ANFIS

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

583 Accesos

2 altmétrico

Detalles de métricas

El efecto de la microestructura sobre 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 considerable reducción del endurecimiento y la formabilidad. En el presente estudio, nuestro objetivo es evaluar la conformabilidad de aceros AISI 316 con diferentes intensidades de martensita mediante métodos experimentales y de inteligencia artificial. En el primer paso, se recocen aceros de grado AISI 316 con espesores iniciales de 2 mm y se laminan en frío hasta alcanzar varios espesores. Posteriormente, se mide el área relativa de martensita inducida por deformación mediante pruebas de metalografía. La formabilidad de las láminas laminadas se determina mediante la prueba de punzonado hemisférico para obtener diagramas de límites de formación (FLD). Los datos obtenidos de los experimentos se utilizaron para entrenar y validar un sistema de interferencia neuronal difusa (ANFIS). Después de entrenar el ANFIS, las principales deformaciones previstas por la red neuronal se comparan con un nuevo conjunto de resultados experimentales. Los resultados indican que la laminación 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 chapas metálicas, aunque ha sido objeto de artículos de investigación durante décadas, sigue siendo un campo de estudio interesante en metalurgia. Los nuevos instrumentos tecnológicos y modelos computacionales facilitan la búsqueda de los factores subyacentes que afectan la formabilidad. Lo más importante es que 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 de microscopio electrónico de barrido (SEM) y 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 de los metales, el tamaño y la orientación del grano y las imperfecciones 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 conformación no podría ser confiable en condiciones de carga no proporcionales. Por otro lado, la mayoría de las trayectorias de carga en aplicaciones industriales se clasifican como no proporcionales. En este sentido, los métodos experimentales convencionales del hemisferio y de Marciniak-Kuczynski (M-K) deben utilizarse con precaución4,5,6. En los últimos años, otro concepto de diagrama límite de formación de fracturas (FFLD) ha atraído la atención de muchos ingenieros en el campo de la conformabilidad. En este concepto, la formabilidad de las láminas se predice utilizando modelos de daño. En este sentido, la independencia de la ruta está intrínsecamente incorporada en los análisis y los resultados concuerdan bien con los resultados experimentales no proporcionales7,8,9. La formabilidad de las 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 espacios 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 se reconocen en la industria desde hace mucho tiempo. Yamaguchi y Mellor31 examinaron los efectos del tamaño de grano y el espesor sobre la capacidad de estiramiento de las láminas de metal mediante análisis teóricos. Utilizando el modelo de Marciniak, informaron que la disminución en la relación espesor-tamaño de 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 estirabilidad biaxial de tres láminas metálicas diferentes con distintos espesores. Concluyeron que para valores t/d inferiores a 20, la falta de homogeneidad de la deformación y el estrechamiento prominentes se ven afectados principalmente por granos individuales en el espesor de la lámina. Ulvan y Koursaris33 investigaron el efecto del tamaño de grano de los aceros inoxidables austeníticos 304 y 316 sobre la trabajabilidad en masa. Informaron que la formabilidad de estos metales no se vio afectada por el tamaño del grano, pero se observó una ligera variación en las características de tracción. En concreto, el aumento del tamaño de grano dio lugar a una disminución de las medidas de resistencia de estos aceros. El examen del efecto de la densidad de dislocación sobre la tensión de flujo del níquel metálico revela que, independientemente del tamaño del grano, es la densidad de dislocación 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 examinaron Becker y Panchanadeeswaran utilizando simulaciones experimentales y de plasticidad cristalina35. Los resultados numéricos en sus análisis estuvieron en buena armonía con los experimentos, aunque debido a las limitaciones en la aplicación de las condiciones de contorno algunas Los resultados de la simulación se desviaron de los experimentos. Las láminas de aluminio laminadas manifestaron diferentes formabilidades según se detectaron simulaciones de plasticidad cristalina y examen experimental. 36. Se demostró que aunque las curvas tensión-deformación de diferentes láminas eran casi similares, había diferencias significativas en su formabilidad según la inicial. texturas. Amelirad y Assempour utilizaron CPFEM experimental y para obtener curvas límite de formación en láminas de acero inoxidable austenítico 37. Su simulación revela que el aumento en el tamaño de grano se desplaza formando curvas límite hacia arriba en FLD. Además, se examinaron los efectos de la orientación y morfología del grano en la nucleación de huecos. por los mismos autores38.

