316 സ്റ്റെയിൻലെസ്സ് സ്റ്റീൽ ഷീറ്റ് ഫോം പരിധി പ്രവചനം ANFIS അടിസ്ഥാനമാക്കിയുള്ളതാണ്

Nature.com സന്ദർശിച്ചതിന് നന്ദി. പരിമിതമായ CSS പിന്തുണയുള്ള ഒരു ബ്രൗസർ പതിപ്പാണ് നിങ്ങൾ ഉപയോഗിക്കുന്നത്. മികച്ച അനുഭവത്തിനായി, നിങ്ങൾ ഒരു അപ്‌ഡേറ്റ് ചെയ്‌ത ബ്രൗസർ ഉപയോഗിക്കാൻ ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു (അല്ലെങ്കിൽ Internet Explorer-ൽ അനുയോജ്യത മോഡ് പ്രവർത്തനരഹിതമാക്കുക). കൂടാതെ, തുടർച്ചയായ പിന്തുണ ഉറപ്പാക്കാൻ, ഞങ്ങൾ ശൈലികളും JavaScript ഇല്ലാതെ സൈറ്റ് കാണിക്കുന്നു.
ഓരോ സ്ലൈഡിലും മൂന്ന് ലേഖനങ്ങൾ കാണിക്കുന്ന സ്ലൈഡറുകൾ. സ്ലൈഡുകളിലൂടെ നീങ്ങാൻ ബാക്ക്, അടുത്ത ബട്ടണുകൾ ഉപയോഗിക്കുക അല്ലെങ്കിൽ ഓരോ സ്ലൈഡിലൂടെയും നീങ്ങാൻ അവസാനത്തെ സ്ലൈഡ് കൺട്രോളർ ബട്ടണുകൾ ഉപയോഗിക്കുക.
സ്റ്റെയിൻലെസ് സ്റ്റീൽ ഷീറ്റുകളുടെ രൂപീകരണത്തിൽ മൈക്രോസ്ട്രക്ചറിൻ്റെ സ്വാധീനം ഷീറ്റ് മെറ്റൽ വർക്കിംഗ് എഞ്ചിനീയർമാരെ സംബന്ധിച്ചിടത്തോളം ഒരു പ്രധാന ആശങ്കയാണ്. ഓസ്റ്റെനിറ്റിക് സ്റ്റീലുകൾക്ക്, മൈക്രോസ്ട്രക്ചറിലെ ഡിഫോർമേഷൻ മാർട്ടൻസിറ്റിൻ്റെ (\({\alpha}^{^{\prime))-martensite) സാന്നിദ്ധ്യം കാര്യമായ കാഠിന്യത്തിലേക്കും രൂപവത്കരണത്തിൽ കുറവിലേക്കും നയിക്കുന്നു. ഈ പഠനത്തിൽ, പരീക്ഷണാത്മകവും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് രീതികളും ഉപയോഗിച്ച് വ്യത്യസ്‌ത മാർട്ടൻസിറ്റിക് ശക്തികളുള്ള AISI 316 സ്റ്റീലുകളുടെ രൂപവത്കരണം വിലയിരുത്താൻ ഞങ്ങൾ ലക്ഷ്യമിടുന്നു. ആദ്യ ഘട്ടത്തിൽ, 2 മില്ലീമീറ്റർ പ്രാരംഭ കനം ഉള്ള AISI 316 സ്റ്റീൽ അനീൽ ചെയ്ത് വിവിധ കട്ടികളിലേക്ക് തണുപ്പിച്ചു. തുടർന്ന്, ആപേക്ഷിക സ്‌ട്രെയിൻ മാർട്ടൻസൈറ്റ് ഏരിയ മെറ്റലോഗ്രാഫിക് പരിശോധനയിലൂടെ അളന്നു. ഒരു സ്‌ട്രെയിൻ ലിമിറ്റ് ഡയഗ്രം (FLD) ലഭിക്കുന്നതിന് ഒരു