ejemplo, varios estudios han utilizado los resultados de las pruebas de tracción para determinar la formabilidad de las láminas69,70,71,72. Otros estudios incorporaron más parámetros como el grosor y el tamaño de grano en sus análisis31,73,74,75,76,77. Sin embargo, incorporar todos los parámetros efectivos no es computacionalmente beneficioso. Por lo tanto, el uso de modelos ANFIS podría ser un enfoque razonable para estos problemas45,63.

En este trabajo se muestra el efecto del valor de la fracción de martensita en el diagrama de límite de formación de láminas de acero austenítico 316. En este sentido, se prepara un conjunto de datos mediante pruebas experimentales. El sistema diseñado tiene dos variables de entrada: fracción de martensita medida en pruebas de metalografía y rango de deformación de ingeniería menor. La salida se toma como la mayor tensión de ingeniería de la curva límite de formación. Las categorías de la fracción de martensita son tres categorías de fracciones bajas, medias y altas. Bajo significa que la fracción de martensita está por debajo del 10%. En la condición media, la fracción de martensita cae entre 10 y 20%. El alto valor de la martensita se considera fracciones superiores al 20%. Además, la deformación menor tiene tres categorías distintas de entre −5 y 5 % cerca del eje vertical para la determinación de FLD0. Los rangos positivo y negativo son otras dos categorías.

Los resultados de las pruebas de los hemisferios se presentan en la Fig. 8. Esta figura contiene 6 diagramas de límites de formación, 5 de ellos son los FLD de una sola lámina enrollada. Se presentan los puntos seguros y su curva límite superior, formando la curva límite (FLC). En el último gráfico se comparan todas las FLC. Como se ve en el último gráfico, el aumento de la fracción de martensita del acero austenítico 316 reduce la formabilidad de la chapa. Por otro lado, el aumento en la fracción de martensita forma gradualmente las FLC en una curva simétrica alrededor del eje vertical. En los dos últimos gráficos, el lado derecho de las curvas es ligeramente más alto que el lado izquierdo, lo que significa que la formabilidad en las condiciones de estiramiento biaxial es mayor que la carga de estiramiento uniaxial. Además, tanto las deformaciones de ingeniería menores como las mayores antes de la estricción se reducen con el aumento de la fracción de martensita.

Curvas límite de formación de 316. Efecto de la fracción de martensita en la conformabilidad de láminas de acero austenítico. (puntos seguros SF, curva límite de formación de FLC, martensita M).

El entrenamiento de la red neuronal se implementa utilizando 60 conjuntos de resultados experimentales de 7,8, 18,3 y 28,7% de fracciones de martensita. El conjunto de datos del 15,4 % de martensita se reserva para el proceso de validación y el 25,6 % para el proceso de prueba. El error después de 150 epoch fue de alrededor del 1,5%. La correlación entre la salida real provista (\({\epsilon }_{1}\), tensión de ingeniería principal) tanto para el entrenamiento como para la prueba se muestra en la Fig. 9. Como se observa, el NFS entrenado predice satisfactoriamente \({\epsilon } _ {1}\) para las láminas de metal.

(a) correlación entre los valores predichos y reales después del proceso de entrenamiento, (b) error entre los valores predichos y reales de la mayor tensión de ingeniería en FLC para el proceso de entrenamiento y validación.

En algún momento durante el entrenamiento, la red ANFIS inevitablemente se sobreajusta. Para reconocer este punto, se realiza una comprobación paralela denominada "validación". Si el valor del error de validación se desvía del valor de entrenamiento, significa que la red está al comienzo del sobreajuste. Como se ve en la Fig. 9b, hasta la época 150, la diferencia entre las curvas de entrenamiento y validación es pequeña y siguen aproximadamente la misma curva. En este punto, el error del proceso de validación comienza a desviarse de la curva de entrenamiento, lo que es un signo de sobreajuste del ANFIS. Por lo tanto, la red ANFIS en la época 150 se salvó con un margen de error del 1,5%. A continuación, se presentan las predicciones de FLC de ANFIS. En la Fig. 10, se dan las curvas previstas y las curvas reales de las muestras seleccionadas para el proceso de entrenamiento y validación. Dado que los datos de estas curvas se utilizan para entrenar la red, no sorprende observar predicciones muy cercanas.

