23748

بررسي تأثير دما و نرخ كرنش فشار داغ بر ريزساختار و شكل پذيري سوپرآلياژ X-750 با استفاده از شبكه عصبي

كارشناسي ارشد

مهندسي مواد- شكل دادن فلزات

1395

1399/8/27

آقايان دكتر حسين عربي و باقر محمدصادقي

آقاي دكتر بهمن ميرزاخاني

مواد و متالورژي

در اين تحقيق، رفتار سيلان سوپرآلياژ پايه نيكل X-750 با استفاده از آزمايشهاي فشار داغ بررسي شد. سوپرآلياژ پايه نيكل X-750 نقش مهمي در هواپيماها، اتصالات ساختماني و اجزاي توربينهاي گازي مانند پره هاي متحرك، ديسكها و شفتها دارد. اين قطعات در شرايط دمابالا قرار دارند. به همين علت شناخت رفتار سيلان ماده در اين دماها مهم است. يكي از روشهاي مورداستفاده براي توليد قطعات از اين جنس، فرآيند فشار داغ است. با توجه به تاثيرگذاري سوپرآلياژ پايه نيكل X-750 در صنعت هوايي، محدوديت زمان و ماده و هزينه هاي گزاف آزمايشهاي عملي، استفاده از شبكه عصبي و هوش مصنوعي به‌منظور تخمين و پيش بيني رفتار سيلان ماده تحت تنشهاي مختلف، راهي موثر در صرفه جويي زمان و هزينه است. مدلسازي شبكه عصبي با صرفه جويي در زمان و هزينه، پيش بيني رفتار سوپرآلياژ پايه نيكل X-750 را امكانپذير كرده است. بنابراين بدون انجام هرگونه آزمايش مخرب در دماي بالا، با اجتناب از آزمون‌وخطا، ميتوان عمر مفيد مواد را افزايش داد. هدف از اين تحقيق استفاده از چنين روشهايي براي پيش بيني رفتار سيلان سوپرآلياژ پايه نيكل X-750 در دماهاي بالا و نرخ كرنشهاي مختلف است. در اين پايان نامه مروري بر سوپرآلياژهاي پايه نيكل به‌خصوص X-750 تحت‌فشار داغ و تخمين رفتار تغيير شكل پلاستيك آنها با استفاده از شبكه عصبي انجام شد. رفتار تغيير شكل سوپرآلياژ X-750 توسط دستگاه فشار مدل Zwick/Roell Z250 در دماهاي ºC850، ºC900، ºC950، ºC1000، ºC1050 و نرخ كرنشهاي s-13-10، s-12-10، s-11-10 و s-11 بررسي شد. نتايج نشان داد كه با كاهش دما و افزايش نرخ كرنش، تنش تغيير شكل كاهش مييابد. با اعمال فشار داغ در شرايط مختلف، تبلور مجدد ديناميكي اتفاق افتاد. نقشه هاي فرآيند سوپرآلياژ X-750 در كرنشهاي 15/0، 20/0، 25/0، 30/0 و 35/0 رسم شد. پارامترهاي بهينه براي تغيير شكل در كرنش 35/0 در دو ناحيه دما 850-ºC900، نرخ كرنش 3-10-s-13-10×2 و دما 960-ºC1050، نرخ كرنش 3-10×4-s-12-10×8 بود. سپس سه مدل شبكه عصبي عميق آموزش داده شد. در اين مدلها دما، نيرو، جابهجايي، كرنش و نرخ كرنش به‌عنوان لايه هاي ورودي و تنش سيلان لايه خروجي بود. لازم به ذكر است كه مدلسازي شبكه عصبي با دقت 94% و 98% براي روشهاي اول و دوم به دست آمد. در مدلسازي آخر، از داده هاي آزمايشها براي پيش بيني رفتار تغيير شكل ماده در دماهايي كه آزمايشهاي عملي انجام‌نشده بود، استفاده شد. رفتار سيلان در پنج دما پيش بيني شد كه نتايج به‌دست‌آمده به داده هاي تجربي نزديك بود.

1400/03/07

Effects of temperature and strain rate on workability and microstructure of X-750 superalloy by neural network

11/18/2021 12:00:00 AM

The deformation behavior of X-750 Ni-based superalloy was investigated using the hot compression test in this study. Since X-750 Ni-based superalloy plays a key role in aircrafts, structural joints and gas turbine parts such as mobile blades, disks and shafts part at high temperatures, a knowledge of its behavior at these temperatures is very important. One way to produce these parts is hot compression. Considering the important role of X-750 Ni-based superalloy in aerospace industry and also time and material limitation and high costs of exper-imental works, use of neural network and artificial intelligence in order to ap-proximate and predict flow behavior of the material under different tensions is a cost and time-effective method. Neural network modeling makes it possible to save the time and money and predict the behavior of X-750 Ni-based superalloy. Therefore without doing any destructive experiment at high temperature, one can extend the service life of the material by avoiding trial and error. This study aims using such method to predict flow behavior and plasticity of X-750 Ni-based sup-eralloy at high temperatures and different strain rates. This research is a review of hot compression tests done on Ni-based superalloys, exclusively X-750 and ap-proximation of plastic behavior of superalloys based on the neural network method. Twenty compression tests were performed by Zwick/Roell Z250 machine at 850, 900, 950, 1000, 1050ºC and strain rates of 10-3, 10-2, 10-1 and 1s-1. The re-sults obtained showed that in general, raising temperature and reducing strain rate lead to reduction of tension required for deformation. Applying hot com-pression under various conditions caused recrystallization of material and gen-eration of fine grain. Processing maps of X-750 Ni-based superalloy were pic-tured at strain of 0.15, 0.20, 0.25, 0.30 and 0.35. The optimum workability param-eters of the alloy are deformation temperature between 850ºC and 900ºC, strain rate at 10-3-2×10-3s-1 and deformation temperature between 960ºC and 1050ºC, strain rate at 4×10-3-8×10-2s-1 according to the processing maps at strain equal to 0.35. Then, three deep neural network (DNN) models were trained at which the temperature, force, displacement, strain and strain rate were used as the input layers and the flow stress as the output. Worthmentioning the neural network modeling was done with 94% and 98% accuracy at first and second model, re-spectively. At last model, the verification of flow behavior of material obtained under various condition were used for predicting the flow behavior of this mate-rial in high temperature which the alloy was not tested before. The flow behavior was predicted at five temperatures which were not experimented. These predic-tions are closed to experimental data.

سوپرآلياژ پايه نيكل X-750 , فشار داغ , تبلور مجدد ديناميكي , نقشه هاي فرآيند , شبكه عصبي

X-750 Ni-based Superalloy , Hot compression , Dynamic recrystallization , Processing map , Neural network