Благодарим ви, че посетихте Nature.com. Използвате версия на браузър с ограничена поддръжка на CSS. За най-добро изживяване ви препоръчваме да използвате актуализиран браузър (или да деактивирате режима на съвместимост в Internet Explorer). В допълнение, за да осигурим постоянна поддръжка, ние показваме сайта без стилове и JavaScript.
Плъзгачи, показващи три статии на слайд. Използвайте бутоните за връщане назад и напред, за да се движите през слайдовете, или бутоните за управление на плъзгачите в края, за да се движите през всеки слайд.
Ефектът на микроструктурата върху способността за формоване на листовете от неръждаема стомана е основна грижа за инженерите по обработка на листови метали. За аустенитни стомани наличието на деформационен мартензит (\({\alpha}^{^{\prime))\)-мартензит) в микроструктурата води до значително втвърдяване и намаляване на способността за формоване. В това изследване ние имахме за цел да оценим способността за формоване на стомани AISI 316 с различни мартензитни якости чрез експериментални методи и методи на изкуствен интелект. В първия етап стомана AISI 316 с първоначална дебелина 2 мм беше отгрята и студено валцувана до различни дебелини. Впоследствие, относителната мартензитна площ на деформация беше измерена чрез металографски тест. Способността за формоване на валцуваните листове се определя с помощта на тест за разрушаване на полусфера, за да се получи диаграма на границата на деформация (FLD). Данните, получени в резултат на експериментите, се използват допълнително за обучение и тестване на системата за изкуствени невро-размити смущения (ANFIS). След обучението на ANFIS доминиращите щамове, предвидени от невронната мрежа, бяха сравнени с нов набор от експериментални резултати. Резултатите показват, че студеното валцуване има отрицателен ефект върху способността за формоване на този тип неръждаема стомана, но здравината на листа е значително подобрена. Освен това ANFIS показва задоволителни резултати в сравнение с експерименталните измервания.
Способността за формоване на ламарина, въпреки че е обект на научни статии от десетилетия, остава интересна област на изследване в металургията. Новите технически инструменти и изчислителните модели улесняват намирането на потенциални фактори, влияещи върху способността за формоване. Най-важното е, че значението на микроструктурата за ограничаване на формата беше разкрито през последните години с помощта на метода на крайните елементи на кристалната пластичност (CPFEM). От друга страна, наличието на сканираща електронна микроскопия (SEM) и дифракция на обратно разсейване на електрони (EBSD) помага на изследователите да наблюдават микроструктурната активност на кристалните структури по време на деформация. Разбирането на влиянието на различните фази в металите, размера и ориентацията на зърното и микроскопичните дефекти на ниво зърно е от решаващо значение за прогнозиране на способността за формоване.
Определянето на способността за формоване само по себе си е сложен процес, тъй като е доказано, че способността за формоване е силно зависима от пътища 1, 2, 3. Следователно, конвенционалните понятия за крайна деформация на формоване са ненадеждни при непропорционални условия на натоварване. От друга страна, повечето пътища на натоварване в промишлени приложения се класифицират като непропорционално натоварване. В това отношение традиционните полусферични и експериментални методи на Marciniak-Kuchinsky (MK) 4, 5, 6 трябва да се използват с повишено внимание. През последните години друга концепция, диаграмата на границата на фрактурата (FFLD), привлече вниманието на много инженери по формоспособност. В тази концепция се използва модел на повреда, за да се предвиди възможността за формоване на листа. В това отношение независимостта на пътя първоначално е включена в анализа и резултатите са в добро съответствие с немащабираните експериментални резултати7,8,9. Способността за формоване на един метален лист зависи от няколко параметъра и историята на обработката на листа, както и от микроструктурата и фазата на метала10,11,12,13,14,15.
