ANFIS

Wissenschaftliche Berichte Band 13, Artikelnummer: 3115 (2023) Diesen Artikel zitieren

583 Zugriffe

2 Altmetrisch

Details zu den Metriken

Der Einfluss der Mikrostruktur auf die Formbarkeit rostfreier Bleche ist für Ingenieure in der Blechindustrie ein wichtiges Anliegen. Bei austenitischen Stählen führt das Vorhandensein von verformungsinduziertem Martensit (\({\alpha }^{^{\prime}}\)-Martensit) in ihrer Mikrostruktur zu einer erheblichen Verhärtung und Verringerung der Umformbarkeit. In der vorliegenden Studie wollen wir die Formbarkeit von AISI 316-Stählen mit unterschiedlichen Martensitintensitäten mithilfe experimenteller und künstlicher Intelligenzmethoden bewerten. Im ersten Schritt werden Stähle der Güteklasse AISI 316 mit 2 mm Ausgangsdicke geglüht und auf verschiedene Dicken kaltgewalzt. Anschließend wird die relative Fläche des verformungsinduzierten Martensits mithilfe metallografischer Tests gemessen. Die Formbarkeit der gewalzten Bleche wird mithilfe des Halbkugelstanztests bestimmt, um Formgrenzdiagramme (FLDs) zu erhalten. Die aus den Experimenten gewonnenen Daten wurden weiter genutzt, um ein künstliches neuronales Fuzzy-Interferenzsystem (ANFIS) zu trainieren und zu validieren. Nach dem Training des ANFIS werden die vom neuronalen Netzwerk vorhergesagten Hauptbelastungen mit neuen experimentellen Ergebnissen verglichen. Die Ergebnisse deuten darauf hin, dass Kaltwalzen ungünstige Auswirkungen auf die Formbarkeit dieser Art von rostfreien Stählen hat, die Bleche jedoch deutlich fester wird. Darüber hinaus zeigt das ANFIS im Vergleich zu den experimentellen Messungen zufriedenstellende Ergebnisse.

Obwohl die Formbarkeit von Blechen seit Jahrzehnten Gegenstand von Forschungsartikeln ist, ist sie dennoch ein interessantes Forschungsgebiet in der Metallurgie. Die neuen technologischen Instrumente und Rechenmodelle erleichtern die Aufklärung der zugrunde liegenden Faktoren, die die Umformbarkeit beeinflussen. Am wichtigsten ist, dass die Verwendung der Finite-Elemente-Methode der Kristallplastizität (CPFEM) in den letzten Jahren die Bedeutung der Mikrostruktur für die Formungsgrenzen offenbart. Andererseits haben die Verfügbarkeit von Rasterelektronenmikroskopen (REM) und Elektronenrückstreubeugung (EBSD) Forschern dabei geholfen, mikrostrukturelle Aktivitäten der kristallinen Strukturen während der Verformung zu beobachten. Das Verständnis der Auswirkungen verschiedener Phasen in Metallen, der Korngröße und -orientierung sowie der Mikrofehler im Kornniveau ist für die Vorhersage der Formbarkeit von entscheidender Bedeutung.

Die Bestimmung der Formbarkeit selbst ist ein anspruchsvolles Verfahren, da nachgewiesen wurde, dass die Formbarkeit stark pfadabhängig ist1,2,3. Daher könnte die herkömmliche Darstellung der Grenzformänderungsdehnungen unter nichtproportionalen Belastungsbedingungen nicht zuverlässig sein. Andererseits wird der Großteil der Belastungspfade im industriellen Einsatz als nichtproportional eingestuft. In dieser Hinsicht sollten konventionelle Hemisphären- und Marciniak-Kuczynski-Methoden (M–K) mit Vorsicht angewendet werden4,5,6. In den letzten Jahren hat ein anderes Konzept des Bruchformungsgrenzendiagramms (FFLD) die Aufmerksamkeit vieler Ingenieure auf dem Gebiet der Formbarkeit auf sich gezogen. Bei diesem Konzept wird die Umformbarkeit der Bleche anhand der Schadensmodelle vorhergesagt. In dieser Hinsicht ist die Pfadunabhängigkeit von Natur aus in die Analysen einbezogen und die Ergebnisse stimmen gut mit nichtproportionalen experimentellen Ergebnissen überein7,8,9. Die Formbarkeit von Blechen hängt von mehreren Parametern und der Verarbeitungsgeschichte der Bleche sowie von der Mikrostruktur und den Phasen in Metallen ab10,11,12,13,14,15.

Die Größenabhängigkeit ist eine Herausforderung bei der Integration von Mikromerkmalen in Metalle. Im Raum mit geringer Verformung hat sich gezeigt, dass die Abhängigkeit der Vibrations- und Knickeigenschaften stark von der Längenskala der Materialien abhängt16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Der Einfluss der Korngröße auf die Umformbarkeit ist in der Industrie seit langem bekannt. Die Auswirkungen der Korngröße und -dicke auf die Dehnbarkeit von Blechen wurden mithilfe einer theoretischen Analyse von Yamaguchi und Mellor31 untersucht. Unter Verwendung des Marciniak-Modells berichteten sie, dass eine Verringerung des Verhältnisses von Dicke zu Korngröße zu einer Verringerung der Dehnbarkeit von Platten unter biaxialer Streckbelastung führt. Experimentelle Ergebnisse von Wilson et al.32 bestätigen, dass die Reduzierung der Dicke auf den durchschnittlichen Korndurchmesser (t/d) zu einer Verringerung der biaxialen Dehnbarkeit von drei verschiedenen Blechen mit unterschiedlichen Dicken führt. Sie kamen zu dem Schluss, dass bei t/d-Werten unter 20 die ausgeprägte Dehnungsinhomogenität und Einschnürung hauptsächlich durch einzelne Körner in der Dicke des Blechs beeinflusst werden. Der Einfluss der Korngröße austenitischer Edelstähle 304 und 316 auf die Massenverarbeitbarkeit wurde von Ulvan und Koursaris33 untersucht. Sie berichteten, dass die Formbarkeit dieser Metalle nicht durch die Korngröße beeinflusst wurde, es konnten jedoch leichte Abweichungen in den Zugeigenschaften festgestellt werden. Insbesondere führte die Erhöhung der Korngröße zu einer Verringerung der Festigkeitswerte dieser Stähle. Die Untersuchung des Einflusses der Versetzungsdichte auf die Fließspannung von Nickelmetall zeigt, dass es unabhängig von der Korngröße die Versetzungsdichte ist, die die Fließspannung des Metalls bestimmt34. Kornwechselwirkungen und Anfangsorientierungen haben auch einen erheblichen Einfluss auf die Texturentwicklung in Aluminium, wie von Becker und Panchanadeeswaran mithilfe experimenteller und Kristallplastizitätssimulationen35 untersucht wurde. Die numerischen Ergebnisse in ihren Analysen stimmten gut mit Experimenten überein, obwohl einige Einschränkungen bei der Anwendung von Randbedingungen auftraten Die Simulationsergebnisse unterschieden sich von den Experimenten. Gewalzte Aluminiumbleche zeigten unterschiedliche Formbarkeiten, wie Kristallplastizitätssimulationen und experimentelle Untersuchungen ermittelten36. Es zeigte sich, dass die Spannungs-Dehnungs-Kurven verschiedener Bleche zwar nahezu ähnlich waren, es jedoch signifikante Unterschiede in ihrer Formbarkeit auf Basis der ursprünglichen gab Texturen. Amelirad und Assempour nutzten Experimente und CPFEM, um Umformgrenzkurven in austenitischem Edelstahlblech zu erhalten37. Ihre Simulation zeigt, dass sich die Korngrößenverschiebungen bei der Bildung von Grenzkurven in FLD nach oben verschieben. Darüber hinaus wurden Kornorientierungs- und Morphologieeffekte auf die Hohlraumkeimbildung untersucht von denselben Autoren38.