FLC experimentales reales versus curvas predichas por ANFIS para diferentes condiciones de fracción de martensita. Estas curvas se utilizan para el proceso de entrenamiento.

El estado de la última muestra es desconocido para el modelo ANFIS. Por lo tanto, probamos nuestro ANFIS entrenado alimentando la fracción de martensita de una muestra del 25,6 % para obtener la FLC. La Figura 11 proporciona la FLC predicha por ANFIS junto con la FLC experimental. El error máximo entre el valor previsto y los experimentales es del 6,2 %, que es superior a los valores previstos en el proceso de entrenamiento y validación. Sin embargo, este error es un error aceptable en comparación con otros estudios en los que la FLC se predice por métodos teóricos37.

Esquema de capas ANFIS para dos entradas y una salida.

En la industria, los parámetros que influyen en la formabilidad se describen de forma lingüística. Por ejemplo, "el tamaño de grano grande disminuye la conformabilidad" o "el aumento en el trabajo en frío reduce la FLC". Las entradas de la red ANFIS, en el primer paso, se dividen en categorías lingüísticas de, por ejemplo, bajo, medio y alto. Para diferentes categorías, la red adopta diferentes reglas. Por lo tanto, en la industria, este tipo de red podría ser muy útil tanto en términos de descripción lingüística de los factores como de inclusión de varios factores en el análisis. En este trabajo, tratamos de incorporar una de las principales características microestructurales de los aceros inoxidables austeníticos al aprovechar las capacidades de ANFIS. La cantidad de martensita inducida por tensión en el 316 es un efecto directo del trabajo en frío en estas láminas. Usando análisis experimentales y ANFIS, se determinó que el aumento en la fracción de martensita en este tipo de aceros inoxidables austeníticos da como resultado una caída significativa en la FLC de 316 láminas, de modo que al aumentar de 7.8 a 28.7% la fracción de martensita hace caer FLD0 de 0.35 a 0.1, respectivamente. Por otro lado, la red ANFIS entrenada y validada utilizando el 80% de los datos experimentales disponibles pudo predecir la FLC con un error máximo del 6,5%, que es un margen de error aceptable en comparación con otros procedimientos teóricos y relaciones fenomenológicas.

Los conjuntos de datos utilizados y/o analizados durante el estudio actual están disponibles del autor correspondiente a pedido razonable.

Iftikhar, CMA et al. Una evolución de los loci de rendimiento subsiguientes bajo la trayectoria de carga proporcional y no proporcional de la aleación de magnesio AZ31 extruida 'tal como se recibe': Experimentos y modelado CPFEM. En t. J. Plast. 151, 103216 (2022).

Artículo CAS Google Académico

Iftikhar, CMA et al. Evolución de superficies de fluencia posteriores con deformación plástica a lo largo de trayectorias de carga proporcionales y no proporcionales en aleación AA6061 recocida: Experimentos y modelado de elementos finitos de plasticidad cristalina. En t. J. Plast 143, 102956 (2021).

Artículo CAS Google Académico

Mánik, T., Holmedal, B. & Hopperstad, OS Transitorios inducidos por cambios en la ruta de deformación en tensión de flujo, endurecimiento por trabajo y valores r en aluminio. En t. J. Plast. 69, 1–20 (2015).

Artículo Google Académico

Mamusi, H. et al. Un nuevo enfoque experimental para determinar la formación de diagramas de límites al considerar el efecto de la presión normal. En t. J.Mater. Forma. 15(1), 1 (2022).

Artículo Google Académico

Yang, Z. et al. Calibración experimental de parámetros de fractura dúctil y límite de formación de lámina AA7075-T6. J.Mater. Proceso. Tecnología 291, 117044 (2021).