Зависимостта от размера е проблем, когато се вземат предвид микроскопичните характеристики на металите. Показано е, че в малки деформационни пространства зависимостта на вибрационните свойства и свойствата на изкълчване силно зависи от мащаба на дължината на материала16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Ефектът на размера на зърното върху способността за формоване отдавна е признат в индустрията. Yamaguchi и Mellor [31] изследват ефекта от размера и дебелината на зърното върху свойствата на опън на металните листове, използвайки теоретичен анализ. Използвайки модела на Marciniac, те съобщават, че при двуосно натоварване на опън намаляването на съотношението на дебелината към размера на зърното води до намаляване на свойствата на опън на листа. Експериментални резултати от Wilson et al. 32 потвърждава, че намаляването на дебелината до средния диаметър на зърното (t/d) води до намаляване на двуосната разтегливост на метални листове с три различни дебелини. Те стигнаха до заключението, че при стойности на t/d под 20, забележимата деформационна нехомогенност и образуване на шия се влияят главно от отделни зърна в дебелината на листа. Ulvan и Koursaris33 изследваха ефекта от размера на зърната върху общата обработваемост на 304 и 316 аустенитни неръждаеми стомани. Те съобщават, че способността за формоване на тези метали не се влияе от размера на зърното, но могат да се видят малки промени в свойствата на опън. Това е увеличаването на размера на зърното, което води до намаляване на якостните характеристики на тези стомани. Влиянието на плътността на дислокациите върху напрежението на потока на никелови метали показва, че плътността на дислокациите определя напрежението на потока на метала, независимо от размера на зърното34. Взаимодействието на зърната и първоначалната ориентация също имат голямо влияние върху еволюцията на алуминиевата текстура, която беше изследвана от Бекер и Панчанадисваран с помощта на експерименти и моделиране на кристална пластичност35. Числените резултати в техния анализ са в добро съответствие с експериментите, въпреки че някои симулационни резултати се отклоняват от експериментите поради ограничения на приложените гранични условия. Чрез изучаване на модели на кристална пластичност и експериментално откриване, валцуваните алуминиеви листове показват различна способност за формоване36. Резултатите показват, че въпреки че кривите напрежение-деформация на различните листове са почти еднакви, има значителни разлики в тяхната формоспособност въз основа на първоначалните стойности. Amelirad и Assempour използваха експерименти и CPFEM, за да получат кривите напрежение-деформация за листове от аустенитна неръждаема стомана37. Техните симулации показаха, че увеличаването на размера на зърното се измества нагоре в FLD, образувайки ограничаваща крива. В допълнение, същите автори изследват ефекта от ориентацията и морфологията на зърното върху образуването на кухини 38 .
В допълнение към морфологията на зърната и ориентацията в аустенитните неръждаеми стомани, състоянието на двойниците и вторичните фази също е важно. Побратимяването е основният механизъм за втвърдяване и увеличаване на удължението в стоманата TWIP 39. Hwang40 съобщава, че способността за формоване на TWIP стоманите е лоша въпреки достатъчната реакция на опън. Ефектът от деформационното побратимяване върху способността за формоване на аустенитни стоманени листове обаче не е достатъчно проучен. Мишра и др. 41 изследва аустенитни неръждаеми стомани, за да наблюдава двойняването при различни пътища на деформация на опън. Те открили, че близнаците могат да произхождат от източници на гниене както на закалени близнаци, така и на новото поколение близнаци. Наблюдавано е, че най-големите близнаци се образуват при двуосно напрежение. Освен това беше отбелязано, че превръщането на аустенита в \({\alpha}^{^{\prime}}\)-мартензит зависи от пътя на деформация. Hong и др. 42 изследва ефекта на индуцираното от деформация двойняване и мартензит върху водородната крехкост в диапазон от температури при селективно лазерно топене на аустенитна стомана 316L. Беше наблюдавано, че в зависимост от температурата водородът може да причини повреда или да подобри формоспособността на стомана 316L. Шен и др. 43 експериментално измерва обема на деформационния мартензит при натоварване на опън при различни скорости на натоварване. Установено е, че увеличаването на напрежението на опън увеличава обемната част на мартензитната фракция.
AI методите се използват в науката и технологиите поради тяхната гъвкавост при моделиране на сложни проблеми, без да се прибягва до физическите и математически основи на проблема44,45,46,47,48,49,50,51,52 Броят на AI методите нараства . Moradi и др. 44 са използвали техники за машинно обучение за оптимизиране на химичните условия за производство на по-фини частици от наносилициев диоксид. Други химични свойства също влияят върху свойствата на наномащабните материали, което е изследвано в много научни статии53. Ce et al. 45 използва ANFIS, за да предскаже формоспособността на обикновена ламарина от въглеродна стомана при различни условия на валцуване. Поради студеното валцуване, плътността на дислокациите в меката стомана се е увеличила значително. Обикновените въглеродни стомани се различават от аустенитните неръждаеми стомани по своите втвърдяващи и възстановителни механизми. В простата въглеродна стомана фазовите трансформации не настъпват в металната микроструктура. В допълнение към металната фаза, пластичността, счупването, обработваемостта и т.н. на металите също се влияят от няколко други микроструктурни характеристики, които възникват по време на различни видове термична обработка, студена обработка и стареене54,55,56,57,58,59 ,60. , 61, 62. Наскоро Chen et al. 63 изследва ефекта от студеното валцуване върху способността за формоване на стомана 304L. Те взеха предвид феноменологичните наблюдения само в експериментални тестове, за да обучат невронната мрежа да предскаже възможността за формиране. Всъщност, в случая на аустенитни неръждаеми стомани, няколко фактора се комбинират, за да намалят свойствата на опън на листа. Lu et al.64 използваха ANFIS, за да наблюдават ефекта на различни параметри върху процеса на разширяване на отвора.