Neben der Kornmorphologie und -orientierung sind bei austenitischen Edelstählen auch der Zustand der Zwillingsbildung und der zweiten Phasen wichtig. Zwillingsbildung ist der Hauptmechanismus der Härtung und Dehnungsverbesserung in den TWIP-Stählen39. Hwang40 berichtete, dass die Umformbarkeit von TWIP-Stählen trotz ausreichender Zugreaktionen nicht zufriedenstellend sei. Die Auswirkungen dehnungsinduzierter Zwillingsbildung auf die Umformbarkeit austenitischer Stahlbleche sind jedoch nicht ausreichend bekannt. Mishra et al.41 untersuchten austenitischen rostfreien Stahl, um die Entstehung von Zwillingen unter verschiedenen Dehnungs- und Dehnungspfaden zu beobachten. Sie fanden heraus, dass Zwillinge sowohl aus den Zerfallsquellen der ausglühenden Zwillinge als auch aus der neuen Generation von Zwillingen entstehen können. Es wurde beobachtet, dass bei biaxialer Streckung die meisten Zwillinge erzeugt werden. Darüber hinaus wurde beobachtet, dass die Umwandlung von Austenit in \({\alpha }^{^{\prime}}\)-Martensit vom Dehnungspfad abhängt. Hong et al.42 untersuchten die Auswirkungen von spannungsinduzierter Zwillingsbildung und Martensit im selektiv lasergeschmolzenen austenitischen Stahl 316 L auf die Wasserstoffversprödung in einem Temperaturbereich. Es wurde beobachtet, dass der Wasserstoff basierend auf dem Temperaturwert zu einem Bruch führen oder die Formbarkeit der 316 L-Stähle verbessern könnte. Das Volumen des verformungsinduzierten Martensits unter Zugbelastungsbedingungen und verschiedenen Belastungsgeschwindigkeiten wurde von Shen et al.43 experimentell gemessen. Es zeigte sich, dass eine Erhöhung der Zugspannung den Volumenanteil der Martensitanteile erhöht.

Der Einsatz von Methoden der künstlichen Intelligenz in den Bereichen Wissenschaft und Technik nimmt zu, da sie sich bei der Modellierung komplexer Probleme vielseitig einsetzen lassen, ohne sich mit den physikalischen und mathematischen Grundlagen des Problems auseinanderzusetzen44,45,46,47,48,49,50,51,52. Moradi et al.44 nutzten Methoden des maschinellen Lernens, um den chemischen Zustand zu optimieren, was zur Produktion kleinerer Nano-Siliciumdioxid-Partikel führte. Auch andere chemische Eigenschaften beeinflussten die Eigenschaften des nanoskaligen Materials, wie in vielen Forschungsartikeln untersucht53. Xie et al.45 beauftragten ANFIS mit der Vorhersage der Formbarkeit von Blechen aus reinem Kohlenstoffstahl unter verschiedenen Walzbedingungen. Durch das Kaltwalzen nimmt die Versetzungsdichte in kohlenstoffarmen Stählen stark zu. Der Mechanismus der Härtung und Verringerung der Formbarkeit unterscheidet sich bei reinem Kohlenstoffstahl von austenitischen Edelstählen. Bei reinem Kohlenstoffstahl findet keine Phasenumwandlung in der Mikrostruktur des Metalls statt. Neben der Phase von Metallen beeinflussen mehrere andere mikrostrukturelle Merkmale, die aus unterschiedlichen Prozessen wie Wärmebehandlung, Kaltumformung und Alterung resultieren, die Duktilität, den Bruch, die Bearbeitbarkeit usw. der Metalle54,55,56,57,58,59,60,61,62 . Kürzlich untersuchten Chen et al.63 die Auswirkungen des Kaltwalzens auf die Formbarkeit von 304 L-Stählen. Sie berücksichtigten in den experimentellen Tests nur phänomenologische Beobachtungen, um ein neuronales Netzwerk zur Vorhersage der Formbarkeit zu trainieren. Tatsächlich kommt es bei austenitischen Edelstählen zu einer Verringerung der Dehnbarkeit von Blechen durch mehrere Faktoren. Lu et al.64 nutzten ANFIS, um die Auswirkungen verschiedener Parameter auf den Locherweiterungsprozess zu beobachten.

Wie im obigen Aufsatz kurz erörtert, wird der Einfluss der Mikrostruktur auf die Grenzformdiagramme in der Literatur kaum thematisiert. Andererseits sind die zu berücksichtigenden mikrostrukturellen Merkmale zahlreich. Daher ist eine Einbeziehung aller mikrostrukturellen Faktoren in analytische Methoden kaum möglich. In diesem Sinne könnte der Einsatz künstlicher Intelligenz hilfreich sein. In diesem Zusammenhang wird in der vorliegenden Studie die Auswirkung eines Aspekts des mikrostrukturellen Faktors, nämlich des Vorhandenseins von spannungsinduziertem Martensit, auf die Formbarkeit der rostfreien Bleche untersucht. Diese Studie unterscheidet sich von anderen KI-Studien zur Formbarkeit dadurch, dass sie sich auf die mikrostrukturellen Merkmale konzentriert und nicht nur auf die experimentellen FLD-Kurven. Unser Ziel ist es, die Umformbarkeit von 316-Stählen mit unterschiedlichen Martensitgehalten mithilfe experimenteller und künstlicher Intelligenzmethoden zu bewerten. Im ersten Schritt werden 316er Stähle mit 2 mm Ausgangsdicke geglüht und auf verschiedene Dicken kaltgewalzt. Anschließend wird die relative Martensitfläche mithilfe metallografischer Tests gemessen. Die Formbarkeit der gewalzten Bleche wird mithilfe des Halbkugelstanztests bestimmt, um Formgrenzdiagramme (FLDs) zu erhalten. Die gewonnenen Daten werden weiter verwendet, um ein künstliches neuronales Fuzzy-Interferenzsystem (ANFIS) zu trainieren und zu validieren. Nach dem Training des ANFIS werden die Vorhersagen des neuronalen Netzwerks mit neuen experimentellen Ergebnissen verglichen.

