Terima kasih telah mengunjungi Nature.com. Anda menggunakan versi browser dengan dukungan CSS terbatas. Untuk pengalaman terbaik, kami menyarankan Anda menggunakan browser yang diperbarui (atau menonaktifkan Mode Kompatibilitas di Internet Explorer). Selain itu, untuk memastikan dukungan berkelanjutan, kami menampilkan situs tanpa gaya dan JavaScript.
Slider menampilkan tiga artikel per slide. Gunakan tombol kembali dan berikutnya untuk menelusuri slide, atau tombol pengontrol slide di akhir untuk menelusuri setiap slide.
Pengaruh struktur mikro terhadap sifat mampu bentuk lembaran baja tahan karat merupakan perhatian utama bagi para insinyur pengerjaan logam lembaran. Untuk baja austenitik, adanya deformasi martensit (\({\alpha}^{^{\prime))\)-martensit) dalam struktur mikro menyebabkan pengerasan yang signifikan dan penurunan sifat mampu bentuk. Dalam penelitian ini, kami bertujuan untuk mengevaluasi sifat mampu bentuk baja AISI 316 dengan kekuatan martensit yang berbeda melalui metode eksperimental dan kecerdasan buatan. Tahap pertama, baja AISI 316 dengan ketebalan awal 2 mm dianil dan digulung dingin hingga berbagai ketebalan. Selanjutnya, luas regangan relatif martensit diukur dengan pengujian metalografi. Sifat mampu bentuk lembaran yang digulung ditentukan dengan menggunakan uji hemisfer burst untuk mendapatkan diagram batas regangan (FLD). Data yang diperoleh dari hasil percobaan selanjutnya digunakan untuk melatih dan menguji sistem interferensi neuro-fuzzy buatan (ANFIS). Setelah pelatihan ANFIS, strain dominan yang diprediksi oleh jaringan saraf dibandingkan dengan serangkaian hasil eksperimen baru. Hasilnya menunjukkan bahwa pengerolan dingin mempunyai efek negatif pada sifat mampu bentuk baja tahan karat jenis ini, namun kekuatan lembarannya meningkat pesat. Selain itu, ANFIS menunjukkan hasil yang memuaskan dibandingkan pengukuran eksperimental.
Kemampuan membentuk lembaran logam, meskipun menjadi subjek artikel ilmiah selama beberapa dekade, tetap menjadi bidang penelitian yang menarik di bidang metalurgi. Alat teknis dan model komputasi baru memudahkan untuk menemukan faktor potensial yang mempengaruhi sifat mampu bentuk. Yang paling penting, pentingnya struktur mikro untuk batas bentuk telah terungkap dalam beberapa tahun terakhir menggunakan Metode Elemen Hingga Plastisitas Kristal (CPFEM). Di sisi lain, ketersediaan pemindaian mikroskop elektron (SEM) dan difraksi hamburan balik elektron (EBSD) membantu peneliti mengamati aktivitas mikro struktur kristal selama deformasi. Memahami pengaruh berbagai fase dalam logam, ukuran dan orientasi butir, serta cacat mikroskopis pada tingkat butir sangat penting untuk memprediksi sifat mampu bentuk.
Menentukan sifat mampu bentuk itu sendiri merupakan proses yang kompleks, karena kemampuan mampu bentuk telah terbukti sangat bergantung pada jalur 1, 2, 3. Oleh karena itu, gagasan konvensional mengenai regangan pembentuk ultimat tidak dapat diandalkan pada kondisi pembebanan yang tidak proporsional. Di sisi lain, sebagian besar jalur beban dalam aplikasi industri diklasifikasikan sebagai pembebanan non-proporsional. Dalam hal ini, metode tradisional hemispherical dan eksperimental Marciniak-Kuchinsky (MK)4,5,6 harus digunakan dengan hati-hati. Dalam beberapa tahun terakhir, konsep lain, Fracture Limit Diagram (FFLD), telah menarik perhatian banyak insinyur sifat mampu bentuk. Dalam konsep ini, model kerusakan digunakan untuk memprediksi sifat mampu bentuk lembaran. Dalam hal ini, independensi jalur pada awalnya dimasukkan dalam analisis dan hasilnya sesuai dengan hasil eksperimen tanpa skala7,8,9. Sifat mampu bentuk suatu lembaran logam bergantung pada beberapa parameter dan riwayat pemrosesan lembaran tersebut, serta pada struktur mikro dan fase logam10,11,12,13,14,15.