Además de la morfología y orientación del grano, el estado de macla y las segundas fases son importantes en los aceros inoxidables austeníticos. El hermanamiento es el principal mecanismo de mejora del endurecimiento y elongación en los aceros TWIP39. Hwang40 informó que la conformabilidad de los aceros TWIP no es satisfactoria a pesar de las adecuadas respuestas a la tracción. Sin embargo, los efectos del maclado inducido por deformación sobre la conformabilidad de las láminas de acero austenítico no se reconocen bien. Mishra et al.41 examinaron el acero inoxidable austenítico para observar la generación de macla bajo diferentes trayectorias de deformación por estiramiento. Descubrieron que el hermanamiento podría generarse tanto a partir de fuentes de descomposición de los gemelos recocidos como de una nueva generación de gemelos. Se observó que bajo estiramiento biaxial se genera la máxima macla. 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 de la macla inducida por deformación y la martensita en acero austenítico 316 L fundido con láser selectivo sobre la fragilización por hidrógeno en un rango de temperaturas. Se observó que, según el valor de la temperatura, el hidrógeno podría provocar la fractura o mejorar la conformabilidad 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 diversas velocidades 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 comprometer 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 formabilidad de láminas de acero al carbono simples en diferentes condiciones de laminación. La densidad de dislocaciones en aceros con bajo contenido de carbono aumenta considerablemente debido al laminado en frío. El mecanismo de endurecimiento y reducción de la conformabilidad es diferente en el acero al carbono simple que en 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, 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 conformabilidad de los aceros 304 L. Consideraron sólo observaciones fenomenológicas en las pruebas experimentales para entrenar una red neuronal para predecir la formabilidad. De hecho, varios factores se combinan en la reducción de la capacidad de estiramiento 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 límites de formación apenas se aborda en la literatura. Por otra parte, las características microestructurales a considerar son numerosas. Por lo tanto, la incorporación de todos los factores microestructurales es difícilmente posible en los métodos analíticos. En este sentido, el uso de inteligencia artificial podría resultar útil. En este sentido, en el presente estudio se investiga el efecto de un aspecto del factor microestructural, concretamente la existencia de martensita inducida por tensión, sobre la formabilidad de las láminas de acero inoxidable. Este estudio contrasta con otros estudios de IA sobre la formabilidad por su enfoque en las características microestructurales y no solo en las curvas FLD experimentales. Nuestro objetivo es evaluar la conformabilidad de 316 aceros con diferentes niveles de martensita utilizando métodos experimentales y de inteligencia artificial. En el primer paso, se recocen y laminan en frío 316 aceros con un espesor inicial de 2 mm hasta alcanzar distintos espesores. Posteriormente, se mide el área relativa de la martensita mediante pruebas de metalografía. La formabilidad de las láminas laminadas se determina mediante la prueba de punzonado hemisférico para obtener diagramas de límites de formación (FLD). Los datos obtenidos se utilizan además para entrenar y validar un sistema de interferencia neuronal difusa 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 es de acero inoxidable austenítico 316 con la composición química presentada en la Tabla 1 con un espesor inicial de 1,5 mm. Se realizó un proceso de recocido a 1050 °C durante 1 h seguido de enfriamiento con agua para eliminar cualquier tensión residual en la lámina y obtener una microestructura uniforme.