Das in der aktuellen Studie verwendete Blech besteht aus austenitischem Edelstahl 316 mit der in Tabelle 1 dargestellten chemischen Zusammensetzung und einer Anfangsdicke von 1,5 mm. Ein einstündiger Glühprozess bei 1050 °C und anschließendes Abschrecken mit Wasser wurden durchgeführt, um jegliche Restspannung im Blech zu beseitigen und eine gleichmäßige Mikrostruktur zu erhalten.

Die Mikrostruktur der austenitischen Stähle konnte mithilfe verschiedener Ätzmittel sichtbar gemacht werden. Eines der besten Ätzmittel ist 60 %ige Salpetersäure in destilliertem Wasser bei 1 V Gleichstrom für 120 s38. Dieses Ätzmittel zeigt jedoch nur Korngrenzen und die Zwillingsgrenzen konnten nicht erkannt werden, wie in Abb. 1a zu sehen war. Ein weiteres Ätzmittel ist Essigsäureglycerin, bei dem die Zwillingsgrenzen gut sichtbar sind, die Korngrenzen jedoch nicht sehr gut sichtbar sind, wie in Abb. 1b zu sehen ist. Darüber hinaus konnte nach der Umwandlung der metastabilen austenitischen Phase in die \({\alpha }^{^{\prime}}\)-Martensitphase der Martensit mithilfe von essigsäurehaltigen Glycerin-Ätzmitteln freigelegt werden, was für die aktuelle Studie von Interesse ist.

Mikrostruktur von 316-Blech nach dem Glühen im Empfangszustand, wie durch verschiedene Ätzmittel sichtbar gemacht, (a) 200x, 60 % \({\mathrm{HNO}}_{3}\) in destilliertem Wasser bei 1,5 V für 120 s, und (b) 200x, Essigsäureglycerin.

Die geglühten Bleche wurden zum Walzen auf eine Breite von 11 cm und eine Länge von 1 m geschnitten. Die Kaltwalzvorrichtung hatte zwei symmetrische Walzen mit 140 mm Durchmesser. Der Kaltwalzprozess induziert die Umwandlung von Austenit in verformungsinduzierten Martensit in Edelstahl 316. Wir suchen nach dem Verhältnis der Martensitphase zur Austenitphase nach dem Kaltwalzen auf unterschiedliche Dicken. Eine Probe der gewalzten Blechmikrostruktur ist in Abb. 2 dargestellt. Abbildung 2a zeigt das metallografische Bild der gewalzten Probe, gesehen von der Normalen zur Blechrichtung. In Abb. 2b wird der Teil des Martensits mit der ImageJ-Software65 mit schwarzer Farbe kontrastiert. Mit den Werkzeugen dieser Open-Source-Software ist es möglich, die Fläche des Martensitanteils zu messen. Einen detaillierten Anteil der Martensit- bis Austenitphase nach dem Walzen auf verschiedene Dickenreduzierungen finden Sie in Tabelle 2.

Mikrostruktur eines 316-L-Blechs nach dem Walzen auf 50 % Dickenreduzierung, gesehen von der Normalen zur Blechebenenrichtung, 200-fache Vergrößerung, Essigsäureglycerin.

Die in Tabelle 2 angegebenen Werte werden durch Mittelung des Martensitanteils ermittelt, der aus drei Bildern von verschiedenen Standorten derselben metallografischen Probe gemessen wurde. Darüber hinaus ist in Abb. 3 eine quadratische Anpassungskurve dargestellt, um einen genaueren Einblick in die Auswirkung des Kaltwalzens auf den Martensit zu erhalten. Es ist ersichtlich, dass eine nahezu lineare Korrelation zwischen dem Martensitanteil und der Reduzierung der Kaltwalzdicke besteht. Eine quadratische Beziehung lässt sich jedoch besser darstellen.

Änderung des Martensitanteils als Funktion der Dickenreduzierung beim Kaltwalzprozess für anfänglich geglühte 316er Bleche.

Die Bewertung der Verformungsgrenze erfolgt nach einem Routineverfahren unter Verwendung des Halbkugelstanztests37,38,45,66. Insgesamt werden sechs Proben mit den in Abb. 4a angegebenen Abmessungen durch Laserschneidverfahren als ein Satz Versuchsproben hergestellt. Für jeden Martensit-Anteilszustand werden drei Sätze Testproben vorbereitet und getestet. Abbildung 4b zeigt die geschnittenen, polierten und markierten Proben.

Nakazimas Formgebung begrenzt die Abmessungen von Mustern und Schnittblechen. (a) Abmessungen, (b) geschnittene und markierte Proben.

Der Halbkugel-Stanztest wird unter Verwendung einer hydraulischen Presse mit einer Verschiebungsgeschwindigkeit von 2 mm/s durchgeführt. Die Kontaktflächen von Stempel und Blech werden ausreichend geschmiert, um den Einfluss der Reibung auf die Umformgrenzwerte zu minimieren. Die Tests wurden fortgesetzt, bis eine offensichtliche Einschnürung oder ein Bruch in der Probe beobachtet wurde. In Abb. 5 ist eine gebrochene Probe im Gerät und nach dem Test dargestellt.

Bestimmung der Verformungsgrenze mittels Halbkugel-Stanztest, (a) Testgerät, (b) Probenblech im Gerät zum Zeitpunkt des Bruchs, (c) Dieselbe Probe nach dem Test.

Das von Jang67 entwickelte Neural-Fuzzy-System ist ein geeignetes Werkzeug zur Vorhersage von Umformgrenzkurven von Blechen. Diese Art von künstlichen neuronalen Netzen berücksichtigt die Auswirkungen von Parametern mit unscharfer Beschreibung. Das bedeutet, dass sie in ihrem Bereich jeden echten Wert annehmen könnten. Diese Art von Werten wird basierend auf ihrem Wert weiter kategorisiert. Jede Kategorie wäre von ihrer jeweiligen Regel betroffen. Der Temperaturwert könnte beispielsweise eine beliebige reelle Zahl sein. Basierend auf seinem Wert könnte er in kalte, gemäßigte, warme und heiße Temperatur kategorisiert werden. Dabei gilt bei kalten Temperaturen beispielsweise „Trage eine Jacke“ und bei warmen Temperaturen „Ein T-Shirt reicht“. In der Fuzzy-Logik selbst werden die Ausgabeergebnisse auf ihre Genauigkeit und Zuverlässigkeit hin bewertet. Durch die Integration eines neuronalen Netzwerksystems mit Fuzzy-Logik kann sichergestellt werden, dass das ANFIS zuverlässige Ergebnisse liefert.

Ein einfaches neuronales Fuzzy-Netzwerk ist in Abb. 6 dargestellt, wie es von Jang67 bereitgestellt wird. Wie in dieser Abbildung zu sehen ist, akzeptiert das Netzwerk zwei Eingaben, bei denen es sich im Fall unserer Studie um den Martensitanteil in der Mikrostruktur und den geringfügigen Dehnungswert handelt. In der ersten Analyseebene erfolgt die Fuzzifizierung der Eingabewerte mithilfe von Fuzzy-Regeln und Zugehörigkeitsfunktionen (MFs):

für \(i=1, 2\), da angenommen wird, dass die Eingabedaten zwei Beschreibungskategorien haben. Die MFs könnten jede beliebige Dreiecks-, Trapez-, Gaußsche oder jede andere Form annehmen.

Schematische Darstellung der ANFIS-Schichten für zwei Eingänge und einen Ausgang67.

Basierend auf den Kategorien von \({A}_{i}\) und \({B}_{i}\) und ihren MF-Werten werden einige Regeln in der Schicht 2 übernommen, wie in Abb. 7 dargestellt. In diesen Schichten , Effekte verschiedener Eingaben werden auf eine bestimmte Weise kombiniert. Hier wird die folgende Regel verwendet, um die Auswirkungen des Martensitanteils und der Nebendehnungswerte zu kombinieren:

Fuzzy-Unterräume für ANFIS mit zwei Eingaben und vier Regeln.

Die Ausgabe dieser Schicht, \({w}_{i}\), wird als Feuerstärke bezeichnet. Diese Feuerstärken werden gemäß der folgenden Beziehung in Schicht 3 normalisiert:

In Schicht 4 wird die Regel von Takagi und Sugeno67,68 in die Berechnungen einbezogen, um die Auswirkungen der Anfangswerte der Eingabeparameter zu berücksichtigen. In dieser Schicht gilt folgende Beziehung:

Die erhaltenen \({f}_{i}\) wurden durch die normalisierten Werte in Schichten beeinflusst, um die endgültige Ausgabe zu erhalten, die den Wert der Hauptdehnung darstellt:

wobei \(NR\) die Anzahl der Regeln bezeichnet. Die Rolle des neuronalen Netzwerks besteht hier darin, mithilfe seiner internen Optimierungsalgorithmen unbekannte Parameter des Netzwerks anzupassen. Die unbekannten Parameter sind die Folgeparameter \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\) und Parameter im Zusammenhang mit MFs, die berücksichtigt werden zu verallgemeinernde Glockenfunktionen:

Umformgrenzdiagramme hängen von vielen Parametern ab, von der chemischen Zusammensetzung bis zur Verformungsgeschichte der Bleche. Einige Parameter sind einfach auszuwerten, einschließlich der Zugversuchsparameter, andere erfordern kompliziertere Verfahren wie Metallographie oder die Bestimmung der Eigenspannung. In den meisten Fällen ist es von Vorteil, bei jeder Blechcharge einen Verformungsgrenztest durchzuführen. Manchmal können jedoch die Ergebnisse anderer Tests zur Annäherung an die Umformgrenzen herangezogen werden. In mehreren Studien wurden die Ergebnisse von Zugversuchen genutzt, um die Formbarkeit von Blechen zu bestimmen69,70,71,72. Andere Studien berücksichtigten in ihren Analysen weitere Parameter wie Dicke und Korngröße31,73,74,75,76,77. Die Einbeziehung aller effektiven Parameter ist jedoch rechnerisch nicht vorteilhaft. Daher könnte die Verwendung von ANFIS-Modellen ein sinnvoller Ansatz für diese Probleme sein45,63.

In dieser Arbeit wird der Einfluss des Martensitanteilwerts auf das Umformgrenzendiagramm von Blechen aus austenitischem Stahl 316 untersucht. Hierzu wird mittels experimenteller Tests ein Datensatz erstellt. Das entworfene System verfügt über zwei Eingangsvariablen: den in metallografischen Tests gemessenen Martensitanteil und den Bereich kleinerer technischer Dehnungen. Als Ausgabe wird die größte technische Dehnung der Umformgrenzkurve angenommen. Die Kategorien des Martensit-Anteils sind in drei Kategorien unterteilt: niedrige, mittlere und hohe Anteile. Mit niedrig ist gemeint, dass der Martensitanteil unter 10 % liegt. Im mittleren Zustand liegt der Martensitanteil zwischen 10 und 20 %. Als hoher Wert des Martensits gelten Anteile über 20 %. Darüber hinaus gibt es für die geringfügige Belastung drei verschiedene Kategorien zwischen –5 und 5 % in der Nähe der vertikalen Achse zur Bestimmung von FLD0. Die positiven und negativen Bereiche sind zwei weitere Kategorien.

Die Ergebnisse der Halbkugeltests sind in Abb. 8 dargestellt. Diese Abbildung enthält 6 Grenzformänderungsdiagramme, 5 davon sind die FLDs eines einzelnen gewalzten Blechs. Die sicheren Punkte und ihre obere Grenzkurve, die Grenzkurve (FLC), werden dargestellt. In der letzten Grafik werden alle FLCs verglichen. Wie aus der letzten Grafik hervorgeht, verringert ein Anstieg des Martensitanteils des austenitischen Stahls 316 die Formbarkeit des Blechs. Andererseits formt die Erhöhung des Martensitanteils die FLCs allmählich zu einer symmetrischen Kurve um die vertikale Achse. In den letzten beiden Diagrammen ist die rechte Seite der Kurven etwas höher als die linke Seite, was bedeutet, dass die Formbarkeit unter biaxialen Streckbedingungen höher ist als unter uniaxialer Streckbelastung. Darüber hinaus verringern sich mit zunehmendem Martensitanteil sowohl kleinere als auch größere technische Spannungen vor der Einschnürung.

Grenzkurven zur Bildung von 316. Einfluss des Martensitanteils auf die Formbarkeit austenitischer Stahlbleche. (SF-sichere Punkte, FLC-Umformgrenzkurve, M Martensit).

Das Training des neuronalen Netzwerks wird unter Verwendung von 60 Sätzen der experimentellen Ergebnisse von 7,8, 18,3 und 28,7 % Martensitanteilen implementiert. Der Datensatz von 15,4 % Martensit ist für den Validierungsprozess und 25,6 % für den Testprozess reserviert. Der Fehler nach 150 Epochen betrug etwa 1,5 %. Die Korrelation zwischen der bereitgestellten tatsächlichen Ausgabe (\({\epsilon }_{1}\, große technische Belastung) sowohl für Training als auch für Tests ist in Abb. 9 dargestellt. Wie beobachtet, sagt das trainierte NFS zufriedenstellend \({\epsilon } _{1}\) für die Bleche.