അർദ്ധഗോള ബർസ്റ്റ് ടെസ്റ്റ് ഉപയോഗിച്ച് ഉരുട്ടിയ ഷീറ്റുകളുടെ രൂപവത്കരണം നിർണ്ണയിച്ചു. പരീക്ഷണങ്ങളുടെ ഫലമായി ലഭിച്ച ഡാറ്റ കൃത്രിമ ന്യൂറോ-ഫസി ഇൻ്റർഫെറൻസ് സിസ്റ്റം (ANFIS) പരിശീലിപ്പിക്കുന്നതിനും പരീക്ഷിക്കുന്നതിനും കൂടുതൽ ഉപയോഗിക്കുന്നു. ANFIS പരിശീലനത്തിന് ശേഷം, ന്യൂറൽ നെറ്റ്‌വർക്ക് പ്രവചിച്ച പ്രബലമായ സമ്മർദ്ദങ്ങളെ ഒരു പുതിയ പരീക്ഷണ ഫലങ്ങളുമായി താരതമ്യം ചെയ്തു. ഈ തരത്തിലുള്ള സ്റ്റെയിൻലെസ് സ്റ്റീലിൻ്റെ രൂപവത്കരണത്തെ കോൾഡ് റോളിംഗ് പ്രതികൂലമായി ബാധിക്കുന്നുവെന്ന് ഫലങ്ങൾ കാണിക്കുന്നു, എന്നാൽ ഷീറ്റിൻ്റെ ശക്തി വളരെയധികം മെച്ചപ്പെട്ടു. കൂടാതെ, പരീക്ഷണ അളവുകളുമായി താരതമ്യം ചെയ്യുമ്പോൾ ANFIS തൃപ്തികരമായ ഫലങ്ങൾ കാണിക്കുന്നു.
ഷീറ്റ് മെറ്റൽ രൂപപ്പെടുത്താനുള്ള കഴിവ്, പതിറ്റാണ്ടുകളായി ശാസ്ത്ര ലേഖനങ്ങളുടെ വിഷയമാണെങ്കിലും, ലോഹശാസ്ത്രത്തിലെ ഗവേഷണത്തിൻ്റെ രസകരമായ ഒരു മേഖലയായി തുടരുന്നു. പുതിയ സാങ്കേതിക ഉപകരണങ്ങളും കമ്പ്യൂട്ടേഷണൽ മോഡലുകളും രൂപവത്കരണത്തെ ബാധിക്കുന്ന സാധ്യതയുള്ള ഘടകങ്ങൾ കണ്ടെത്തുന്നത് എളുപ്പമാക്കുന്നു. ഏറ്റവും പ്രധാനമായി, ക്രിസ്റ്റൽ പ്ലാസ്റ്റിറ്റി ഫിനൈറ്റ് എലമെൻ്റ് മെത്തേഡ് (സിപിഎഫ്ഇഎം) ഉപയോഗിച്ച് രൂപ പരിധിക്കുള്ള മൈക്രോസ്ട്രക്ചറിൻ്റെ പ്രാധാന്യം സമീപ വർഷങ്ങളിൽ വെളിപ്പെടുത്തിയിട്ടുണ്ട്. മറുവശത്ത്, സ്കാനിംഗ് ഇലക്ട്രോൺ മൈക്രോസ്കോപ്പി (എസ്ഇഎം), ഇലക്ട്രോൺ ബാക്ക്സ്കാറ്റർ ഡിഫ്രാക്ഷൻ (ഇബിഎസ്ഡി) എന്നിവയുടെ ലഭ്യത രൂപഭേദം വരുത്തുമ്പോൾ ക്രിസ്റ്റൽ ഘടനകളുടെ സൂക്ഷ്മ ഘടനാപരമായ പ്രവർത്തനം നിരീക്ഷിക്കാൻ ഗവേഷകരെ സഹായിക്കുന്നു. ലോഹങ്ങളിലെ വിവിധ ഘട്ടങ്ങളുടെ സ്വാധീനം, ധാന്യത്തിൻ്റെ വലുപ്പം, ഓറിയൻ്റേഷൻ, ധാന്യ തലത്തിലെ സൂക്ഷ്മ വൈകല്യങ്ങൾ എന്നിവ മനസ്സിലാക്കുന്നത് രൂപവത്കരണം പ്രവചിക്കുന്നതിന് നിർണ്ണായകമാണ്.