Както беше обсъдено накратко в прегледа по-горе, ефектът на микроструктурата върху диаграмата на границата на формата е получил малко внимание в литературата. От друга страна, трябва да се вземат предвид много микроструктурни характеристики. Поради това е почти невъзможно да се включат всички микроструктурни фактори в аналитичните методи. В този смисъл използването на изкуствен интелект може да бъде от полза. В тази връзка, това проучване изследва ефекта на един аспект от микроструктурните фактори, а именно наличието на индуциран от стрес мартензит, върху способността за формоване на листове от неръждаема стомана. Това изследване се различава от други проучвания на AI по отношение на възможността за формоване по това, че фокусът е върху микроструктурните характеристики, а не само върху експерименталните FLD криви. Ние се опитахме да оценим формоспособността на стомана 316 с различно съдържание на мартензит, използвайки експериментални методи и методи на изкуствен интелект. В първия етап стомана 316 с първоначална дебелина 2 мм беше отгрята и студено валцувана до различни дебелини. След това, използвайки металографски контрол, се измерва относителната площ на мартензита. Способността за формоване на валцуваните листове се определя с помощта на тест за разрушаване на полусфера, за да се получи диаграма на границата на деформация (FLD). Получените от него данни по-късно бяха използвани за обучение и тестване на системата за изкуствени невро-размити смущения (ANFIS). След обучението на ANFIS прогнозите на невронната мрежа се сравняват с нов набор от експериментални резултати.
Металният лист от аустенитна неръждаема стомана 316, използван в настоящото изследване, има химичен състав, както е показано в таблица 1, и начална дебелина от 1,5 mm. Отгряване при 1050°C за 1 час, последвано от закаляване с вода за облекчаване на остатъчните напрежения в листа и получаване на равномерна микроструктура.
Микроструктурата на аустенитните стомани може да бъде разкрита с помощта на няколко ецващи средства. Един от най-добрите ецващи средства е 60% азотна киселина в дестилирана вода, ецван при 1 VDC за 120 s38. Въпреки това, този ецващ инструмент показва само граници на зърната и не може да идентифицира двойни граници на зърна, както е показано на Фиг. 1а. Друг ецващ агент е глицерол ацетат, в който двойните граници могат да бъдат добре визуализирани, но границите на зърната не са, както е показано на Фиг. 1b. В допълнение, след трансформацията на метастабилната аустенитна фаза в \({\alpha }^{^{\prime}}\)-мартензитната фаза може да бъде открита с помощта на ецващото средство за глицерол ацетат, което представлява интерес в настоящото изследване.
Микроструктура на метална плоча 316 след отгряване, показана с различни ецващи средства, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) в дестилирана вода при 1,5 V за 120 s и (b) 200x , глицерил ацетат.
Закалените листове се нарязват на листове с ширина 11 cm и дължина 1 m за валцуване. Цехът за студено валцуване разполага с две симетрични ролки с диаметър 140 мм. Процесът на студено валцуване предизвиква превръщането на аустенита в деформационен мартензит в неръждаема стомана 316. Търси се съотношението на мартензитната фаза към аустенитната фаза след студено валцуване през различни дебелини. На фиг. 2 показва образец на микроструктурата на ламарина. На фиг. 2а показва металографско изображение на валцуван образец, гледан от посока, перпендикулярна на листа. На фиг. 2b, използвайки софтуер ImageJ65, мартензитната част е подчертана в черно. С помощта на инструментите на този софтуер с отворен код може да се измери площта на мартензитната фракция. Таблица 2 показва подробните фракции на мартензитната и аустенитната фаза след валцуване до различни редукции на дебелината.