(a) Korrelation zwischen vorhergesagten und tatsächlichen Werten nach dem Trainingsprozess, (b) Fehler zwischen vorhergesagten und tatsächlichen Werten der großen technischen Belastung des FLC sowohl für den Training- als auch für den Validierungsprozess.

Irgendwann während des Trainings kommt es zwangsläufig zu einer Überauslastung des ANFIS-Netzwerks. Um diesen Punkt zu erkennen, wird eine parallele Prüfung namens „Validierung“ durchgeführt. Wenn der Validierungsfehlerwert vom Trainingswert abweicht, bedeutet dies, dass das Netzwerk am Anfang der Überanpassung steht. Wie in Abb. 9b zu sehen ist, ist der Unterschied zwischen Trainings- und Validierungskurven bis zur Epoche 150 gering und sie folgen annähernd der gleichen Kurve. An diesem Punkt beginnt der Fehler des Validierungsprozesses von der Trainingskurve abzuweichen, was ein Zeichen für eine Überanpassung des ANFIS ist. Daher wurde das ANFIS-Netzwerk in Epoche 150 mit einer Fehlermarge von 1,5 % gespeichert. Im Folgenden werden die FLC-Vorhersagen von ANFIS vorgestellt. In Abb. 10 sind die vorhergesagten Kurven und tatsächlichen Kurven der ausgewählten Proben für den Trainings- und Validierungsprozess dargestellt. Da die Daten aus diesen Kurven zum Trainieren des Netzwerks verwendet werden, ist es nicht überraschend, sehr genaue Vorhersagen zu beobachten.

Tatsächliche experimentelle FLCs im Vergleich zu ANFIS-vorhergesagten Kurven für verschiedene Martensit-Fraktionsbedingungen. Diese Kurven werden für den Trainingsprozess verwendet.

Der Zustand der letzten Probe ist dem ANFIS-Modell unbekannt. Daher testen wir unser geschultes ANFIS, indem wir den Martensitanteil einer Probe von 25,6 % zuführen, um den FLC zu erhalten. Abbildung 11 zeigt den von ANFIS vorhergesagten FLC zusammen mit dem experimentellen FLC. Der maximale Fehler zwischen dem vorhergesagten Wert und den experimentellen Werten beträgt 6,2 % und ist damit höher als die vorhergesagten Werte im Trainings- und Validierungsprozess. Dieser Fehler ist jedoch ein akzeptabler Fehler im Vergleich zu anderen Studien, in denen FLC mit theoretischen Methoden vorhergesagt wird37.

Schematische Darstellung der ANFIS-Schichten für zwei Eingänge und einen Ausgang.

In der Industrie werden die Einflussparameter auf die Umformbarkeit in sprachlicher Form beschrieben. Zum Beispiel: „Eine große Korngröße verringert die Formbarkeit“ oder „Zunahme der Kaltumformung senkt den FLC“. Die Eingaben des ANFIS-Netzwerks werden im ersten Schritt in sprachliche Kategorien unterteilt, beispielsweise niedrig, mittel und hoch. Für unterschiedliche Kategorien werden vom Netzwerk unterschiedliche Regeln übernommen. Daher könnte ein solches Netzwerk in der Industrie sowohl hinsichtlich der sprachlichen Beschreibung von Faktoren als auch der Einbeziehung mehrerer Faktoren in die Analyse sehr nützlich sein. In dieser Arbeit haben wir versucht, eines der wichtigsten mikrostrukturellen Merkmale der austenitischen Edelstähle zu berücksichtigen und dabei die Fähigkeiten von ANFIS zu nutzen. Die Menge an spannungsinduziertem Martensit im 316 ist ein direkter Effekt der Kaltumformung in diesen Blechen. Mithilfe experimenteller und ANFIS-Analysen wurde festgestellt, dass eine Erhöhung des Martensitanteils bei dieser Art von austenitischen rostfreien Stählen zu einem erheblichen Rückgang des FLC von 316 Blechen führt, sodass bei einem Anstieg des Martensitanteils von 7,8 auf 28,7 % der FLD0 von 0,35 auf 0,1 sinkt. jeweils. Andererseits könnte das trainierte und validierte ANFIS-Netzwerk, das 80 % der verfügbaren experimentellen Daten verwendet, den FLC mit einem maximalen Fehler von 6,5 % vorhersagen, was im Vergleich zu anderen theoretischen Verfahren und phänomenologischen Beziehungen eine akzeptable Fehlermarge darstellt.

Die während der aktuellen Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Iftikhar, CMA et al. Eine Entwicklung nachfolgender Fließorte unter proportionalem und nicht-proportionalem Belastungspfad der extrudierten AZ31-Magnesiumlegierung im Lieferzustand: Experimente und CPFEM-Modellierung. Int. J. Plast. 151, 103216 (2022).

Artikel CAS Google Scholar

Iftikhar, CMA et al. Entwicklung nachfolgender Fließflächen mit plastischer Verformung entlang proportionaler und nichtproportionaler Belastungspfade an geglühter AA6061-Legierung: Experimente und Finite-Elemente-Modellierung der Kristallplastizität. Int. J. Plast 143, 102956 (2021).

Artikel CAS Google Scholar

Mánik, T., Holmedal, B. & Hopperstad, OS Dehnungspfadänderungen verursachten Transienten bei Fließspannung, Kaltverfestigung und r-Werten in Aluminium. Int. J. Plast. 69, 1–20 (2015).

Artikel Google Scholar

Mamusi, H. et al. Ein neuartiger experimenteller Ansatz zur Bestimmung von Grenzformdiagrammen unter Berücksichtigung des Einflusses des Normaldrucks. Int. J. Mater. Bilden. 15(1), 1 (2022).

Artikel Google Scholar

Yang, Z. et al. Experimentelle Kalibrierung der duktilen Bruchparameter und der Umformgrenze von AA7075-T6-Blech. J. Mater. Verfahren. Technol. 291, 117044 (2021).

Artikel CAS Google Scholar

Petritz, A. et al. Unmerkliches Energiegewinnungsgerät und biomedizinischer Sensor basierend auf ultraflexiblen ferroelektrischen Wandlern und organischen Dioden. Nat. Komm. 12(1), 2399 (2021).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Basak, S. & Panda, SK Einschnürungs- und Bruchgrenzenanalysen verschiedener vorgespannter Blattmaterialien im polaren effektiven Ort der plastischen Dehnung unter Verwendung des Yld 2000–2d-Ertragsmodells. J. Mater. Verfahren. Technol. 267, 289–307 (2019).

Artikel CAS Google Scholar

Basak, S. & Panda, SK Versagensdehnungen anisotroper dünner Bleche: Experimentelle Bewertung und theoretische Vorhersage. Int. J. Mech. Wissenschaft. 151, 356–374 (2019).

Artikel Google Scholar

Zhalehfar, F., Hashemi, R. & Hosseinipour, SJ Experimentelle und theoretische Untersuchung der Auswirkung von Dehnungspfadänderungen auf das Grenzformungsdiagramm von AA5083. Int. J. Adv. Hersteller Technol. 76(5–8), 1343–1352 (2015).