La microestructura de los aceros austeníticos podría revelarse mediante varios agentes de ataque. Uno de los mejores grabadores es el ácido nítrico al 60% en agua destilada a 1 V de corriente continua durante 120 s38. Sin embargo, este grabador solo revela los límites de los granos y los límites gemelos no pudieron reconocerse como se puede observar en la Fig. 1a. Otro grabador es la glicerogia 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 en \({\alpha }^{^{\prime}}\)-fase martensita, la martensita podría revelarse utilizando grabadores de glicerogia acética, lo cual es de interés en el estudio actual.

Microestructura de lámina de metal 316 después del recocido en las condiciones 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, gluceregia acética.

Las láminas recocidas se cortaron a 11 cm de ancho y 1 m de largo para su laminación. El aparato de laminación en frío tenía dos cilindros simétricos con un diámetro de 140 mm. El proceso de laminación en frío induce la transformación de austenita en martensita inducida por deformación en acero inoxidable 316. Buscamos la relación entre la fase martensita y la fase austenita después del laminado en frío con diferentes espesores. En la Fig. 2 se muestra una muestra de la microestructura de la lámina laminada. La Figura 2a muestra la imagen metalográfica de la muestra laminada vista desde la dirección normal a la lámina. En la Fig. 2b, la porción de martensita se contrasta con el color negro utilizando el software ImageJ65. Utilizando 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 de laminar hasta 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, glicerogia acética.

Los valores proporcionados en la Tabla 2 se obtienen promediando la fracción de martensita medida a partir de tres imágenes de 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 sobre la martensita. Se ve que se mantiene casi una correlación lineal entre la fracción de martensita y la reducción del espesor del laminado en frío. Sin embargo, una relación cuadrática tiene una mejor representación de esta relación.

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

Las evaluaciones del límite de formación siguen un procedimiento de rutina utilizando la prueba de punzonado hemisférico37,38,45,66. En total, se preparan seis muestras con las dimensiones indicadas 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 analizan tres conjuntos de muestras de prueba. La Figura 4b muestra las muestras cortadas, pulidas y marcadas.

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

La prueba de punzonado del hemisferio se realiza utilizando una prensa hidráulica con una velocidad de desplazamiento de 2 mm/seg. Las superficies de contacto del punzón y la lámina están suficientemente lubricadas para minimizar el efecto de la fricción sobre los valores límite de formación. Las pruebas continuaron hasta que se observó un cuello o fractura aparente 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 mediante la prueba de punzonado del hemisferio, (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 neuronal difuso desarrollado por Jang67 es una herramienta adecuada para predecir 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 adquirir cualquier valor real en su dominio. Este tipo de valores se clasifica además en función de su valor. Cada categoría estaría 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 temperaturas frías es, por ejemplo, “llevar chaqueta” y para temperaturas cálidas es “basta con una camiseta”. En la propia lógica difusa, los resultados de salida se evalúan para determinar su precisión y confiabilidad. La incorporación de un sistema de red neuronal con lógica difusa permite garantizar que ANFIS proporcione resultados confiables.

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

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

Esquema de capas ANFIS para dos entradas y una salida67.

Según las categorías de \({A}_{i}\) y \({B}_{i}\) y sus valores MF, se adoptan algunas reglas en la capa 2 como se muestra en la Fig. 7. En estas capas , los efectos de diferentes insumos se combinan de cierta manera. Aquí, se utilizan las siguientes reglas 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 intensidades 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 deformación mayor:

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

Los diagramas de límites de formación dependen de muchos parámetros, desde la composición química hasta el historial de deformación de las láminas de metal. Algunos parámetros son simples 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, resulta 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 resultados de pruebas de tracción para determinar la formabilidad de las láminas69,70,71,72. Otros estudios incorporaron más parámetros como el espesor y el tamaño de grano en sus análisis31,73,74,75,76,77. Sin embargo, incorporar todos los parámetros efectivos no es beneficioso desde el punto de vista computacional. Por lo tanto, utilizar modelos ANFIS podría ser un enfoque razonable para estos problemas45,63.

En este trabajo, se analiza el efecto del valor de la fracción de martensita en el diagrama 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 considera la mayor tensión de ingeniería de la curva límite de formación. Las categorías de la fracción de martensita son tres categorías de fracciones baja, media y alta. Con baja se quiere decir que la fracción de martensita está por debajo del 10%. En condiciones medias, la fracción de martensita se sitúa entre el 10 y el 20%. El alto valor de la martensita se considera fracciones superiores al 20%. Además, la cepa menor tiene tres categorías distintas de entre -5 y 5% cerca del eje vertical para la determinación de FLD0. Los rangos positivos y negativos son otras dos categorías.

Los resultados de las pruebas del hemisferio se presentan en la Fig. 8. Esta figura contiene 6 diagramas de límites de formación, 5 de ellos son los FLD de una sola hoja laminada. Se presentan los puntos seguros y su curva límite superior, formando la curva límite (FLC). En el último gráfico se comparan todos los FLC. Como se ve en el último gráfico, el aumento de la fracción de martensita del acero austenítico 316 reduce la conformabilidad de la chapa. Por otro lado, el aumento en la fracción de martensita da forma gradualmente a las FLC hasta formar 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 conformabilidad 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 del estrechamiento se reducen con el aumento de la fracción de martensita.

Curvas límite de formación de 316. Efecto de la fracción de martensita sobre la formabilidad de láminas de acero austenítico. (Puntos seguros SF, curva límite de formación FLC, martensita M).

El entrenamiento de la red neuronal se implementa utilizando 60 conjuntos de resultados experimentales de fracciones de martensita de 7,8, 18,3 y 28,7%. 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 épocas fue de alrededor del 1,5%. La correlación entre la producción real proporcionada (\({\epsilon }_{1}\), tensión de ingeniería principal) tanto para el entrenamiento como para las pruebas se muestra en la Fig. 9. Como se observa, el NFS entrenado predice satisfactoriamente \({\epsilon } _{1}\) para las chapas.

(a) correlación entre los valores pronosticados y reales después del proceso de capacitación, (b) Error entre los valores pronosticados y reales de la tensión de ingeniería principal en FLC tanto para el proceso de capacitación como para el proceso de validación.

En algún momento durante la formación, la red ANFIS inevitablemente se sobreequipa. Para reconocer este punto, se realiza una verificación paralela llamada “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 cual es señal 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 FLC de ANFIS. En la Fig. 10, se muestran las curvas predichas 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 modelo ANFIS desconoce el estado de la última muestra. Por lo tanto, probamos nuestro ANFIS capacitado 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 predicho y el experimental es del 6,2%, que es mayor que los valores predichos en el proceso de entrenamiento y validación. Sin embargo, este error es aceptable en comparación con otros estudios en los que la CLL se predice mediante métodos teóricos37.

Esquema de capas ANFIS para dos entradas y una salida.

En la industria, los parámetros que influyen en la conformabilidad se describen de forma lingüística. Por ejemplo, "el tamaño de grano grande disminuye la conformabilidad" o "el aumento del trabajo en frío reduce la FLC". Las entradas de la red ANFIS, en el primer paso, se dividen en categorías lingüísticas de, por ejemplo, baja, media y alta. Para diferentes categorías, la red adopta diferentes reglas. Por lo tanto, en la industria este tipo de red podría resultar muy útil tanto en términos de descripción lingüística de los factores como también de inclusión de varios factores en el análisis. En este trabajo, intentamos incorporar una de las principales características microestructurales de los aceros inoxidables austeníticos aprovechando las capacidades de ANFIS. La cantidad de martensita que induce tensión en el 316 es un efecto directo del trabajo en frío en estas láminas. Utilizando análisis experimentales y ANFIS, se determinó que el aumento en la fracción de martensita en este tipo de aceros inoxidables austeníticos resulta en una caída significativa en el FLC de 316 láminas, de modo que un aumento de 7.8 a 28.7% de la fracción de martensita reduce el 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 podría predecir el FLC con un error máximo del 6,5%, lo 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 previa solicitud razonable.

Iftikhar, CMA y cols. Una evolución de los loci de rendimiento posteriores bajo una ruta de carga proporcional y no proporcional de la aleación de magnesio AZ31 extruida 'tal como se recibió': experimentos y modelado CPFEM. En t. J. Plast. 151, 103216 (2022).

Artículo CAS Google Scholar

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

Artículo CAS Google Scholar

Mánik, T., Holmedal, B. & Hopperstad, OS El cambio en la trayectoria de deformación indujo transitorios en la tensión de flujo, el endurecimiento por trabajo y los valores r en aluminio. En t. J. Plast. 69, 1-20 (2015).

Artículo de Google Scholar

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

Artículo de Google Scholar

Yang, Z. y col. 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 Scholar

Petritz, A. y col. Dispositivo imperceptible de recolección de energía y sensor biomédico basado en transductores ferroeléctricos ultraflexibles y diodos orgánicos. Nat. Comunitario. 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 un lugar de deformación plástica polar efectiva utilizando el modelo de rendimiento Yld 2000–2d. J. Mater. Proceso. Tecnología. 267, 289–307 (2019).

Artículo CAS Google Scholar

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

Artículo de Google Scholar

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

Artículo de Google Scholar

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

Artículo de Google Scholar

Habibi, M. y col. Formación de diagramas de límites incluyendo el modelo MK en simulación de elementos finitos considerando el efecto de la flexión. Proc. Inst. Mec. Ing. L 232(8), 625–636 (2018).

Google Académico

Habibi, M. y col. Mejora de las propiedades mecánicas y la conformabilidad del acero con bajo contenido de carbono con microestructuras de dos fases. J. Mater. Ing. Llevar a cabo. 25(2), 382–389 (2016).

Artículo MathSciNet CAS Google Scholar

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

Artículo de Google Scholar

Alipour, M. y col. Elementos finitos y método experimental para analizar los efectos de las morfologías de martensita en la formabilidad de aceros DP. Mec. Basado en Des. Estructura. Mach. 48(5), 525–541 (2020).

Artículo de Google Scholar

Ghazanfari, A. et al. Predicción de FLD para chapa metálica considerando tensiones cortantes en todo el espesor. Mec. Basado en Des. Estructura. Mach. 48(6), 755–772 (2020).

Artículo de Google Scholar

Zhao, H. y col. Sangría cuasiestática, impacto a baja velocidad y respuestas de resonancia del panel laminado de doble curvatura considerando diversas condiciones de contorno. Estructuras de paredes delgadas 183, 110360 (2023).

Artículo de Google Scholar

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

Artículo MathSciNet Google Scholar

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

Artículo MathSciNet Google Scholar

Liu, H. y col. Una simulación matemática integral del microsistema rotatorio 3D dependiente del tamaño compuesto mediante el método de cuadratura diferencial generalizada bidimensional. Ing. Computadora. 38(5), 4181–4196 (2022).

Artículo MathSciNet Google Scholar

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

Artículo de Google Scholar

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

Artículo de Google Scholar

Guo, J. y col. Un método informático inteligente para las respuestas de vibración del nanosistema simétrico multicapa giratorio mediante modelado multifísico. Ing. Computadora. 38(5), 4217–4238 (2022).

Artículo MathSciNet Google Scholar

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

Artículo de Google Scholar

Kong, F. y col. Sobre las vibraciones del disco sándwich electrorreológico con láminas frontales compuestas considerando regiones previas y posteriores al rendimiento. Estructura de paredes delgadas. 179, 109631 (2022).

Artículo de Google Scholar

Zhu, L. y col. Predecir el problema del despacho económico ambiental para reducir el desperdicio de materiales no renovables a través de un innovador algoritmo de optimización de chimpancés multiobjetivo con restricciones. J. Limpio. Pinchar. 365, 132697 (2022).

Artículo de Google Scholar

Shi, X., Li, J. y Habibi, M. Sobre la estática y la dinámica de un flujo de fluido transportador de nanoshell GPLRC electro-termomecánicamente poroso. Mec. Basado en Des. Estructura. Mach. 50(6), 2147–2183 (2022).