Микроструктура на лист 316 L след валцуване до 50% намаляване на дебелината, погледнато перпендикулярно на равнината на листа, увеличено 200 пъти, глицерол ацетат.
Стойностите, представени в таблица 2, са получени чрез осредняване на измерените мартензитни фракции върху три снимки, направени на различни места върху един и същ металографски образец. Освен това на фиг. 3 показва квадратични криви на напасване за по-добро разбиране на ефекта от студеното валцуване върху мартензита. Може да се види, че има почти линейна корелация между съотношението мартензит и намаляването на дебелината в студено валцувано състояние. Квадратната връзка обаче може да представи по-добре тази връзка.
Промяна в съотношението мартензит като функция от намаляването на дебелината по време на студено валцуване на първоначално закален стоманен лист 316.
Границата на оформяне беше оценена съгласно обичайната процедура, като се използваха тестове за разрушаване на полукълба 37, 38, 45, 66. Общо шест проби бяха произведени чрез лазерно рязане с размерите, показани на Фиг. 4а, като набор от експериментални проби. За всяко състояние на мартензитната фракция бяха подготвени и тествани три комплекта тестови образци. На фиг. 4b показва изрязани, полирани и маркирани проби.
Формоването на Nakazima ограничава размера на пробата и дъската за рязане. (a) Размери, (b) Изрязани и маркирани образци.
Тестът за полусферично щанцоване се провежда с помощта на хидравлична преса със скорост на движение 2 mm/s. Контактните повърхности на поансона и листа са добре смазани, за да се сведе до минимум ефектът от триенето върху границите на формоване. Продължете тестването, докато се наблюдава значително стесняване или счупване в образеца. На фиг. 5 показва разрушената проба в устройството и пробата след тестване.
Границата на оформяне беше определена с помощта на тест за полусферично разрушаване, (а) стенд за изпитване, (б) плоча за проба при счупване в стенда за изпитване, (в) същата проба след изпитване.
Невро-размитата система, разработена от Jang67, е подходящ инструмент за предсказване на кривата на ограничаване на образуването на листа. Този тип изкуствена невронна мрежа включва влиянието на параметри с неясни описания. Това означава, че те могат да получат всякаква реална стойност в полетата си. Стойностите от този тип се класифицират допълнително според тяхната стойност. Всяка категория има свои собствени правила. Например стойността на температурата може да бъде всяко реално число и в зависимост от нейната стойност температурите могат да бъдат класифицирани като студени, средни, топли и горещи. В тази връзка, например, правилото за ниските температури е правилото „носете яке“, а правилото за високите температури е „достатъчно тениска“. В самата размита логика изходът се оценява за точност и надеждност. Комбинацията от невронни мрежови системи с размита логика гарантира, че ANFIS ще осигури надеждни резултати.
Фигура 6, предоставена от Jang67, показва проста невронна размита мрежа. Както е показано, мрежата приема два входа, в нашето изследване входът е делът на мартензита в микроструктурата и стойността на незначителното напрежение. На първото ниво на анализ входните стойности се размиват с помощта на размити правила и функции за членство (FC):
За \(i=1, 2\), тъй като се приема, че входът има две категории на описание. MF може да приеме всяка триъгълна, трапецовидна, гаусова или друга форма.
Въз основа на категориите \({A}_{i}\) и \({B}_{i}\) и техните MF стойности на ниво 2 се приемат някои правила, както е показано на Фигура 7. В това слой, ефектите от различните входове се комбинират по някакъв начин. Тук се използват следните правила за комбиниране на влиянието на мартензитната фракция и стойностите на малка деформация:
Резултатът \({w}_{i}\) на този слой се нарича интензитет на запалване. Тези интензитети на запалване се нормализират в слой 3 съгласно следната връзка:
В слой 4 правилата Takagi и Sugeno67,68 са включени в изчислението, за да се вземе предвид влиянието на първоначалните стойности на входните параметри. Този слой има следните отношения:
Полученият \({f}_{i}\) се влияе от нормализираните стойности в слоевете, което дава крайния резултат, основните стойности на деформация:
където \(NR\) представлява броя на правилата. Ролята на невронната мрежа тук е да използва своя вътрешен алгоритъм за оптимизация, за да коригира неизвестни мрежови параметри. Неизвестните параметри са получените параметри \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), и параметрите, свързани с MF се считат за обобщена функция на формата на вятърни камбанки:
Границите на формата зависят от много параметри, от химичния състав до историята на деформация на ламарината. Някои параметри са лесни за оценка, включително параметрите за изпитване на опън, докато други изискват по-сложни процедури като металография или определяне на остатъчното напрежение. В повечето случаи е препоръчително да се извърши тест за граница на деформация за всяка партида лист. Понякога обаче други резултати от теста могат да се използват за приближаване на границата на оформяне. Например, няколко проучвания са използвали резултати от изпитване на опън за определяне на способността за формоване на листа69,70,71,72. Други проучвания включват повече параметри в техния анализ, като дебелина и размер на зърното31,73,74,75,76,77. Въпреки това не е изгодно от изчислителна гледна точка да се включват всички разрешени параметри. Следователно използването на модели ANFIS може да бъде разумен подход за справяне с тези проблеми45,63.