Ketergantungan ukuran merupakan masalah ketika mempertimbangkan fitur mikroskopis logam. Telah ditunjukkan bahwa, dalam ruang deformasi kecil, ketergantungan sifat getaran dan tekuk sangat bergantung pada skala panjang material16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. Pengaruh ukuran butir terhadap sifat mampu bentuk telah lama diketahui dalam industri. Yamaguchi dan Mellor [31] mempelajari pengaruh ukuran butir dan ketebalan pada sifat tarik lembaran logam menggunakan analisis teoritis. Dengan menggunakan model Marciniac, mereka melaporkan bahwa pada pembebanan tarik biaksial, penurunan rasio ketebalan terhadap ukuran butir menyebabkan penurunan sifat tarik lembaran. Hasil percobaan oleh Wilson et al. 32 menegaskan bahwa pengurangan ketebalan hingga diameter butir rata-rata (t/d) mengakibatkan penurunan ekstensibilitas biaksial lembaran logam dengan tiga ketebalan berbeda. Mereka menyimpulkan bahwa pada nilai t/d kurang dari 20, ketidakhomogenan deformasi dan necking yang terlihat terutama dipengaruhi oleh butiran individu dalam ketebalan lembaran. Ulvan dan Koursaris33 mempelajari pengaruh ukuran butir terhadap kemampuan mesin keseluruhan baja tahan karat austenitik 304 dan 316. Mereka melaporkan bahwa sifat mampu bentuk dari logam-logam ini tidak dipengaruhi oleh ukuran butir, namun perubahan kecil pada sifat tarik dapat dilihat. Peningkatan ukuran butir inilah yang menyebabkan penurunan karakteristik kekuatan baja tersebut. Pengaruh densitas dislokasi terhadap tegangan aliran logam nikel menunjukkan bahwa densitas dislokasi menentukan tegangan aliran logam, berapapun ukuran butirnya34. Interaksi butiran dan orientasi awal juga mempunyai pengaruh besar terhadap evolusi tekstur aluminium, yang diselidiki oleh Becker dan Panchanadiswaran menggunakan eksperimen dan pemodelan plastisitas kristal35. Hasil numerik dalam analisisnya sesuai dengan eksperimen, meskipun beberapa hasil simulasi menyimpang dari eksperimen karena keterbatasan kondisi batas yang diterapkan. Dengan mempelajari pola plastisitas kristal dan mendeteksi secara eksperimental, lembaran aluminium yang digulung menunjukkan sifat mampu bentuk yang berbeda36. Hasil penelitian menunjukkan bahwa meskipun kurva tegangan-regangan dari berbagai lembaran hampir sama, namun terdapat perbedaan yang signifikan dalam kemampuan mampu bentuk berdasarkan nilai awal. Amelirad dan Assempour menggunakan eksperimen dan CPFEM untuk mendapatkan kurva tegangan-regangan untuk lembaran baja tahan karat austenitik37. Simulasi mereka menunjukkan bahwa peningkatan ukuran butir bergeser ke atas di FLD, membentuk kurva pembatas. Selain itu, penulis yang sama menyelidiki pengaruh orientasi butir dan morfologi pada pembentukan rongga 38 .