1, 2, 3 എന്നീ പാതകളെ വളരെയധികം ആശ്രയിക്കുന്നതായി കാണിച്ചിരിക്കുന്നതിനാൽ, ഫോർമബിലിറ്റി നിർണ്ണയിക്കുന്നത് സങ്കീർണ്ണമായ ഒരു പ്രക്രിയയാണ്. അതിനാൽ, ആത്യന്തികമായി രൂപപ്പെടുന്ന സമ്മർദ്ദത്തെക്കുറിച്ചുള്ള പരമ്പരാഗത ആശയങ്ങൾ അനുപാതമില്ലാത്ത ലോഡിംഗ് സാഹചര്യങ്ങളിൽ വിശ്വസനീയമല്ല. മറുവശത്ത്, വ്യാവസായിക ആപ്ലിക്കേഷനുകളിലെ മിക്ക ലോഡ് പാതകളും ആനുപാതികമല്ലാത്ത ലോഡിംഗ് ആയി തരം തിരിച്ചിരിക്കുന്നു. ഇക്കാര്യത്തിൽ, പരമ്പരാഗത അർദ്ധഗോളവും പരീക്ഷണാത്മകവുമായ മാർസിനിയാക്-കുച്ചിൻസ്കി (എംകെ) രീതികൾ 4,5,6 ജാഗ്രതയോടെ ഉപയോഗിക്കണം. സമീപ വർഷങ്ങളിൽ, ഫ്രാക്ചർ ലിമിറ്റ് ഡയഗ്രം (FFLD) എന്ന മറ്റൊരു ആശയം നിരവധി ഫോർമബിലിറ്റി എഞ്ചിനീയർമാരുടെ ശ്രദ്ധ ആകർഷിച്ചു. ഈ ആശയത്തിൽ, ഷീറ്റ് രൂപീകരണക്ഷമത പ്രവചിക്കാൻ ഒരു കേടുപാട് മാതൃക ഉപയോഗിക്കുന്നു. ഇക്കാര്യത്തിൽ, പാത്ത് ഇൻഡിപെൻഡൻസ് തുടക്കത്തിൽ വിശകലനത്തിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, കൂടാതെ ഫലങ്ങൾ അളക്കാത്ത പരീക്ഷണ ഫലങ്ങളുമായി നല്ല യോജിപ്പിലാണ്. ഒരു ഷീറ്റ് മെറ്റലിൻ്റെ രൂപവത്കരണം പല പാരാമീറ്ററുകളെയും ഷീറ്റിൻ്റെ പ്രോസസ്സിംഗ് ചരിത്രത്തെയും ആശ്രയിച്ചിരിക്കുന്നു, അതുപോലെ തന്നെ ലോഹത്തിൻ്റെ മൈക്രോസ്ട്രക്ചറിനെയും ഘട്ടത്തെയും ആശ്രയിച്ചിരിക്കുന്നു.