В тази статия е изследвано влиянието на съдържанието на мартензит върху граничната диаграма на оформянето на лист от аустенитна стомана 316. В тази връзка беше изготвен набор от данни с помощта на експериментални тестове. Разработената система има две входни променливи: делът на мартензита, измерен при металографски тестове, и обхватът на малки инженерни деформации. Резултатът е голяма инженерна деформация на граничната крива на формоване. Има три вида мартензитни фракции: фини, средни и високи фракции. Ниско означава, че делът на мартензита е по-малък от 10%. При умерени условия делът на мартензита варира от 10% до 20%. Високите стойности на мартензита се считат за фракции над 20%. В допълнение, вторичната деформация има три отделни категории между -5% и 5% близо до вертикалната ос, които се използват за определяне на FLD0. Положителните и отрицателните диапазони са другите две категории.
Резултатите от полусферичния тест са показани на фиг. Фигурата показва 6 диаграми на оформяне на граници, 5 от които са FLD на отделни валцувани листове. Като се има предвид точка на безопасност и нейната горна гранична крива, образуваща гранична крива (FLC). Последната фигура сравнява всички FLC. Както може да се види от последната фигура, увеличаването на съотношението мартензит в аустенитната стомана 316 намалява способността за формоване на ламарината. От друга страна, увеличаването на дела на мартензита постепенно превръща FLC в симетрична крива около вертикалната ос. В последните две графики дясната страна на кривата е малко по-висока от лявата, което означава, че формоспособността при двуосно опън е по-висока, отколкото при едноосно опън. В допълнение, както незначителните, така и големите инженерни деформации преди образуването на шия намаляват с увеличаване на дела на мартензита.
316 образуване на гранична крива. Влияние на съотношението мартензит върху способността за формоване на листове от аустенитна стомана. (точка на безопасност SF, крива на границата на образуване FLC, мартензит M).
Невронната мрежа беше обучена на 60 набора от експериментални резултати с мартензитни фракции от 7,8, 18,3 и 28,7%. Набор от данни от 15,4% мартензит беше запазен за процеса на проверка и 25,6% за процеса на тестване. Грешката след 150 епохи е около 1,5%. На фиг. 9 показва съотношението между действителния резултат (\({\epsilon }_{1}\), основно инженерно натоварване), предоставено за обучение и тестване. Както можете да видите, обученият NFS прогнозира \({\epsilon} _{1}\) задоволително за части от ламарина.
(a) Корелация между прогнозираните и действителните стойности след процеса на обучение, (b) Грешка между прогнозираните и действителните стойности за основните инженерни натоварвания на FLC по време на обучение и проверка.
В даден момент по време на обучението мрежата ANFIS неизбежно се рециклира. За да се определи това, се извършва паралелна проверка, наречена „проверка“. Ако стойността на грешката при валидиране се отклонява от стойността на обучението, мрежата започва повторно обучение. Както е показано на фигура 9b, преди епоха 150, разликата между кривите на обучение и валидиране е малка и те следват приблизително една и съща крива. В този момент грешката на процеса на валидиране започва да се отклонява от кривата на обучение, което е признак за прекомерно оборудване на ANFIS. Така мрежата ANFIS за кръг 150 се запазва с грешка от 1,5%. След това се въвежда FLC прогнозата за ANFIS. На фиг. 10 показва прогнозираните и действителните криви за избраните проби, използвани в процеса на обучение и проверка. Тъй като данните от тези криви бяха използвани за обучение на мрежата, не е изненадващо да се наблюдават много близки прогнози.
Действителни експериментални FLC и ANFIS прогнозни криви при различни условия на съдържание на мартензит. Тези криви се използват в процеса на обучение.