Selain morfologi dan orientasi butiran pada baja tahan karat austenitik, keadaan fase kembar dan fase sekunder juga penting. Kembaran merupakan mekanisme utama pengerasan dan peningkatan elongasi pada baja TWIP 39. Hwang40 melaporkan bahwa sifat mampu bentuk dari baja TWIP buruk meskipun respon tariknya cukup. Namun, pengaruh deformasi kembaran terhadap sifat mampu bentuk lembaran baja austenitik belum cukup dipelajari. Mishra dkk. 41 mempelajari baja tahan karat austenitik untuk mengamati kembaran di bawah berbagai jalur regangan tarik. Mereka menemukan bahwa kembaran bisa berasal dari sumber peluruhan dari kembaran anil dan generasi kembar baru. Telah diamati bahwa kembaran terbesar terbentuk di bawah tegangan biaksial. Selain itu, diketahui bahwa transformasi austenit menjadi \({\alpha}^{^{\prime}}\)-martensit bergantung pada jalur regangan. Hong dkk. 42 menyelidiki efek kembaran dan martensit yang diinduksi regangan pada penggetasan hidrogen pada rentang suhu dalam peleburan laser selektif baja austenitik 316L. Telah diamati bahwa, bergantung pada suhu, hidrogen dapat menyebabkan kegagalan atau meningkatkan sifat mampu bentuk baja 316L. Shen dkk. 43 secara eksperimental mengukur volume martensit deformasi di bawah pembebanan tarik pada berbagai tingkat pembebanan. Ditemukan bahwa peningkatan regangan tarik meningkatkan fraksi volume fraksi martensit.
Metode AI digunakan dalam sains dan teknologi karena keserbagunaannya dalam memodelkan masalah yang kompleks tanpa menggunakan dasar fisika dan matematis dari masalah tersebut44,45,46,47,48,49,50,51,52 Jumlah metode AI semakin meningkat . Moradi dkk. 44 menggunakan teknik pembelajaran mesin untuk mengoptimalkan kondisi kimia guna menghasilkan partikel nanosilika yang lebih halus. Sifat kimia lainnya juga mempengaruhi sifat bahan skala nano, yang telah diselidiki dalam banyak artikel penelitian53. Ce dkk. 45 menggunakan ANFIS untuk memprediksi sifat mampu bentuk lembaran logam baja karbon polos dalam berbagai kondisi penggulungan. Karena pengerolan dingin, kepadatan dislokasi pada baja ringan meningkat secara signifikan. Baja karbon biasa berbeda dari baja tahan karat austenitik dalam mekanisme pengerasan dan restorasi. Pada baja karbon sederhana, transformasi fasa tidak terjadi pada struktur mikro logam. Selain fase logam, keuletan, patah, kemampuan mesin, dll. logam juga dipengaruhi oleh beberapa fitur mikrostruktur lain yang terjadi selama berbagai jenis perlakuan panas, pengerjaan dingin, dan penuaan54,55,56,57,58,59 ,60. , 61, 62. Baru-baru ini, Chen dkk. 63 mempelajari pengaruh pengerolan dingin terhadap sifat mampu bentuk baja 304L. Mereka memperhitungkan pengamatan fenomenologis hanya dalam tes eksperimental untuk melatih jaringan saraf untuk memprediksi sifat mampu bentuk. Faktanya, dalam kasus baja tahan karat austenitik, beberapa faktor bergabung untuk mengurangi sifat tarik lembaran tersebut. Lu dkk.64 menggunakan ANFIS untuk mengamati pengaruh berbagai parameter pada proses perluasan lubang.
