The Comprehensive Study on the Classical Constitutive Models in Predicting the Hot Deformation Behavior of Al۵۰۸۳-SiC Metal Matrix Composite
محل انتشار: مجله شکل دهی مواد، دوره: 8، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 368
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMF-8-3_007
تاریخ نمایه سازی: 12 مرداد 1400
چکیده مقاله:
The main goal of this research is to study the hot deformation process of metal-matrix composites and investigate the possibility of using classical constitutive models to calculate the flow stress of such composites during the hot deformation process. A ۵۰۸۳ aluminum-based metal composite reinforced with ۹ wt.% of ۳۷ micron SiC particles, and made by stir-casting method, was used for the study. Standard and improved Johnson-Cook model, Arrhenius and Zerilli-Armstrong models in the temperature range of ۶۷۳-۸۲۳ K, and strain rates of ۰.۰۰۱-۱ s-۱ were extracted and their accuracy was studied. Based on the results, classical models used to predict the hot deformation behavior of metal alloys can also be used to predict the behavior of aluminum-matrix composites with reasonable accuracy depending on the type of model. The hot deformation activation energy Q for the composite based on the hyperbolic-sine law Arrhenius equation, is ۲۶۵.۵ kJ/mol. The strain-compensated Arrhenius model was the best model to predict the behavior of the composite with the error less than ۷% and can reasonably predict the trend of changing the flow stress even at high temperatures with the correlation factor of ۰.۹۸۹.
کلیدواژه ها:
نویسندگان
Hamed Dalvand
Department of Mechanical Engineering, Faculty of Engineering, Kermanshah University of Technology, Kermanshah, Iran
Sajad Rasaee
Department of Mechanical Engineering, Faculty of Engineering, Kermanshah University of Technology, Kermanshah, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :