بهبود توزیع تنشهای پسماند ناشی از جوشکاری لوله های نفت و گاز مبتنی بر تحلیل اجزاء محدود

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,240

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IPPC01_026

تاریخ نمایه سازی: 20 آبان 1385

چکیده مقاله:

یکی از مصارف عمده لوله ها، استفاده از آنها در خطوط انتقال نفت و گاز است. جوشکاری این لوله ها عمدتا به روش قوسی زیر پودری انجام می گیرد. از جمله مشخصات بارز این نوع جوشکاری تنش های پسماند قابل ملاحظه ای است که پس از آن در قطعه باقی می ماند. این تنشها باعث تشدید سرعت انتشار ترکهای خوردگی – تنشی می گردد. در این تحقیق هدف آن است که با بهبود میزان تنشهای پسماند ناشی از فرایند جوشکرای زمینه افزایش عمر لوله فراهم آیید. برای محاسبه تنش هایپسماند از مدل اجزاء محدود جوشکاری در نرم افزار ANSYS استفاده شده است.نتایج حاصل از مدل مذکور با نتایج تجربی مقایسه و صحت آن تایید شده است. با توجهبه اینکه اجرای برنامه شبیه سازی زمانبر می باشد، در این تقحیق ابتدا مدلسازی فرایند به کمک شبکه های عصبی مصنوعی انجام گرفته است. برای تولید داده های مناسب برای آموزش شبکه عصبی از روش طراحی آزمایش تاگوچی استفاده شده است. برای بهینه سازی نیاز به یک تابع هدف می باشد. این تابع به صورت یک تابع ریاضی با استفاده از شبکه عصبی بیان شده است. در این تحقیق از شبکه عصبی پیش رو چند لایه با روش یادگیری پس از انتشار خطا و الگوریتم لونبرگ – مارکوارت استفاده شده است. برای انجام بهینه سازی از الگوریتم ژنتیک استفاده شده است. نتایج ماکیمم تنش پسماند در حالت بهینه را 66 مگاپاسکال یعنی 60/1% کمتر از حالت اولیه (166 مگاپاسکال) نشان می دهد. در نهایت اثر هر یک از پارامترهای مورد مطالعه به صورت بدون بعد در قالب نمودارهای مجزا و یا اثرات توام ارائه گردیده است.

نویسندگان

محمدرضا فروزان

دانشکده مهندسی مکانیک، دانشگاه صنعتی اصفهان، ایران

سید جعفر گلستانه

شرکت لوله و تجهیزات سدید، تهران، ایران

سیدعلیرضا طباطبایی

شرکت لوله و تجهیزات سدید، تهران، ایران

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 :
  • Koch, F.O., Peeck, A., and Elfinger, F.X., ،Influence of weld ...
  • Tarng, Y.S., Tsai, H.L., and Yeh, S.S., 4Modeling, optimization and ...
  • use of grey-based Taguchi methods to determine Theء، 3-Tarng, Y.S., ...
  • Kim, I.S., Son, J.S., and Yarlagadda, P.K.D.V., ،A study on ...
  • Correia, D.S., Goncalves, C.V., Junior, S.S.C., and Ferraresi, V.A. , ...
  • نمایش کامل مراجع