Seperti yang dibahas secara singkat pada ulasan di atas, pengaruh struktur mikro pada diagram batas bentuk hanya mendapat sedikit perhatian dalam literatur. Di sisi lain, banyak fitur mikrostruktur yang harus diperhitungkan. Oleh karena itu, hampir tidak mungkin untuk memasukkan semua faktor mikrostruktur ke dalam metode analisis. Dalam hal ini, penggunaan kecerdasan buatan dapat memberikan manfaat. Dalam hal ini, penelitian ini menyelidiki pengaruh salah satu aspek faktor mikrostruktur, yaitu adanya martensit yang diinduksi tegangan, terhadap sifat mampu bentuk lembaran baja tahan karat. Studi ini berbeda dari studi AI lainnya dalam hal sifat mampu bentuk karena fokusnya adalah pada fitur mikrostruktur, bukan hanya pada kurva FLD eksperimental. Kami berupaya mengevaluasi sifat mampu bentuk baja 316 dengan berbagai kandungan martensit menggunakan metode eksperimental dan kecerdasan buatan. Pada tahap pertama, baja 316 dengan ketebalan awal 2 mm dianil dan digulung dingin hingga berbagai ketebalan. Kemudian, dengan menggunakan kontrol metalografi, luas relatif martensit diukur. Sifat mampu bentuk lembaran yang digulung ditentukan dengan menggunakan uji hemisfer burst untuk mendapatkan diagram batas regangan (FLD). Data yang diterima darinya kemudian digunakan untuk melatih dan menguji sistem interferensi neuro-fuzzy buatan (ANFIS). Setelah pelatihan ANFIS, prediksi jaringan saraf dibandingkan dengan serangkaian hasil eksperimen baru.
Lembaran logam baja tahan karat austenitik 316 yang digunakan dalam penelitian ini memiliki komposisi kimia seperti ditunjukkan pada Tabel 1 dan ketebalan awal 1,5 mm. Annealing pada suhu 1050°C selama 1 jam diikuti dengan pendinginan air untuk menghilangkan tegangan sisa pada lembaran dan memperoleh struktur mikro yang seragam.
Struktur mikro baja austenitik dapat diketahui dengan menggunakan beberapa etsa. Salah satu etsa terbaik adalah asam nitrat 60% dalam air suling, dietsa pada 1 VDC selama 120 s38. Namun etsa ini hanya menunjukkan batas butir dan tidak dapat mengidentifikasi batas butir ganda, seperti ditunjukkan pada Gambar 1a. Pengetsaan lainnya adalah gliserol asetat, yang batas kembarnya dapat divisualisasikan dengan baik, namun batas butirnya tidak, seperti ditunjukkan pada Gambar 1b. Selain itu, setelah transformasi fase austenitik metastabil menjadi fase \({\alpha }^{^{\prime}}\)-martensit dapat dideteksi menggunakan etsa gliserol asetat, yang menjadi perhatian dalam penelitian ini.
Struktur mikro pelat logam 316 setelah anil ditunjukkan dengan berbagai etsa, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) dalam air suling 1,5 V selama 120 detik, dan (b) 200x , gliseril asetat.
Lembaran anil dipotong menjadi lembaran dengan lebar 11 cm dan panjang 1 m untuk digulung. Pabrik pengerolan dingin memiliki dua gulungan simetris dengan diameter 140 mm. Proses pengerolan dingin menyebabkan transformasi austenit menjadi martensit deformasi pada baja tahan karat 316. Mencari perbandingan fasa martensit dengan fasa austenit setelah pengerolan dingin melalui ketebalan yang berbeda. Pada gambar. Gambar 2 menunjukkan contoh struktur mikro lembaran logam. Pada gambar. Gambar 2a menunjukkan gambar metalografi sampel yang digulung, jika dilihat dari arah tegak lurus lembaran. Pada gambar. 2b menggunakan software ImageJ65, bagian martensit disorot dengan warna hitam. Dengan menggunakan alat perangkat lunak open source ini, luas fraksi martensit dapat diukur. Tabel 2 menunjukkan rincian fraksi fase martensitik dan austenitik setelah pengerolan hingga berbagai pengurangan ketebalan.
Struktur mikro lembaran 316 L setelah digulung hingga ketebalannya berkurang 50%, dilihat tegak lurus bidang lembaran, diperbesar 200 kali, gliserol asetat.
Nilai-nilai yang disajikan pada Tabel 2 diperoleh dengan merata-ratakan fraksi martensit yang diukur pada tiga foto yang diambil di lokasi berbeda pada spesimen metalografi yang sama. Selain itu, pada gambar. Gambar 3 menunjukkan kurva pemasangan kuadrat untuk lebih memahami pengaruh pengerolan dingin pada martensit. Dapat dilihat bahwa terdapat korelasi yang hampir linier antara proporsi martensit dan pengurangan ketebalan pada kondisi canai dingin. Namun, hubungan kuadrat dapat mewakili hubungan ini dengan lebih baik.
Variasi proporsi martensit sebagai fungsi pengurangan ketebalan selama pengerolan dingin pada lembaran baja 316 yang awalnya dianil.
Batas pembentukan dievaluasi sesuai dengan prosedur biasa menggunakan tes ledakan belahan bumi37,38,45,66. Secara total, enam sampel dibuat dengan pemotongan laser dengan dimensi yang ditunjukkan pada Gambar. 4a sebagai satu set sampel eksperimental. Untuk setiap keadaan fraksi martensit, tiga set benda uji disiapkan dan diuji. Pada gambar. 4b menunjukkan sampel yang dipotong, dipoles, dan ditandai.
Cetakan Nakazima membatasi ukuran sampel dan talenan. (a) Dimensi, (b) Benda uji yang dipotong dan ditandai.
Pengujian pukulan hemispherical dilakukan dengan menggunakan alat press hidrolik dengan kecepatan gerak 2 mm/s. Permukaan kontak antara punch dan sheet dilumasi dengan baik untuk meminimalkan efek gesekan pada batas pembentukan. Lanjutkan pengujian sampai terlihat penyempitan atau kerusakan yang signifikan pada spesimen. Pada gambar. Gambar 5 menunjukkan sampel yang dimusnahkan di perangkat dan sampel setelah pengujian.
Batas pembentukan ditentukan dengan menggunakan uji ledakan hemisferis, (a) alat uji, (b) pelat sampel yang putus pada alat uji, (c) sampel yang sama setelah pengujian.
Sistem neuro-fuzzy yang dikembangkan oleh Jang67 adalah alat yang cocok untuk prediksi kurva batas pembentukan daun. Jenis jaringan saraf tiruan ini mencakup pengaruh parameter dengan deskripsi yang tidak jelas. Artinya, mereka bisa mendapatkan nilai nyata apa pun di bidangnya. Nilai jenis ini diklasifikasikan lebih lanjut menurut nilainya. Setiap kategori memiliki aturannya sendiri. Misalnya, nilai suhu dapat berupa bilangan real apa pun, dan bergantung pada nilainya, suhu dapat diklasifikasikan menjadi dingin, sedang, hangat, dan panas. Dalam hal ini, misalnya, aturan untuk suhu rendah adalah aturan “pakai jaket”, dan aturan untuk suhu hangat adalah “kaos secukupnya”. Dalam logika fuzzy itu sendiri, keluarannya dievaluasi keakuratan dan keandalannya. Kombinasi sistem jaringan saraf dengan logika fuzzy memastikan ANFIS akan memberikan hasil yang dapat diandalkan.
Gambar 6 yang disediakan oleh Jang67 menunjukkan jaringan neural fuzzy sederhana. Seperti yang ditunjukkan, jaringan mengambil dua masukan, dalam penelitian kami masukannya adalah proporsi martensit dalam struktur mikro dan nilai regangan minor. Pada analisis tingkat pertama, nilai masukan difuzzifikasi menggunakan aturan fuzzy dan fungsi keanggotaan (FC):
Untuk \(i=1, 2\), karena input diasumsikan memiliki dua kategori deskripsi. MF dapat berbentuk segitiga, trapesium, Gaussian, atau bentuk lainnya.
