8457

پيشبيني استحكام فولاد سبك Fe-Mn-Al-C با استفاده از مدل شبكه عصبي مصنوعي

كارشناسي

مهندسي مواد و متالورژي

1402

دكتر حميد رضا عابدي

دكتر رضوي

1402/04/26

مواد و متالورژي

High Temperature Flow Behavior Modelling of a Fe-Mn-Al-C Low Density Steel through Artificial Neural Network Modelling

از زمان معرفي فولادهاي پيشرفته پراستحكا م تا كنون دسته هاي متنوعي از آنها شامك فولادهاي دوفازي و چندفازيب فولادهاي مارتنزيتيب و فولادهاي با پ ستيسيته القاشده توسا استحاله و دوقلويي طراحي و به كار گرفته شده است. نسبت استحكام به وزن بالا از مهمترين ويهگي آنها در مقايسه با فولادهاي معمولي به شمار مي رود.در همين راستا و به منظور گسترش قابليت و كارايي اين دسته از فولادهاب طراحي فولادهاي سبك مورد توجه قرار گرفت . در اين پهوهش رفتار سي ن دماي بالاي فولاد سبك Fe-11Mn-6Al-0.1C بررسي شده است. به اين منظور آزمايشهاي فشار داغ در دماهاي 1100 - 100 درجه سانتيگراد تحت نر خها ي كرنشهاي 1-s 001 / 0 ، 1-s 01 / 0 و 1-s 1 / 0 انجام ش د. بر اساس مقادير ضريب حساسيت به نرخ كرنش به دست آمدهب نقش ههاي فراين د و نقش ههاي ات توان بر اساس مدل ديناميكي مواد ) DMM ( در كرن شها ي 1 / 0 ب 2 / 0ب 3 / 0 و 4 / 0 رسم شدند و مناطو ناپايداري متالورژيك ي مشهن شدند. ب همنظور پي شبيني رفتار تغيير شكك داغ فولاد سبك Fe-11Mn-6Al-0.1C ب از مدل آرنيوسي استفاده شد با توجه به محدوده دمايي وسيع مورد بررسي و در نتيجه انرژي فعال سازي در اين محدوده دماييب مدل آرنيوسي نتوانست پي شبيني دقيقي در دماها و نرخ كرنشهاي مهتلف داشته باش د. به همين علت پيش بيني رفتار سي ن گرم فولاد با استفاده ا ز مدل شبكه عصبي مصنوعي س هلايه شامك لايه وروديب يك لايه مهفي متشكك از 30 نورون و لايه خروجي انجام پذيرفت . براي ارزيابي دقت مد لهاي ب هكارگرفت هشده از پارامترهاي استاندارد آماري در قالب ضريب همبستگي ) R(ب ريشه ميانگين مربعات خطا ) RMSE ( ميانگين خطاي نسبي مطلو (AARE) استفاده شد. نتايج حاصك از اين ارزيابي نشان م يدهد كه مدل شبكه عصبي مصنوعي توانايي بسيار بالايي در پي شبيني رفتار تغيي ر شكك داغ فولاد سبك Fe-11Mn-6Al-0.1C و پي شبيني نواحي سه تشوندگي و نر مشوندگي در منحن يهاي تنش -كرنش دارد.

فولاد ، فولاد سبك ، شبكه عصبي مصنوعي ، مدل آرنيوس ، نقشه فرايند