مقایسه قابلیت مدلهای آرنیوسی و شبکه مصنوعی عصبی در مدلسازی رفتار سیلان سوپرالیاژ اینکونل ۶۲۵ تولید شده به روش ساخت افزایشی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 30

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_METALL-28-3_003

تاریخ نمایه سازی: 22 آبان 1405

چکیده مقاله:

ساخت محصولات نزدیک به شکل نهایی از جنس آلیاژهای پیشرفته پراستحکام از طریق روشهای ساخت افزایشی، توجه بسیاری از صنعتگران و محققان را به خود جلب کرده است. آلیاژهای پیشرفته مهندسی مانند سوپرآلیاژهای پایه نیکل جهت سرویس دهی در شرایط خاص مانند دمای بالا، زمانهای طولانی مدت، و شرایط خورنده و اکسید شونده طراحی می شوند. بنابراین ضرورت بررسی خواص مکانیکی دمای بالای آلیاژهای پیشرفته پراستحکام ساخته شده به روش ساخت افزایشی کاملا محسوس است. در این پژوهش رفتار سیلان دمای بالای سوپر آلیاژ Inconel۶۲۵ تولید شده به روش ذوب لیزری انتخابی مورد بررسی قرار گرفته است. به این منظور آزمایش های فشار در دماهای ۸۰۰ ، ۹۰۰ ، ۱۰۰۰ و ℃۱۱۰۰ تحت نرخ کرنشهای ۰۰۱/۰، ۰۱/۰، و s-۱۱/۰ انجام شد. جهت مدلسازی رفتارسیلان آلیاژ از مدل رفتاری آرنیوسی اصلاح شده و مدل شبکه عصبی مصنوعی استفاده شد. برای ارزیابی دقت مدلهای به کارگرفته شده از پارامترهای استاندارد آماری در قالب ضریب همبستگی، ریشه میانگین مربعات خطا، و میانگین خطای نسبی مطلق استفاده شد. با توجه به تغییرات قابل توجه ضریب حساسیت به نرخ کرنش و انرژی فعالسازی تغییرشکل در محدوده دمایی مورد بررسی، مدل آرنیوسی نتوانست پیش بینی دقیقی از رفتار سیلان داشته باشد. در حالی که مدل شبکه عصبی مصنوعی از توانایی بسیار بالایی در مدلسازی رفتار سخت شوندگی و نرم شوندگی سیلان سوپرآلیاژ مورد بررسی برخوردار است. بر اساس داده های پیش بینی شده نقشه های بازده و اتلاف توان در کرنشهای ۱/۰ ، ۲/۰ ، ۳/۰ و ۴/۰ رسم شدند و مناطق ناپایداری متالورژیکی و شرایط بهینه تغییرشکل مورد شناسایی قرار گرفت.

نویسندگان

حمیدرضا عابدی

دانشکده مهندسی مواد و متالورژی، دانشگاه علم و صنعت ایران، تهران، ایران

سبحان نجفی

دانشکده مهندسی مواد و متالورژی، دانشگاه علم و صنعت ایران، 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 :