Berdasarkan kategori \({A}_{i}\) dan \({B}_{i}\) serta nilai MFnya pada level 2, beberapa aturan diadopsi, seperti yang ditunjukkan pada Gambar 7. Dalam hal ini lapisan, efek dari berbagai masukan digabungkan. Di sini, aturan berikut digunakan untuk menggabungkan pengaruh fraksi martensit dan nilai regangan minor:
Keluaran \({w}_{i}\) dari lapisan ini disebut intensitas penyalaan. Intensitas penyalaan ini dinormalisasi di lapisan 3 menurut hubungan berikut:
Pada lapisan 4, aturan Takagi dan Sugeno67,68 dimasukkan dalam perhitungan untuk memperhitungkan pengaruh nilai awal parameter masukan. Lapisan ini mempunyai hubungan sebagai berikut:
\({f}_{i}\) yang dihasilkan dipengaruhi oleh nilai yang dinormalisasi pada lapisan, yang memberikan hasil akhir, nilai warp utama:
di mana \(NR\) mewakili jumlah aturan. Peran jaringan saraf di sini adalah menggunakan algoritme pengoptimalan internalnya untuk memperbaiki parameter jaringan yang tidak diketahui. Parameter yang tidak diketahui adalah parameter yang dihasilkan \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), dan parameter yang terkait dengan MF dianggap fungsi umum bentuk lonceng angin:
Diagram batas bentuk bergantung pada banyak parameter, mulai dari komposisi kimia hingga riwayat deformasi lembaran logam. Beberapa parameter mudah untuk dievaluasi, termasuk parameter uji tarik, sementara parameter lainnya memerlukan prosedur yang lebih kompleks seperti metalografi atau penentuan tegangan sisa. Dalam kebanyakan kasus, disarankan untuk melakukan uji batas regangan untuk setiap kumpulan lembaran. Namun, terkadang hasil pengujian lain dapat digunakan untuk memperkirakan batas pembentukan. Misalnya, beberapa penelitian telah menggunakan hasil uji tarik untuk menentukan sifat mampu bentuk lembaran69,70,71,72. Penelitian lain memasukkan lebih banyak parameter dalam analisisnya, seperti ketebalan dan ukuran butir31,73,74,75,76,77. Namun, tidak menguntungkan secara komputasi untuk memasukkan semua parameter yang diperbolehkan. Oleh karena itu, penggunaan model ANFIS mungkin merupakan pendekatan yang masuk akal untuk mengatasi permasalahan ini45,63.
Dalam makalah ini, pengaruh kandungan martensit pada diagram batas pembentukan lembaran baja austenitik 316 diselidiki. Dalam hal ini, kumpulan data disiapkan dengan menggunakan uji eksperimental. Sistem yang dikembangkan memiliki dua variabel masukan: proporsi martensit yang diukur dalam uji metalografi dan kisaran regangan rekayasa kecil. Hasilnya adalah deformasi rekayasa besar pada kurva batas pembentuk. Ada tiga jenis fraksi martensit: fraksi halus, sedang dan tinggi. Rendah berarti proporsi martensitnya kurang dari 10%. Dalam kondisi sedang, proporsi martensit berkisar antara 10% hingga 20%. Nilai martensit yang tinggi dianggap pecahan lebih dari 20%. Selain itu, regangan sekunder memiliki tiga kategori berbeda antara -5% dan 5% di dekat sumbu vertikal, yang digunakan untuk menentukan FLD0. Rentang positif dan negatif adalah dua kategori lainnya.
Hasil uji hemisferis ditunjukkan pada Gambar. Gambar tersebut menunjukkan 6 diagram pembentukan batas, 5 di antaranya adalah FLD dari masing-masing lembaran yang digulung. Diberikan suatu titik aman dan kurva batas atasnya membentuk kurva batas (FLC). Gambar terakhir membandingkan semua FLC. Seperti dapat dilihat dari gambar terakhir, peningkatan proporsi martensit pada baja austenitik 316 mengurangi sifat mampu bentuk lembaran logam. Di sisi lain, peningkatan proporsi martensit secara bertahap mengubah FLC menjadi kurva simetris terhadap sumbu vertikal. Pada dua grafik terakhir, sisi kanan kurva sedikit lebih tinggi dari sisi kiri, yang berarti sifat mampu bentuk pada tegangan biaksial lebih tinggi dibandingkan pada tegangan uniaksial. Selain itu, regangan teknik minor dan mayor sebelum necking menurun seiring dengan meningkatnya proporsi martensit.
316 membentuk kurva batas. Pengaruh proporsi martensit terhadap sifat mampu bentuk lembaran baja austenitik. (titik aman SF, kurva batas pembentukan FLC, martensit M).
Jaringan saraf dilatih pada 60 set hasil eksperimen dengan fraksi martensit 7,8, 18,3 dan 28,7%. Kumpulan data martensit 15,4% dicadangkan untuk proses verifikasi dan 25,6% untuk proses pengujian. Kesalahan setelah 150 epoch adalah sekitar 1,5%. Pada gambar. Gambar 9 menunjukkan korelasi antara keluaran aktual (\({\epsilon }_{1}\), beban kerja teknik dasar) yang disediakan untuk pelatihan dan pengujian. Seperti yang Anda lihat, NFS terlatih memprediksi \({\epsilon} _{1}\) dengan memuaskan untuk bagian lembaran logam.
(a) Korelasi antara nilai prediksi dan aktual setelah proses pelatihan, (b) Kesalahan antara nilai prediksi dan aktual untuk beban teknik utama pada FLC pada saat pelatihan dan verifikasi.
Pada titik tertentu selama pelatihan, jaringan ANFIS pasti akan didaur ulang. Untuk menentukan hal ini, dilakukan pemeriksaan paralel yang disebut “pemeriksaan”. Jika nilai kesalahan validasi menyimpang dari nilai pelatihan, jaringan mulai melakukan pelatihan ulang. Seperti yang ditunjukkan pada Gambar 9b, sebelum epoch 150, perbedaan antara kurva pembelajaran dan validasi kecil, dan kira-kira mengikuti kurva yang sama. Pada titik ini, kesalahan proses validasi mulai menyimpang dari kurva pembelajaran, yang merupakan tanda overfitting ANFIS. Dengan demikian, jaringan ANFIS untuk putaran 150 dipertahankan dengan kesalahan 1,5%. Kemudian diperkenalkan prediksi FLC untuk ANFIS. Pada gambar. Gambar 10 menunjukkan kurva prediksi dan kurva aktual untuk sampel terpilih yang digunakan dalam proses pelatihan dan verifikasi. Karena data dari kurva ini digunakan untuk melatih jaringan, tidak mengherankan jika mengamati prediksi yang sangat dekat.
Kurva prediksi FLC dan ANFIS eksperimental aktual dalam berbagai kondisi kandungan martensit. Kurva ini digunakan dalam proses pelatihan.
Model ANFIS tidak mengetahui apa yang terjadi pada sampel terakhir. Oleh karena itu, kami menguji ANFIS terlatih kami untuk FLC dengan mengirimkan sampel dengan fraksi martensit 25,6%. Pada gambar. Gambar 11 menunjukkan prediksi FLC ANFIS serta FLC eksperimental. Kesalahan maksimum antara nilai prediksi dan nilai eksperimen adalah 6,2%, lebih tinggi dari nilai prediksi selama pelatihan dan validasi. Namun, kesalahan ini merupakan kesalahan yang dapat ditoleransi dibandingkan dengan penelitian lain yang memprediksi FLC secara teoritis37.