Artículo de Google Scholar

Wang, Z. y col. Respuestas de frecuencia y pandeo de un microdisco en voladizo laminado de fibra metálica giratorio de alta velocidad. Mec. Adv. Madre. Estructura. 29(10), 1475–1488 (2022).

Artículo de Google Scholar

Chen, F. y col. Investigación sobre la estabilidad dinámica y las características aeroelásticas de tubos curvos compuestos con cualquier ángulo de guiñada. Compos. Estructura. 284, 115195 (2022).

Artículo CAS Google Scholar

Shao, Y. et al. Absorción de energía del panel compuesto viscoelástico reforzado de múltiples curvas bajo fuerza de fricción. Arco. Mecánica civil. Ing. 21(4), 141 (2021).

Artículo de Google Scholar

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

Artículo CAS Google Scholar

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

Artículo de Google Scholar

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

Artículo CAS Google Scholar

Ulvan, E. & Koursaris, A. El efecto del tamaño del grano sobre la formabilidad en masa y las propiedades de tracción de los aceros inoxidables austeníticos tipos 304 y 316. Metall. Trans. A 19(9), 2287–2298 (1988).

Artículo de Google Scholar

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

Artículo CAS Google Scholar

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

Artículo CAS Google Scholar

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

Artículo de Google Scholar

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

Artículo de Google Scholar

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. Computadora. https://doi.org/10.1007/s00366-021-01346-2 (2021).

Artículo de Google Scholar

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

Artículo ADS CAS Google Scholar

Hwang, J.-K. Baja conformabilidad y reducción de área en aceros de plasticidad inducida por macla a pesar de su excelente alargamiento a la tracción. Madre. Ciencia. Ing. A 779, 139123 (2020).

Artículo CAS Google Scholar

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

Artículo ADS CAS Google Scholar

Hong, Y. et al. Gemelos inducidos por deformación y martensita: efectos sobre la fragilización por hidrógeno del acero inoxidable 316 L fundido con láser selectivo (SLM). Corros. Ciencia. 208, 110669 (2022).

Artículo CAS Google Scholar

Shen, YF y cols. Hermanamiento y martensita en acero inoxidable austenítico 304. Madre. Ciencia. Ing. A 552, 514–522 (2012).

Artículo CAS Google Scholar

Moradi, H. y col. Modelado de aprendizaje automático y optimización asistida por DOE en la síntesis de partículas de nanosílice mediante el método Stöber. Adv. Nanoresolución. 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 conformabilidad de láminas 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 rocas mediante un enfoque ANFIS. Aplica. Computación blanda. 12(1), 40–45 (2012).

Artículo de Google Scholar

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

ADS del artículo Google Scholar

Lingamdinne, LP y cols. Bentonita funcionalizada para la eliminación de Pb (II) y As (V) del agua superficial: capacidad y mecanismo de predicción utilizando una red neuronal artificial. J. Ing. de Procesos de Agua. 51, 103386 (2023).

Artículo de Google Scholar

Vatanpour, V. y col. Membranas híbridas de polímero-nanopartícula-nanopartícula/polímero altamente antiincrustantes. Ciencia. Medio ambiente total. 810, 152228 (2022).

Artículo ADS CAS PubMed Google Scholar

Vatanpour, V. y col. Membranas nanocompuestas de sílice/polisulfona funcionalizadas con polietilenimina hiperramificada para la purificación de agua. Quimiosfera 290, 133363 (2022).

Artículo ADS CAS PubMed Google Scholar

Moradi, H. y col. Estudio experimental y numérico de la eliminación de diazinón mediante 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 Scholar

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

Artículo CAS Google Scholar

Zhu, H. y Zhao, R. Los átomos de Ni aislados indujeron estabilidades de los bordes y formas de equilibrio del nitruro de boro hexagonal preparado por CVD en la superficie de Ni (111). Nuevo J. Chem. 46(36), 17496–17504 (2022).

Artículo CAS Google Scholar

Deng, H. y col. Microestructura y propiedades mecánicas de juntas diferentes de NiTi/Ti6Al4V mediante soldadura por fricción-agitación asistida por retrocalentamiento. J. Manuf. Proceso. 64, 379–391 (2021).

Artículo MathSciNet Google Scholar

Zhang, P. y col. 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 Scholar

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

Artículo ADS CAS Google Scholar

Zhang, P. y col. Efecto del proceso de tratamiento térmico sobre la micromaquinabilidad de la aleación de aluminio 7075. Vacío 207, 111574 (2023).

Artículo ADS CAS Google Scholar

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

ADS del artículo Google Scholar

Liang, L. y col. Efecto del tratamiento térmico de soldadura sobre la microestructura y las propiedades mecánicas de la superaleación a base de níquel fabricada mediante fusión selectiva por láser. Madre. Ciencia. Ing. A 819, 141507 (2021).

Artículo CAS Google Scholar

Liao, D. y col. Marco probabilístico para la evaluación de la vida a fatiga de componentes con muescas bajo efectos de tamaño. En t. J. Mech. Ciencia. 181, 105685 (2020).

Artículo de Google Scholar

Niu, X. y col. 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 Scholar

Xu, H. y col. Análisis termomecánico transitorio del contacto deslizante de aspereza microcilíndrica de una aleación de SnSbCu. Tríbol. En t. 167, 107362 (2022).

Artículo CAS Google Scholar

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

Artículo de Google Scholar

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

Artículo de Google Scholar

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

Google Académico

Habibi, M. y col. Determinación del diagrama límite de formación utilizando dos modelos de elementos finitos modificados. Mec. Ing. 48(4), 141-144 (2017).

Google Académico

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

Artículo de Google Scholar

Takagi, T. & Sugeno, M. Identificación difusa de sistemas y sus aplicaciones al modelado y control. Traducción IEEE. Sistema. Hombre Cibernético. 1, 116-132 (1985).

Artículo MATEMÁTICAS Google Scholar

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 Scholar

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

Artículo de Google Scholar

Hashemi, R., Mamusi, H. y Masoumi, A. Un enfoque basado en simulación para la determinación de la formación de diagramas de límites. Proc. Inst. Mec. Ing. B 228 (12), 1582-1591 (2014).

Artículo CAS Google Scholar

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

Artículo de Google Scholar

Dilmec, M. y col. Efectos del espesor de la lámina y la anisotropía en la formación de curvas límite de AA2024-T4. En t. J. Adv. Fabricante. Tecnología. 67(9–12), 2689–2700 (2013).

Artículo de Google Scholar

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

MathSciNetGoogle Académico

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

Artículo de Google Scholar

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

Artículo de Google Scholar

Ma, B. y col. El efecto de la tensión normal a través del espesor sobre la formabilidad de la lámina. J. Manuf. Proceso. 21, 134-140 (2016).

Artículo de Google Scholar

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 en ciencia y tecnología de la Universidad Dalian Ocean de 2021 (c202114), el proyecto del fondo de investigación científica de 2020 del Departamento Provincial de Educación de Liaoning (ql202017) y el proyecto general del Departamento Provincial de Ciencia y Tecnología de Liaoning (ljkz0734).

Escuela Vocacional de Creación de Chongqing, Yongchuan, 402160, Chongqing, China

Mingxiang Zhang

Facultad de Tecnología Aplicada, Dalian Ocean University, Dalian, 116300, Liaoning, China

Zheng Meng

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

Morteza Shariati

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes 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 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 reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique 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 normativa legal o excede el uso permitido, deberá obtener 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 láminas de acero inoxidable 316. Representante científico 13, 3115 (2023). https://doi.org/10.1038/s41598-023-28719-5

Descargar cita

Recibido: 11 de diciembre de 2022

Aceptado: 23 de enero de 2023

Publicado: 22 de febrero de 2023

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

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

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

Proporcionado por la iniciativa de intercambio de contenidos 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.