Artículo CAS Google Académico

Petritz, A. et al. Dispositivo de captación de energía imperceptible y sensor biomédico basado en transductores ferroeléctricos ultraflexibles y diodos orgánicos. Nat. común 12(1), 2399 (2021).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Basak, S. & Panda, SK Análisis de estricción y límite de fractura de diferentes materiales laminares pretensados ​​en el lugar geométrico de deformación plástica efectiva polar utilizando el modelo de rendimiento Yld 2000–2d. J.Mater. Proceso. Tecnología 267, 289–307 (2019).

Artículo CAS Google Académico

Basak, S. & Panda, SK Deformaciones de falla de láminas metálicas delgadas anisotrópicas: evaluación experimental y predicción teórica. En t. J. Mec. ciencia 151, 356–374 (2019).

Artículo Google Académico

Zhalehfar, F., Hashemi, R. & Hosseinipour, SJ Investigación experimental y teórica del efecto del cambio de trayectoria de deformación en la formación del diagrama de límite de AA5083. En t. j adv. Fabricación Tecnología 76(5–8), 1343–1352 (2015).

Artículo Google Académico

Habibi, M. et al. Investigación experimental de propiedades mecánicas, formabilidad y diagramas de límite de formación para piezas en bruto soldadas a medida producidas por soldadura por fricción y agitación. J. Manuf. Proceso. 31, 310–323 (2018).

Artículo Google Académico

Habibi, M. et al. Formación de diagramas de límites mediante la inclusión del modelo MK en la simulación de elementos finitos considerando el efecto de la flexión. proc. Inst. mecánico Ing. L 232(8), 625–636 (2018).

Google Académico

Habibi, M. et al. Mejora de las propiedades mecánicas y formabilidad del acero bajo en carbono con microestructuras de doble fase. J.Mater. Ing. Llevar a cabo. 25(2), 382–389 (2016).

Artículo MathSciNet CAS Google Académico

Moayedi, H. et al. Efectos de la orientación de la soldadura en la formabilidad de láminas delgadas de acero soldadas a medida. Estructura de paredes delgadas. 149, 106669 (2020).

Artículo Google Académico

Alipour, M. et al. Elemento finito y método experimental para analizar los efectos de las morfologías de martensita en la formabilidad de los aceros DP. mecánico Diseño basado en Estructura. Mach. 48(5), 525–541 (2020).

Artículo Google Académico

Ghazanfari, A. et al. Predicción de FLD para láminas de metal considerando esfuerzos cortantes a través del espesor. mecánico Diseño basado en Estructura. Mach. 48(6), 755–772 (2020).

Artículo Google Académico

Zhao, H. et al. Indentación cuasiestática, impacto de baja velocidad y respuestas de resonancia del panel laminado de doble curva considerando varias condiciones de contorno. Estructuras de paredes delgadas 183, 110360 (2023).

Artículo Google Académico

Zheng, W. et al. Predicción de derivadas de orden n para respuestas de vibración de una capa tipo sándwich compuesta por un núcleo magnetorreológico y capas de cara compuestas. Ing. Anal. Elemento de límite 146, 170–183 (2023).

Artículo MathSciNet Google Académico

Huang, X. et al. Simulación dinámica de estabilidad/inestabilidad del microsistema graduado funcionalmente dependiente del tamaño rotatorio. Ing. computar 38(5), 4163–4179 (2022).

Artículo MathSciNet Google Académico

Liu, H. et al. Una simulación matemática integral del microsistema 3D rotatorio dependiente del tamaño compuesto a través del método de cuadratura diferencial generalizada bidimensional. Ing. computar 38(5), 4181–4196 (2022).

Artículo MathSciNet Google Académico

Wu, J. & Habibi, M. Simulación dinámica del disco en voladizo sándwich de rotación ultrarrápida a través de elementos finitos y métodos seminuméricos. Ing. computar 38(5), 4127–4143 (2022).