Dalam industri, parameter yang mempengaruhi sifat mampu bentuk digambarkan dalam bentuk lidah. Misalnya, “butiran kasar mengurangi sifat mampu bentuk” atau “peningkatan pengerjaan dingin mengurangi FLC”. Masukan ke jaringan ANFIS pada tahap pertama diklasifikasikan ke dalam kategori linguistik seperti rendah, sedang dan tinggi. Ada aturan berbeda untuk kategori berbeda di jaringan. Oleh karena itu, dalam industri, jaringan jenis ini bisa sangat berguna dalam hal memasukkan beberapa faktor dalam deskripsi dan analisis linguistiknya. Dalam karya ini, kami mencoba memperhitungkan salah satu fitur utama struktur mikro baja tahan karat austenitik untuk memanfaatkan kemungkinan ANFIS. Jumlah martensit yang diinduksi stres sebesar 316 merupakan konsekuensi langsung dari pengerjaan dingin pada sisipan ini. Melalui eksperimen dan analisis ANFIS, ditemukan bahwa peningkatan proporsi martensit pada baja tahan karat austenitik jenis ini menyebabkan penurunan FLC pelat 316 yang signifikan, sehingga peningkatan proporsi martensit dari 7,8% menjadi 28,7% menurunkan FLC pelat 316. FLD0 dari 0,35. masing-masing hingga 0,1. Di sisi lain, jaringan ANFIS yang terlatih dan tervalidasi dapat memprediksi FLC menggunakan 80% data eksperimen yang tersedia dengan kesalahan maksimum 6,5%, yang merupakan margin kesalahan yang dapat diterima dibandingkan dengan prosedur teoretis dan hubungan fenomenologis lainnya.
Kumpulan data yang digunakan dan/atau dianalisis dalam penelitian ini tersedia dari masing-masing penulis berdasarkan permintaan yang masuk akal.
Iftikhar, CMA, dkk. Evolusi jalur hasil selanjutnya dari paduan magnesium AZ31 yang diekstrusi “sebagaimana adanya” di bawah jalur pembebanan proporsional dan non-proporsional: eksperimen dan simulasi CPFEM. internal J. Prast. 151, 103216 (2022).
Iftikhar, TsMA dkk. Evolusi permukaan luluh berikutnya setelah deformasi plastis sepanjang jalur pembebanan proporsional dan non-proporsional dari paduan AA6061 anil: eksperimen dan pemodelan elemen hingga plastisitas kristal. internal J.Plast 143, 102956 (2021).
Manik, T., Holmedal, B. & Hopperstad, OS Transien tegangan, pengerasan kerja, dan nilai r aluminium akibat perubahan jalur regangan. internal J. Prast. 69, 1–20 (2015).
Mamushi, H. dkk. Metode eksperimental baru untuk menentukan diagram pembentukan pembatas dengan mempertimbangkan pengaruh tekanan normal. internal J. Almamater. membentuk. 15(1), 1 (2022).
Yang Z.dkk. Kalibrasi Eksperimental Parameter Fraktur Ulet dan Batas Regangan Lembaran Logam AA7075-T6. J.Almamater. proses. teknologi. 291, 117044 (2021).
Petrit, A. dkk. Perangkat pemanen energi tersembunyi dan sensor biomedis berdasarkan konverter feroelektrik ultra-fleksibel dan dioda organik. komune nasional. 12(1), 2399 (2021).
Basak, S. dan Panda, SK Analisis batas leher dan patah berbagai pelat yang telah mengalami deformasi pada jalur deformasi plastis efektif polar menggunakan model luluh Yld 2000–2d. J.Almamater. proses. teknologi. 267, 289–307 (2019).
Basak, S. dan Panda, SK Deformasi Fraktur pada Lembaran Logam Anisotropik: Evaluasi Eksperimental dan Prediksi Teoritis. internal J.Mecha. ilmu pengetahuan. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ Studi eksperimental dan teoritis tentang pengaruh perubahan lintasan regangan pada diagram batas cetakan AA5083. internal J. Adv. pabrikan. teknologi. 76(5–8), 1343–1352 (2015).
Habibi, M.dkk. Studi eksperimental sifat mekanik, sifat mampu bentuk, dan diagram batas pembentukan blanko las pengaduk gesekan. J.Pembuat. proses. 31, 310–323 (2018).
Habibi, M., dkk. Mengingat pengaruh pembengkokan, diagram batas dibentuk dengan memasukkan model MC ke dalam pemodelan elemen hingga. proses. Institut Bulu. proyek. L 232(8), 625–636 (2018).
Waktu posting: 08 Juni 2023