Artikel Google Scholar

Habibi, M. et al. Experimentelle Untersuchung der mechanischen Eigenschaften, Umformbarkeit und Umformgrenzdiagramme für durch Rührreibschweißen hergestellte maßgeschneiderte Platinen. J. Manufaktur Verfahren. 31, 310–323 (2018).

Artikel Google Scholar

Habibi, M. et al. Erstellen von Grenzdiagrammen durch Einbeziehung des MK-Modells in die Finite-Elemente-Simulation unter Berücksichtigung des Biegeeffekts. Proz. Inst. Mech. Ing. L 232(8), 625–636 (2018).

Google Scholar

Habibi, M. et al. Verbesserung der mechanischen Eigenschaften und Formbarkeit von kohlenstoffarmem Stahl mit zweiphasigen Mikrostrukturen. J. Mater. Ing. Ausführen. 25(2), 382–389 (2016).

Artikel MathSciNet CAS Google Scholar

Moayedi, H. et al. Auswirkungen der Schweißorientierung auf die Formbarkeit maßgeschneiderter, geschweißter dünner Stahlbleche. Dünnwandige Struktur. 149, 106669 (2020).

Artikel Google Scholar

Alipour, M. et al. Finite-Elemente- und experimentelle Methode zur Analyse der Auswirkungen von Martensitmorphologien auf die Formbarkeit von DP-Stählen. Mech. Basierend auf Des. Struktur. Mach. 48(5), 525–541 (2020).

Artikel Google Scholar

Ghazanfari, A. et al. Vorhersage der FLD für Bleche unter Berücksichtigung der Scherspannungen durch die Dicke. Mech. Basierend auf Des. Struktur. Mach. 48(6), 755–772 (2020).

Artikel Google Scholar

Zhao, H. et al. Quasistatischer Eindruck, Aufprall bei niedriger Geschwindigkeit und Resonanzverhalten der laminierten doppelt gekrümmten Platte unter Berücksichtigung verschiedener Randbedingungen. Thin-Walled Structures 183, 110360 (2023).

Artikel Google Scholar

Zheng, W. et al. Vorhersage von Ableitungen n-ter Ordnung für Schwingungsantworten einer Sandwichschale bestehend aus einem magnetorheologischen Kern und zusammengesetzten Deckschichten. Ing. Anal. Grenzelement. 146, 170–183 (2023).

Artikel MathSciNet Google Scholar

Huang, X. et al. Dynamische Stabilitäts-/Instabilitätssimulation des rotatorischen, größenabhängigen, funktional abgestuften Mikrosystems. Ing. Berechnen. 38(5), 4163–4179 (2022).

Artikel MathSciNet Google Scholar

Liu, H. et al. Eine umfassende mathematische Simulation des zusammengesetzten größenabhängigen rotierenden 3D-Mikrosystems mittels zweidimensionaler verallgemeinerter Differentialquadraturmethode. Ing. Berechnen. 38(5), 4181–4196 (2022).

Artikel MathSciNet Google Scholar

Wu, J. & Habibi, M. Dynamische Simulation der ultraschnell rotierenden Sandwich-Cantilever-Scheibe mittels Finite-Elemente- und halbnumerischer Methoden. Ing. Berechnen. 38(5), 4127–4143 (2022).

Artikel Google Scholar

Al-Furjan, MSH et al. Verbesserung der Vibrationsleistung einer sich drehenden, intelligenten Nanokomposit-verstärkten Mikrostruktur, die den Flüssigkeitsfluss fördert. Ing. Berechnen. https://doi.org/10.1007/s00366-020-01255-w (2021).

Artikel Google Scholar

Guo, J. et al. Eine intelligente Computermethode für Schwingungsreaktionen des sich drehenden mehrschichtigen symmetrischen Nanosystems mithilfe multiphysikalischer Modellierung. Ing. Berechnen. 38(5), 4217–4238 (2022).

Artikel MathSciNet Google Scholar

Liu, H. et al. Amplitudenbewegungs- und Frequenzsimulation eines zusammengesetzten viskoelastischen Mikrosystems innerhalb einer modifizierten Paarspannungselastizität. Ing. Berechnen. https://doi.org/10.1007/s00366-021-01316-8 (2021).

Artikel Google Scholar

Kong, F. et al. Über die Schwingungen der elektrorheologischen Sandwichscheibe mit Verbunddeckschichten unter Berücksichtigung von Vor- und Nach-Fließbereichen. Dünnwandige Struktur. 179, 109631 (2022).

Artikel Google Scholar

Zhu, L. et al. Vorhersage des umweltökonomischen Versandproblems zur Reduzierung von nicht erneuerbaren Abfallmaterialien mithilfe eines innovativen Multi-Ziel-Schimpansenoptimierungsalgorithmus. J. Sauber. Prod. 365, 132697 (2022).

Artikel Google Scholar

Shi, Mech. Basierend auf Des. Struktur. Mach. 50(6), 2147–2183 (2022).

Artikel Google Scholar

Wang, Z. et al. Frequenz- und Knickreaktionen einer freitragenden, mit hoher Geschwindigkeit rotierenden, aus Fasermetall laminierten Mikroscheibe. Mech. Adv. Mater. Struktur. 29(10), 1475–1488 (2022).

Artikel Google Scholar

Chen, F. et al. Untersuchung der dynamischen Stabilität und der aeroelastischen Eigenschaften gebogener Verbundrohre bei jedem Gierwinkel. Kompositionen. Struktur. 284, 115195 (2022).

Artikel CAS Google Scholar

Shao, Y. et al. Energieaufnahme der verstärkten viskoelastischen, mehrfach gekrümmten Verbundplatte unter Reibungskraft. Bogen. Ziviler Mech. Ing. 21(4), 141 (2021).

Artikel Google Scholar

Habibi, M., Taghdir, A. & Safarpour, H. Stabilitätsanalyse einer elektrisch zylindrischen Nanohülle, die mit Graphen-Nanoplättchen verstärkt ist. Kompositionen. B Eng. 175, 107125 (2019).

Artikel CAS Google Scholar

Yamaguchi, K. & Mellor, P. Dicken- und Korngrößenabhängigkeit der Grenzdehnungen beim Blechstrecken. Int. J. Mech. Wissenschaft. 18(2), 85–90 (1976).

Artikel Google Scholar

Wilson, D., Roberts, W. & Rodrigues, P. Einfluss der Kornanisotropie auf Grenzdehnungen beim biaxialen Strecken: Teil I. Einfluss der Blechdicke und Korngröße in schwach strukturierten Blechen. Metall. Trans. A 12(9), 1595–1602 (1981).

Artikel CAS Google Scholar

Ulvan, E. & Koursaris, A. Der Einfluss der Korngröße auf die Massenformbarkeit und die Zugeigenschaften von austenitischem Edelstahl der Typen 304 und 316. Metall. Trans. A 19(9), 2287–2298 (1988).

Artikel Google Scholar

Narutani, T. & Takamura, J. Korngrößenverstärkung im Hinblick auf die Versetzungsdichte, gemessen durch Widerstand. Acta Metall. Mater. 39(8), 2037–2049 (1991).

Artikel CAS Google Scholar

Becker, R. & Panchanadeeswaran, S. Auswirkungen von Kornwechselwirkungen auf Verformung und lokale Textur in Polykristallen. Acta Metall. Mater. 43(7), 2701–2719 (1995).

Artikel CAS Google Scholar

Wu, P. et al. Analyse des Kristallplastizitätsgrenzdiagramms von gewalzten Aluminiumblechen. Metall. Mater. Trans. A. 29(2), 527–535 (1998).

Artikel Google Scholar

Amelirad, O. & Assempour, A. Experimentelle und Kristallplastizitätsbewertung des Einflusses der Korngröße auf die Formbarkeit von austenitischen Edelstahlblechen. J. Manufaktur Verfahren. 47, 310–323 (2019).

Artikel Google Scholar

Amelirad, O. & Assempour, A. Gekoppelte Kontinuumsschadensmechanik und Kristallplastizitätsmodell und seine Anwendung bei der Schadensentwicklung in polykristallinen Aggregaten. Ing. Berechnen. https://doi.org/10.1007/s00366-021-01346-2 (2021).

Artikel Google Scholar

Chung, K. et al. Formbarkeit von TWIP-Automobilblechen (Twining Induced Plasticity). Int. J. Plast. 27(1), 52–81 (2011).

Artikel ADS CAS Google Scholar

Hwang, J.-K. Geringe Umformbarkeit und Flächenreduzierung bei Stählen mit zwillingsinduzierter Plastizität trotz ihrer hervorragenden Zugdehnung. Mater. Wissenschaft. Ing. A 779, 139123 (2020).

Artikel CAS Google Scholar

Mishra, S., Narasimhan, K. & Samajdar, I. Verformungszwillinge in austenitischem Edelstahl AISI 316L: Rolle von Dehnung und Dehnungspfad. Mater. Wissenschaft. Technol. 23(9), 1118–1126 (2007).

Artikel ADS CAS Google Scholar

Hong, Y. et al. Dehnungsinduzierte Zwillinge und Martensit: Auswirkungen auf die Wasserstoffversprödung von selektiv lasergeschmolzenem (SLM) 316 L-Edelstahl. Corros. Wissenschaft. 208, 110669 (2022).

Artikel CAS Google Scholar

Shen, YF et al. Zwillingsbildung und Martensit in einem austenitischen Edelstahl 304. Mater. Wissenschaft. Ing. A 552, 514–522 (2012).

Artikel CAS Google Scholar

Moradi, H. et al. Modellierung durch maschinelles Lernen und DOE-gestützte Optimierung bei der Synthese von Nanosilica-Partikeln mithilfe der Stöber-Methode. Adv. Nano Res. 12(4), 387–403 (2022).

Google Scholar

Xie, Y. et al. Auswirkungen der Dickenreduzierung beim Kaltwalzen auf die Umformbarkeit von Blechen mit ANFIS. Wissenschaft. Rep. 12(1), 10434 (2022).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Singh, R., Kainthola, A. & Singh, T. Schätzung der elastischen Konstante von Gesteinen mithilfe eines ANFIS-Ansatzes. Appl. Soft Comput. 12(1), 40–45 (2012).

Artikel Google Scholar

Umrao, RK et al. Bestimmung der Festigkeit und des Elastizitätsmoduls heterogener Sedimentgesteine: Eine ANFIS-Vorhersagetechnik. Messung 126, 194–201 (2018).

Artikel ADS Google Scholar

Lingamdinne, LP et al. Funktionalisierter Bentonit zur Entfernung von Pb(II) und As(V) aus Oberflächenwasser: Vorhersagefähigkeit und -mechanismus mithilfe eines künstlichen neuronalen Netzwerks. J. Water Process Eng. 51, 103386 (2023).

Artikel Google Scholar

Vatanpour, V. et al. Hochantifouling-Polymer-Nanopartikel-Nanopartikel/Polymer-Hybridmembranen. Wissenschaft. Gesamtumgebung. 810, 152228 (2022).

Artikel ADS CAS PubMed Google Scholar

Vatanpour, V. et al. Hyperverzweigte Polyethylenimin-funktionalisierte Silica/Polysulfon-Nanokompositmembranen zur Wasserreinigung. Chemosphere 290, 133363 (2022).

Artikel ADS CAS PubMed Google Scholar

Moradi, H. et al. Experimentelle und numerische Studie zur Diazinonentfernung mithilfe eines Plasmablasensäulenreaktors: Modellierung, Kinetik, Mechanismen und Abbauprodukte. J. Umgebung. Chem. Ing. 10(5), 108291 (2022).

Artikel CAS Google Scholar

Asgharnejad Lamraski, MB et al. Thermodynamische Modellierung mehrerer binärer Alkohol-Kohlenwasserstoff-Gemische bei niedrigen bis moderaten Bedingungen. J. Mol. Liq. 346, 117924 (2022).

Artikel CAS Google Scholar

Zhu, H. & Zhao, R. Isolierte Ni-Atome induzierten Kantenstabilitäten und Gleichgewichtsformen von CVD-hergestelltem hexagonalem Bornitrid auf der Ni(111)-Oberfläche. Neue J. Chem. 46(36), 17496–17504 (2022).

Artikel CAS Google Scholar

Deng, H. et al. Mikrostruktur und mechanische Eigenschaften unterschiedlicher NiTi/Ti6Al4V-Verbindungen mittels rückerwärmungsunterstütztem Reibrührschweißen. J. Manufaktur Verfahren. 64, 379–391 (2021).

Artikel MathSciNet Google Scholar

Zhang, P. et al. Wasserstrahl-Aufprallschadensmechanismus und dynamische Penetrationsenergieabsorption der 2A12-Aluminiumlegierung. Vakuum 206, 111532 (2022).

Artikel ADS CAS Google Scholar

Zhang, P. et al. Auswirkung von Alterung und kryogener Behandlung auf die Bearbeitbarkeit der Aluminiumlegierung 7075. Vakuum 208, 111692 (2023).

Artikel ADS CAS Google Scholar

Zhang, P. et al. Einfluss des Wärmebehandlungsprozesses auf die Mikrobearbeitbarkeit der Aluminiumlegierung 7075. Vakuum 207, 111574 (2023).

Artikel ADS CAS Google Scholar

Yuhua, C. et al. Untersuchung von Schweißrissen in mikrolasergeschweißten Verbindungen aus NiTiNb-Formgedächtnislegierungen und Ti6Al4V-Legierungen unterschiedlicher Metalle. Opt. Lasertechnologie 91, 197–202 (2017).