Artículo Google Académico

Al-Furjan, MSH et al. Mejora del rendimiento de vibración de una microestructura reforzada con nanocompuesto inteligente giratorio que transporta el flujo de fluido. Ing. computar https://doi.org/10.1007/s00366-020-01255-w (2021).

Artículo Google Académico

Guo, J. et al. Un método informático inteligente para las respuestas de vibración del nanosistema simétrico multicapa giratorio utilizando modelado multifísico. Ing. computar 38(5), 4217–4238 (2022).

Artículo MathSciNet Google Académico

Liu, H. et al. Simulación de movimiento de amplitud y frecuencia de un microsistema viscoelástico compuesto dentro de una elasticidad de tensión de pareja modificada. Ing. computar https://doi.org/10.1007/s00366-021-01316-8 (2021).

Artículo Google Académico

Kong, F. et al. Sobre las vibraciones del disco sándwich electrorreológico con caras compuestas considerando regiones de pre y post fluencia. Estructura de paredes delgadas. 179, 109631 (2022).

Artículo Google Académico

Zhu, L. et al. Predecir el problema del despacho económico ambiental para reducir los materiales no renovables de desecho a través de un innovador algoritmo de optimización de chimpancés multiobjetivo de restricción. J. Limpio. Pinchar. 365, 132697 (2022).

Artículo Google Académico

Shi, X., Li, J. y Habibi, M. Sobre la estática y la dinámica de un flujo de fluido de transporte de nanocápsula GPLRC electrotermomecánicamente porosa. mecánico Diseño basado en Estructura. Mach. 50(6), 2147–2183 (2022).

Artículo Google Académico

Wang, Z. et al. Respuestas de frecuencia y pandeo de un microdisco en voladizo laminado de fibra de metal giratorio de alta velocidad. mecánico Adv. Mate. Estructura. 29(10), 1475–1488 (2022).

Artículo Google Académico

Chen, F. et al. Investigación sobre estabilidad dinámica y características aeroelásticas de tuberías compuestas curvas con cualquier ángulo de guiñada. compos. Estructura. 284, 115195 (2022).

Artículo CAS Google Académico

Shao, Y. et al. Absorción de energía del panel composite multicurvado viscoelástico reforzado bajo fuerza de fricción. Arco. Mecanica Civil. Ing. 21(4), 141 (2021).

Artículo Google Académico

Habibi, M., Taghdir, A. & Safarpour, H. Análisis de estabilidad de una nanocapa eléctricamente cilíndrica reforzada con nanoplaquetas de grafeno. compos. Ing. B. 175, 107125 (2019).

Artículo CAS Google Académico

Yamaguchi, K. & Mellor, P. Dependencia del espesor y del tamaño de grano de las deformaciones límite en el estiramiento de láminas de metal. En t. J. Mec. ciencia 18(2), 85–90 (1976).

Artículo Google Académico

Wilson, D., Roberts, W. & Rodrigues, P. Efecto de la anisotropía del grano en las deformaciones límite en el estiramiento biaxial: Parte I. Influencia del grosor de la lámina y el tamaño del grano en láminas de textura débil. Metal. Trans. A 12(9), 1595–1602 (1981).

Artículo CAS Google Académico

Ulvan, E. & Koursaris, A. El efecto del tamaño de grano en la conformabilidad a granel y las propiedades de tracción del acero inoxidable austenítico tipos 304 y 316. Metall. Trans. A 19(9), 2287–2298 (1988).

Artículo Google Académico

Narutani, T. & Takamura, J. Fortalecimiento del tamaño de grano en términos de densidad de dislocación medida por resistividad. Acta Metall. Mate. 39(8), 2037–2049 (1991).

Artículo CAS Google Académico

Becker, R. & Panchanadeeswaran, S. Efectos de las interacciones de los granos sobre la deformación y la textura local en policristales. Acta Metall. Mate. 43(7), 2701–2719 (1995).

Artículo CAS Google Académico

Wu, P. et al. Análisis del diagrama de límite de formación de plasticidad cristalina de láminas de aluminio laminadas. Metal. Mate. Trans. A. 29(2), 527–535 (1998).

Artículo Google Académico

Amelirad, O. & Assempour, A. Evaluación experimental y de plasticidad cristalina del efecto del tamaño de grano en la formabilidad de láminas de acero inoxidable austenítico. J. Manuf. Proceso. 47, 310–323 (2019).

Artículo Google Académico

Amelirad, O. & Assempour, A. Mecánica de daño continuo acoplado y modelo de plasticidad cristalina y su aplicación en la evolución del daño en agregados policristalinos. Ing. computar https://doi.org/10.1007/s00366-021-01346-2 (2021).

Artículo Google Académico

Chung, K. et al. Formabilidad de láminas automotrices TWIP (plasticidad inducida por hermanamiento). En t. J. Plast. 27(1), 52–81 (2011).

Artículo ADS CAS Google Académico

Hwang, J.-K. Baja formabilidad y reducción de área en aceros de plasticidad inducida por maclado a pesar de su excelente alargamiento a la tracción. Mate. ciencia Ing. A 779, 139123 (2020).

Artículo CAS Google Académico

Mishra, S., Narasimhan, K. & Samajdar, I. Hermanamiento de deformación en acero inoxidable austenítico AISI 316L: papel de la deformación y la trayectoria de deformación. Mate. ciencia Tecnología 23(9), 1118–1126 (2007).

Artículo ADS CAS Google Académico

Hong, Y. et al. Maclas inducidas por deformación y martensita: efectos sobre la fragilización por hidrógeno del acero inoxidable 316 L fundido con láser selectivo (SLM). Corro. ciencia 208, 110669 (2022).

Artículo CAS Google Académico

Shen, YF et al. Hermanamiento y martensita en acero inoxidable austenítico 304. Mate. ciencia Ing. A 552, 514–522 (2012).

Artículo CAS Google Académico

Moradi, H. et al. Modelado de aprendizaje automático y optimización asistida por DOE en la síntesis de partículas de nanosílice a través del método Stöber. Adv. Nano Res. 12(4), 387–403 (2022).

Google Académico

Xie, Y. et al. Efectos de la reducción de espesor en el proceso de laminación en frío sobre la formabilidad de chapas metálicas utilizando ANFIS. ciencia Rep. 12(1), 10434 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Singh, R., Kainthola, A. & Singh, T. Estimación de la constante elástica de las rocas usando un enfoque ANFIS. aplicación Cómputo suave. 12(1), 40–45 (2012).

Artículo Google Académico

Umrao, RK et al. Determinación de la resistencia y módulo de elasticidad de rocas sedimentarias heterogéneas: una técnica predictiva ANFIS. Medida 126, 194–201 (2018).

Artículo ANUNCIOS Google Académico

Lingamdinne, LP y col. Bentonita funcionalizada para la remoción de Pb(II) y As(V) de aguas superficiales: Capacidad y mecanismo de predicción usando redes neuronales artificiales. J. Ing. de Procesos de Agua. 51, 103386 (2023).

Artículo Google Académico

Vatanpour, V. et al. Membranas híbridas de polímero-nanopartícula-nanopartícula/polímero altamente antiincrustantes. ciencia Entorno Total. 810, 152228 (2022).

Artículo ADS CAS PubMed Google Scholar

Vatanpour, V. et al. Membranas de nanocompuestos de sílice/polisulfona funcionalizados con polietilenimina hiperramificados para la purificación de agua. Chemosphere 290, 133363 (2022).

Artículo ADS CAS PubMed Google Scholar

Moradi, H. et al. Estudio experimental y numérico de la remoción de diazinón usando un reactor de columna de burbujas de plasma: Modelado, cinética, mecanismos y productos de degradación. J. Medio Ambiente. química Ing. 10(5), 108291 (2022).