Моделът ANFIS не знае какво се е случило с последната проба. Затова тествахме нашия обучен ANFIS за FLC, като предоставихме проби с мартензитна фракция от 25,6%. На фиг. 11 показва прогнозата на ANFIS FLC, както и експерименталната FLC. Максималната грешка между прогнозираната стойност и експерименталната стойност е 6,2%, което е по-високо от прогнозираната стойност по време на обучение и валидиране. Въпреки това, тази грешка е допустима грешка в сравнение с други проучвания, които прогнозират FLC теоретично37.
В промишлеността параметрите, които влияят върху способността за формоване, се описват под формата на език. Например „едрото зърно намалява способността за формоване“ или „повишената студена обработка намалява FLC“. Входът към мрежата ANFIS на първия етап се класифицира в езикови категории като нисък, среден и висок. Има различни правила за различните категории в мрежата. Следователно в индустрията този тип мрежи могат да бъдат много полезни по отношение на включването на няколко фактора в тяхното езиково описание и анализ. В тази работа се опитахме да вземем предвид една от основните характеристики на микроструктурата на аустенитни неръждаеми стомани, за да използваме възможностите на ANFIS. Количеството индуциран от напрежението мартензит от 316 е пряко следствие от студената обработка на тези вложки. Чрез експериментиране и анализ на ANFIS беше установено, че увеличаването на дела на мартензит в този тип аустенитна неръждаема стомана води до значително намаляване на FLC на плоча 316, така че увеличаването на дела на мартензит от 7,8% на 28,7% намалява FLD0 от 0,35. съответно до 0,1. От друга страна, обучената и валидирана мрежа ANFIS може да предвиди FLC, използвайки 80% от наличните експериментални данни с максимална грешка от 6,5%, което е приемлива граница на грешка в сравнение с други теоретични процедури и феноменологични връзки.
Наборите от данни, използвани и/или анализирани в настоящото проучване, са достъпни от съответните автори при разумно искане.
Iftikhar, CMA и др. Еволюция на последващи пътища на провлачване на екструдирана магнезиева сплав AZ31 „както е“ при пропорционални и непропорционални пътища на натоварване: CPFEM експерименти и симулации. вътрешен J. Prast. 151, 103216 (2022).
Iftikhar, TsMA и др. Еволюция на последващата повърхност на провлачване след пластична деформация по пропорционални и непропорционални пътища на натоварване на отгрята сплав AA6061: експерименти и моделиране на кристалната пластичност чрез крайни елементи. вътрешен J. Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Преходни процеси на напрежението, работно втвърдяване и стойности на r на алуминия поради промени в пътя на деформация. вътрешен J. Prast. 69, 1–20 (2015).
Mamushi, H. et al. Нов експериментален метод за определяне на граничната диаграма на оформяне, като се вземе предвид ефектът на нормалното налягане. вътрешен J. Alma mater. форма. 15 (1), 1 (2022).
Yang Z. и др. Експериментално калибриране на параметрите на пластичното счупване и границите на деформация на листов метал AA7075-T6. J. Алма матер. процес. технологии. 291, 117044 (2021).
Petrits, A. et al. Скрити устройства за събиране на енергия и биомедицински сензори, базирани на ултра-гъвкави фероелектрични преобразуватели и органични диоди. Национална комуна. 12(1), 2399 (2021).
Basak, S. и Panda, SK Анализ на границите на образуване на шия и счупване на различни предварително деформирани плочи в полярни ефективни пътеки на пластична деформация, използвайки модела на провлачване Yld 2000–2d. J. Алма матер. процес. технологии. 267, 289–307 (2019).
Basak, S. и Panda, SK Деформации на счупване в анизотропни ламарини: Експериментална оценка и теоретични прогнози. вътрешен J. Mecha. науката. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Експериментално и теоретично изследване на ефекта от промяната на траекторията на деформация върху граничната диаграма на формоване AA5083. вътрешен Й. адв. производител. технологии. 76 (5–8), 1343–1352 (2015).
Habibi, M. et al. Експериментално изследване на механичните свойства, формоспособността и диаграмата на ограничаване на оформянето на заварени заготовки чрез триене и разбъркване. J. Maker. процес. 31, 310–323 (2018).
Habibi, M., et al. Като се има предвид влиянието на огъването, граничната диаграма се формира чрез включване на MC модела в моделирането с крайни елементи. процес. Институт за кожи. проект. L 232 (8), 625–636 (2018).
Време на публикуване: 8 юни 2023 г