Artikel ADS Google Scholar

Liang, L. et al. Einfluss der thermischen Schweißbehandlung auf die Mikrostruktur und die mechanischen Eigenschaften einer durch selektives Laserschmelzen hergestellten Superlegierung auf Nickelbasis. Mater. Wissenschaft. Ing. A 819, 141507 (2021).

Artikel CAS Google Scholar

Liao, D. et al. Wahrscheinlichkeitsrahmen für die Bewertung der Ermüdungslebensdauer gekerbter Komponenten unter Größeneffekten. Int. J. Mech. Wissenschaft. 181, 105685 (2020).

Artikel Google Scholar

Niu, X. et al. Fehlertolerante Ermüdungsbewertung von AM-Materialien: Größeneffekt und probabilistische Aussichten. Int. J. Fatigue 160, 106884 (2022).

Artikel CAS Google Scholar

Xu, H. et al. Transiente thermomechanische Analyse des Gleitkontakts mit mikrozylindrischer Unebenheit einer SnSbCu-Legierung. Tribol. Int. 167, 107362 (2022).

Artikel CAS Google Scholar

Chen, X. et al. Die Fähigkeit der gekoppelten Fuzzy-Logik und des adaptiven neuronalen Netzwerks bei der Vorhersage der Umformbarkeit von Stahlblechen. Waves Random Complex Media https://doi.org/10.1080/17455030.2022.2162154 (2023).

Artikel Google Scholar

Lu, Y.-H. et al. Studie zur Verwendung von ANFIS zur Vorhersage im Bohrungsaufweitungsprozess. Int. J. Adv. Hersteller Technol. 26(5–6), 544–551 (2005).

Artikel Google Scholar

Abràmoff, MD, Magalhães, PJ & Ram, SJ Bildverarbeitung mit ImageJ. Biophotonik Int. 11, 36–42 (2004).

Google Scholar

Habibi, M. et al. Bestimmung des Grenzformungsdiagramms unter Verwendung zweier modifizierter Finite-Elemente-Modelle. Mech. Ing. 48(4), 141–144 (2017).

Google Scholar

Jang, JR ANFIS: Adaptives netzwerkbasiertes Fuzzy-Inferenzsystem. IEEE Trans. Syst. Mann Cybern. 23(3), 665–685 (1993).

Artikel Google Scholar

Takagi, T. & Sugeno, M. Fuzzy-Identifikation von Systemen und ihre Anwendungen zur Modellierung und Steuerung. IEEE Trans. Syst. Mann Cybern. 1, 116–132 (1985).

Artikel MATH Google Scholar

Xu, S. & Weinmann, KJ Zur Vorhersage von Formungsgrenzen mithilfe der Ertragskriterien von Hill. J. Mater. Ing. Ausführen. 9(2), 174–182 (2000).

Artikel CAS Google Scholar

Ghosh, AK & Hecker, SS Versagen bei dünnen Blechen, die über starre Stempel gespannt sind. Metall. Trans. A 6(5), 1065–1074 (1975).

Artikel Google Scholar

Hashemi, R., Mamusi, H. & Masoumi, A. Ein simulationsbasierter Ansatz zur Bestimmung von Grenzformdiagrammen. Proz. Inst. Mech. Ing. B 228(12), 1582–1591 (2014).

Artikel CAS Google Scholar

He, J. et al. MK-Analyse des Grenzformänderungsdiagramms beim Streckbiegen. J. Manufaktur Wissenschaft. Ing. https://doi.org/10.1115/1.4024536 (2013).

Artikel Google Scholar

Dilmec, M. et al. Auswirkungen von Blechdicke und Anisotropie auf Umformgrenzkurven von AA2024-T4. Int. J. Adv. Hersteller Technol. 67(9–12), 2689–2700 (2013).

Artikel Google Scholar

Ghazanfari, A. et al. Untersuchung des effektiven Bereichs der Schubspannung durch die Dicke im Grenzformänderungsdiagramm unter Verwendung eines modifizierten Marciniak-Kuczynski-Modells. Modares Mech. Ing. 16(1), 137–143 (2016).

MathSciNet Google Scholar

Ma, B. et al. Bewertung der Umformgrenzkurve von mittelgroßen Stahlblechen basierend auf nicht konstanter Normalspannung durch die Dicke. J. Manufaktur Verfahren. 33, 175–183 (2018).

Artikel Google Scholar

Wilson, D., Mirshams, A. & Roberts, W. Eine experimentelle Untersuchung der Auswirkung von Blechdicke und Korngröße auf Grenzdehnungen beim biaxialen Strecken. Int. J. Mech. Wissenschaft. 25(12), 859–870 (1983).

Artikel Google Scholar

Ma, B. et al. Die Auswirkung der Normalspannung durch die Dicke auf die Blechformbarkeit. J. Manufaktur Verfahren. 21, 134–140 (2016).

Artikel Google Scholar

Referenzen herunterladen

Diese Arbeit wurde vom Yongchuan District Bureau of Science and Technology der Stadt Chongqing unterstützt (2021yc-jckx20015). Diese Arbeit wurde durch das Finanzierungsprojekt des Wissenschafts- und Technologie-Innovationsteams der Dalian Ocean University 2021 (c202114), das wissenschaftliche Forschungsfondsprojekt 2020 des Bildungsministeriums der Provinz Liaoning (ql202017) und das allgemeine Projekt des Ministeriums für Wissenschaft und Technologie der Provinz Liaoning (ljkz0734) unterstützt.

Chongqing Creation Vocational College, Yongchuan, 402160, Chongqing, China

Mingxiang Zhang

Hochschule für Angewandte Technologie, Dalian Ocean University, Dalian, 116300, Liaoning, China

Zheng Meng

Fakultät für Ingenieurwissenschaften, Islamische Azad-Universität, Zweigstelle Nord-Teheran, Teheran, Iran

Morteza Shariati

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

MZ entwickelte ein Modell der künstlichen Intelligenz, schrieb den entsprechenden Teil des Manuskripts, ZM betreute das Projekt und integrierte experimentelle und modellierende Abschnitte, MS betreute das Projekt mit, führte experimentelle Arbeiten durch und verfasste den entsprechenden Teil des Manuskripts. MZ und MS. bereitete die Figuren vor. Alle Autoren haben das Manuskript überprüft.

Korrespondenz mit Zheng Meng oder Morteza Shariati.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Zhang, M., Meng, Z. & Shariati, M. ANFIS-basierte Vorhersage der Umformgrenzen von Blechen aus rostfreiem Stahl 316. Sci Rep 13, 3115 (2023). https://doi.org/10.1038/s41598-023-28719-5

Zitat herunterladen

Eingegangen: 11. Dezember 2022

Angenommen: 23. Januar 2023

Veröffentlicht: 22. Februar 2023

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

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.