Artículo CAS Google Académico

Asgharnejad Lamraski, MB et al. Modelado termodinámico de varias mezclas binarias alcohol-hidrocarburo en condiciones bajas a moderadas. J. Mol. Liq. 346, 117924 (2022).

Artículo CAS Google Académico

Zhu, H. & Zhao, R. Átomos de Ni aislados indujeron estabilidades de borde y formas de equilibrio de nitruro de boro hexagonal preparado por CVD en la superficie de Ni(111). Nueva J. Chem. 46(36), 17496–17504 (2022).

Artículo CAS Google Académico

Deng, H. et al. Microestructura y propiedades mecánicas de uniones disimilares de NiTi/Ti6Al4V mediante soldadura por fricción y agitación asistida por retrocalentamiento. J. Manuf. Proceso. 64, 379–391 (2021).

Artículo MathSciNet Google Académico

Zhang, P. et al. Mecanismo de daño por impacto de chorro de agua y absorción de energía de penetración dinámica de aleación de aluminio 2A12. Vacío 206, 111532 (2022).

Artículo ADS CAS Google Académico

Zhang, P. et al. Efecto del envejecimiento más tratamiento criogénico sobre la maquinabilidad de la aleación de aluminio 7075. Vacío 208, 111692 (2023).

Artículo ADS CAS Google Académico

Zhang, P. et al. Efecto del proceso de tratamiento térmico sobre la micro maquinabilidad de la aleación de aluminio 7075. Vacío 207, 111574 (2023).

Artículo ADS CAS Google Académico

Yuhua, C. et al. Investigación de grietas de soldadura en uniones de metales disímiles de aleación NiTiNb con memoria de forma y aleación Ti6Al4V microsoldadas con láser. Optar. Tecnología láser. 91, 197–202 (2017).

Artículo ANUNCIOS Google Académico

Liang, L. et al. Efecto del tratamiento térmico de soldadura sobre la microestructura y las propiedades mecánicas de superaleaciones a base de níquel fabricadas mediante fusión selectiva por láser. Mate. ciencia Ing. A 819, 141507 (2021).

Artículo CAS Google Académico

Liao, D. et al. Marco probabilístico para la evaluación de la vida a fatiga de componentes entallados bajo efectos de tamaño. En t. J. Mec. ciencia 181, 105685 (2020).

Artículo Google Académico

Niu, X. et al. Evaluación de fatiga tolerante a defectos de materiales AM: efecto de tamaño y perspectivas probabilísticas. En t. J. Fatiga 160, 106884 (2022).

Artículo CAS Google Académico

Xu, H. et al. Análisis termomecánico transitorio del contacto deslizante de aspereza microcilíndrica de la aleación SnSbCu. Tribol. En t. 167, 107362 (2022).

Artículo CAS Google Académico

Chen, X. et al. La capacidad de la lógica difusa acoplada y la red neuronal adaptativa en la predicción de conformabilidad de láminas de acero. Waves Random Complex Media https://doi.org/10.1080/17455030.2022.2162154 (2023).

Artículo Google Académico

Lu, Y.-H. et al. Estudio de uso de ANFIS para la predicción en el proceso de expansión de pozos. En t. j adv. Fabricación Tecnología 26(5–6), 544–551 (2005).

Artículo Google Académico

Abràmoff, MD, Magalhães, PJ & Ram, SJ Procesamiento de imágenes con ImageJ. Biofotónica Int. 11, 36–42 (2004).

Google Académico

Habibi, M. et al. Determinación del diagrama de límite de formación utilizando dos modelos de elementos finitos modificados. mecánico Ing. 48(4), 141–144 (2017).

Google Académico

Jang, JR ANFIS: Sistema de inferencia difusa basado en red adaptativa. Trans. IEEE. sist. Hombre cibernético. 23(3), 665–685 (1993).

Artículo Google Académico

Takagi, T. & Sugeno, M. Identificación difusa de sistemas y sus aplicaciones al modelado y control. Trans. IEEE. sist. Hombre cibernético. 1, 116–132 (1985).

Artículo MATEMÁTICAS Google Académico

Xu, S. & Weinmann, KJ Sobre la predicción de los límites de formación utilizando los criterios de rendimiento de Hill. J.Mater. Ing. Llevar a cabo. 9(2), 174–182 (2000).

Artículo CAS Google Académico

Ghosh, AK & Hecker, SS Fracaso en láminas delgadas estiradas sobre punzones rígidos. Metal. Trans. A 6(5), 1065–1074 (1975).

Artículo Google Académico

Hashemi, R., Mamusi, H. & Masoumi, A. Un enfoque basado en simulación para la determinación de la formación de diagramas de límites. proc. Inst. mecánico Ing. B 228(12), 1582–1591 (2014).

Artículo CAS Google Académico

Él, J. et al. Análisis MK del diagrama de límite de formación bajo estirado-flexión. J. Manuf. ciencia Ing. https://doi.org/10.1115/1.4024536 (2013).

Artículo Google Académico

Dilmec, M. et al. Efectos del espesor de la lámina y la anisotropía en la formación de curvas límite de AA2024-T4. En t. j adv. Fabricación Tecnología 67(9–12), 2689–2700 (2013).

Artículo Google Académico

Ghazanfari, A. et al. Investigación sobre el rango efectivo del esfuerzo cortante a través del espesor en el diagrama de límite de formación utilizando un modelo Marciniak-Kuczynski modificado. Modares Mec. Ing. 16(1), 137–143 (2016).

MathSciNet Google Académico

Ma, B. et al. Evaluación de la curva límite de formación de una placa de acero mediana basada en una tensión normal de espesor no constante. J. Manuf. Proceso. 33, 175–183 (2018).

Artículo Google Académico

Wilson, D., Mirshams, A. & Roberts, W. Un estudio experimental del efecto del grosor de la lámina y el tamaño del grano en las deformaciones límite en el estiramiento biaxial. En t. J. Mec. ciencia 25(12), 859–870 (1983).

Artículo Google Académico

Ma, B. et al. El efecto de la tensión normal a través del espesor en la formabilidad de la hoja. J. Manuf. Proceso. 21, 134–140 (2016).

Artículo Google Académico

Descargar referencias

Este trabajo fue apoyado por la Oficina de Ciencia y Tecnología del Distrito de Yongchuan de la ciudad de Chongqing (2021yc-jckx20015). Este trabajo fue apoyado por el proyecto de financiación del equipo de innovación científica y tecnológica de la Universidad Dalian Ocean de 2021 (c202114), el proyecto de fondo de investigación científica de 2020 del Departamento de Educación de la provincia de Liaoning (ql202017), el proyecto general del Departamento de ciencia y tecnología de la provincia de Liaoning (ljkz0734).

Escuela vocacional de creación de Chongqing, Yongchuan, 402160, Chongqing, China

Ming Xiang Zhang

Facultad de Tecnología Aplicada, Universidad Oceánica de Dalian, Dalian, 116300, Liaoning, China

Zheng Meng

Facultad de Ingeniería, Universidad Islámica Azad, Sucursal del Norte de Teherán, Teherán, Irán

morteza shariati

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

MZ desarrolló un modelo de inteligencia artificial, escribió la parte respectiva del manuscrito, ZM supervisó el proyecto e integró las secciones experimentales y de modelado, MS cosupervisó el proyecto, realizó trabajos experimentales y escribió la parte respectiva del manuscrito. MZ y MS. preparó las figuras. Todos los autores revisaron el manuscrito.

Correspondencia a Zheng Meng o Morteza Shariati.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Zhang, M., Meng, Z. & Shariati, M. Predicción del límite de formación basada en ANFIS de chapas de acero inoxidable 316. Informe científico 13, 3115 (2023). https://doi.org/10.1038/s41598-023-28719-5

Descargar cita

Recibido: 11 diciembre 2022

Aceptado: 23 de enero de 2023

Publicado: 22 febrero 2023

DOI: https://doi.org/10.1038/s41598-023-28719-5

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.