ലോഹങ്ങളുടെ സൂക്ഷ്മ സവിശേഷതകൾ പരിഗണിക്കുമ്പോൾ വലുപ്പത്തെ ആശ്രയിക്കുന്നത് ഒരു പ്രശ്നമാണ്. ചെറിയ ഡിഫോർമേഷൻ സ്പേസുകളിൽ, വൈബ്രേഷൻ, ബക്ക്ലിംഗ് ഗുണങ്ങളുടെ ആശ്രിതത്വം 16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. രൂപവത്കരണത്തിൽ ധാന്യത്തിൻ്റെ വലുപ്പത്തിൻ്റെ സ്വാധീനം വ്യവസായത്തിൽ വളരെക്കാലമായി തിരിച്ചറിഞ്ഞിട്ടുണ്ട്. യമാഗുച്ചിയും മെല്ലറും [31] സൈദ്ധാന്തിക വിശകലനം ഉപയോഗിച്ച് ലോഹ ഷീറ്റുകളുടെ ടെൻസൈൽ ഗുണങ്ങളിൽ ധാന്യത്തിൻ്റെ വലിപ്പവും കനവും ചെലുത്തുന്ന സ്വാധീനം പഠിച്ചു. മാർസിനിയാക് മോഡൽ ഉപയോഗിച്ച്, ബയാക്സിയൽ ടെൻസൈൽ ലോഡിംഗിന് കീഴിൽ, കനം, ധാന്യത്തിൻ്റെ അളവ് എന്നിവയുടെ അനുപാതം കുറയുന്നത് ഷീറ്റിൻ്റെ ടെൻസൈൽ ഗുണങ്ങളിൽ കുറവുണ്ടാക്കുമെന്ന് അവർ റിപ്പോർട്ട് ചെയ്യുന്നു. വിൽസൺ തുടങ്ങിയവരുടെ പരീക്ഷണ ഫലങ്ങൾ. കനം ശരാശരി ധാന്യ വ്യാസത്തിലേക്ക് (t/d) കുറയ്ക്കുന്നത് മൂന്ന് വ്യത്യസ്ത കട്ടിയുള്ള ലോഹ ഷീറ്റുകളുടെ ബയാക്സിയൽ എക്സ്റ്റൻസിബിലിറ്റിയിൽ കുറവുണ്ടാക്കുമെന്ന് 32 സ്ഥിരീകരിച്ചു. 20-ൽ താഴെയുള്ള t/d മൂല്യങ്ങളിൽ, ശ്രദ്ധേയമായ രൂപഭേദം അസമത്വവും കഴുത്തും പ്രധാനമായും ഷീറ്റിൻ്റെ കട്ടിയുള്ള വ്യക്തിഗത ധാന്യങ്ങളെ ബാധിക്കുന്നുവെന്നാണ് അവർ നിഗമനം ചെയ്തത്. 304, 316 ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീലുകളുടെ മൊത്തത്തിലുള്ള യന്ത്രസാമഗ്രികളിൽ ധാന്യത്തിൻ്റെ വലുപ്പത്തിൻ്റെ സ്വാധീനം ഉൾവാനും കൗർസാരിസും പഠിച്ചു. ഈ ലോഹങ്ങളുടെ രൂപവത്കരണത്തെ ധാന്യത്തിൻ്റെ വലുപ്പം ബാധിക്കില്ല, പക്ഷേ ടെൻസൈൽ ഗുണങ്ങളിൽ ചെറിയ മാറ്റങ്ങൾ കാണാൻ കഴിയുമെന്ന് അവർ റിപ്പോർട്ട് ചെയ്യുന്നു. ഈ ഉരുക്കുകളുടെ ദൃഢമായ സ്വഭാവസവിശേഷതകൾ കുറയുന്നതിലേക്ക് നയിക്കുന്ന ധാന്യത്തിൻ്റെ വലിപ്പത്തിലുള്ള വർദ്ധനവാണ് ഇത്. നിക്കൽ ലോഹങ്ങളുടെ ഒഴുക്ക് സമ്മർദ്ദത്തിൽ സ്ഥാനഭ്രംശ സാന്ദ്രതയുടെ സ്വാധീനം കാണിക്കുന്നത്, ധാന്യത്തിൻ്റെ വലുപ്പം കണക്കിലെടുക്കാതെ, സ്ഥാനചലന സാന്ദ്രത ലോഹത്തിൻ്റെ ഒഴുക്ക് സമ്മർദ്ദം നിർണ്ണയിക്കുന്നു എന്നാണ്. ക്രിസ്റ്റൽ പ്ലാസ്റ്റിറ്റിയുടെ പരീക്ഷണങ്ങളും മോഡലിംഗും ഉപയോഗിച്ച് ബെക്കറും പഞ്ചനാദിശ്വരനും അന്വേഷിച്ച അലുമിനിയം ടെക്സ്ചറിൻ്റെ പരിണാമത്തിൽ ധാന്യ ഇടപെടലും പ്രാരംഭ ഓറിയൻ്റേഷനും വലിയ സ്വാധീനം ചെലുത്തുന്നു. അവയുടെ വിശകലനത്തിലെ സംഖ്യാപരമായ ഫലങ്ങൾ പരീക്ഷണങ്ങളുമായി നല്ല യോജിപ്പിലാണ്, എന്നിരുന്നാലും ചില സിമുലേഷൻ ഫലങ്ങൾ പ്രയോഗിച്ച അതിർത്തി വ്യവസ്ഥകളുടെ പരിമിതികൾ കാരണം പരീക്ഷണങ്ങളിൽ നിന്ന് വ്യതിചലിക്കുന്നു. ക്രിസ്റ്റൽ പ്ലാസ്റ്റിറ്റി പാറ്റേണുകൾ പഠിക്കുകയും പരീക്ഷണാത്മകമായി കണ്ടെത്തുകയും ചെയ്യുന്നതിലൂടെ, ഉരുട്ടിയ അലുമിനിയം ഷീറ്റുകൾ വ്യത്യസ്ത രൂപീകരണക്ഷമത കാണിക്കുന്നു36. വ്യത്യസ്ത ഷീറ്റുകളുടെ സ്ട്രെസ്-സ്ട്രെയിൻ കർവുകൾ ഏതാണ്ട് സമാനമാണെങ്കിലും, പ്രാരംഭ മൂല്യങ്ങളെ അടിസ്ഥാനമാക്കി അവയുടെ രൂപീകരണത്തിൽ കാര്യമായ വ്യത്യാസങ്ങളുണ്ടെന്ന് ഫലങ്ങൾ കാണിച്ചു. ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീൽ ഷീറ്റുകൾക്കായി സ്ട്രെസ്-സ്ട്രെയിൻ കർവുകൾ ലഭിക്കുന്നതിന് അമേലിറാഡും അസംപോറും പരീക്ഷണങ്ങളും CPFEM ഉം ഉപയോഗിച്ചു. അവരുടെ സിമുലേഷനുകൾ കാണിക്കുന്നത് ധാന്യത്തിൻ്റെ വലുപ്പത്തിലുള്ള വർദ്ധനവ് FLD-യിൽ മുകളിലേക്ക് മാറുകയും പരിമിതപ്പെടുത്തുന്ന വക്രം രൂപപ്പെടുകയും ചെയ്യുന്നു. കൂടാതെ, അതേ രചയിതാക്കൾ ശൂന്യത 38 രൂപീകരണത്തിൽ ധാന്യ ഓറിയൻ്റേഷൻ്റെയും രൂപഘടനയുടെയും സ്വാധീനം അന്വേഷിച്ചു.
ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീലുകളിലെ ഗ്രെയിൻ മോർഫോളജിക്കും ഓറിയൻ്റേഷനും പുറമേ, ഇരട്ടകളുടെയും ദ്വിതീയ ഘട്ടങ്ങളുടെയും അവസ്ഥയും പ്രധാനമാണ്. TWIP 39 സ്റ്റീലിൽ കാഠിന്യം വർദ്ധിപ്പിക്കുന്നതിനും നീളം കൂട്ടുന്നതിനുമുള്ള പ്രധാന സംവിധാനമാണ് ട്വിനിംഗ്. മതിയായ ടെൻസൈൽ പ്രതികരണം ഉണ്ടായിരുന്നിട്ടും TWIP സ്റ്റീലുകളുടെ രൂപവത്കരണം മോശമാണെന്ന് Hwang40 റിപ്പോർട്ട് ചെയ്തു. എന്നിരുന്നാലും, ഓസ്റ്റെനിറ്റിക് സ്റ്റീൽ ഷീറ്റുകളുടെ രൂപവത്കരണത്തിൽ രൂപഭേദം വരുത്തുന്നതിൻ്റെ ഫലം വേണ്ടത്ര പഠിച്ചിട്ടില്ല. മിശ്ര തുടങ്ങിയവർ. 41 വിവിധ ടെൻസൈൽ സ്ട്രെയിൻ പാതകളിൽ ഇരട്ടകൾ നിരീക്ഷിക്കാൻ ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീലുകൾ പഠിച്ചു. അനീൽഡ് ഇരട്ടകളുടെയും പുതിയ തലമുറയിലെ ഇരട്ടകളുടെയും ശോഷണ സ്രോതസ്സുകളിൽ നിന്നാണ് ഇരട്ടകൾ ഉണ്ടാകുന്നത് എന്ന് അവർ കണ്ടെത്തി. ബയാക്സിയൽ ടെൻഷനിലാണ് ഏറ്റവും വലിയ ഇരട്ടകൾ രൂപം കൊള്ളുന്നതെന്ന് നിരീക്ഷിക്കപ്പെട്ടിട്ടുണ്ട്. കൂടാതെ, ഓസ്റ്റിനൈറ്റിനെ \({\alpha}^{^{\prime}}\)-martensite ആക്കി മാറ്റുന്നത് സ്ട്രെയിൻ പാതയെ ആശ്രയിച്ചിരിക്കുന്നു. ഹോങ് തുടങ്ങിയവർ. 316 എൽ ഓസ്റ്റെനിറ്റിക് സ്റ്റീലിൻ്റെ സെലക്ടീവ് ലേസർ മെൽറ്റിംഗിലെ താപനിലയുടെ പരിധിയിൽ ഹൈഡ്രജൻ എംബ്രിറ്റിൽമെൻ്റിൽ സ്‌ട്രെയിൻ-ഇൻഡ്യൂസ്ഡ് ട്വിന്നിംഗിൻ്റെയും മാർട്ടൻസൈറ്റിൻ്റെയും സ്വാധീനം 42 അന്വേഷിച്ചു. താപനിലയെ ആശ്രയിച്ച്, ഹൈഡ്രജൻ പരാജയപ്പെടുകയോ 316L സ്റ്റീലിൻ്റെ രൂപവത്കരണം മെച്ചപ്പെടുത്തുകയോ ചെയ്യുമെന്ന് നിരീക്ഷിക്കപ്പെട്ടു. ഷെൻ തുടങ്ങിയവർ. 43 വിവിധ ലോഡിംഗ് നിരക്കുകളിൽ ടെൻസൈൽ ലോഡിംഗിന് കീഴിലുള്ള രൂപഭേദം മാർട്ടൻസൈറ്റിൻ്റെ അളവ് പരീക്ഷണാത്മകമായി അളന്നു. ടെൻസൈൽ സ്ട്രെയിനിൻ്റെ വർദ്ധനവ് മാർട്ടൻസൈറ്റ് ഫ്രാക്ഷൻ്റെ വോളിയം അംശം വർദ്ധിപ്പിക്കുമെന്ന് കണ്ടെത്തി.
പ്രശ്‌നത്തിൻ്റെ ഭൗതികവും ഗണിതപരവുമായ അടിത്തറകൾ അവലംബിക്കാതെ സങ്കീർണ്ണമായ പ്രശ്‌നങ്ങളെ മോഡലിംഗ് ചെയ്യുന്നതിൽ വൈദഗ്ധ്യമുള്ളതിനാൽ AI രീതികൾ ശാസ്ത്രത്തിലും സാങ്കേതികവിദ്യയിലും ഉപയോഗിക്കുന്നു44,45,46,47,48,49,50,51,52 AI രീതികളുടെ എണ്ണം വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്. . മൊറാഡി തുടങ്ങിയവർ. 44 സൂക്ഷ്മമായ നാനോസിലിക്ക കണങ്ങൾ ഉൽപ്പാദിപ്പിക്കുന്നതിന് രാസ സാഹചര്യങ്ങൾ ഒപ്റ്റിമൈസ് ചെയ്യാൻ മെഷീൻ ലേണിംഗ് ടെക്നിക്കുകൾ ഉപയോഗിച്ചു. മറ്റ് രാസ ഗുണങ്ങളും നാനോ സ്കെയിൽ വസ്തുക്കളുടെ ഗുണങ്ങളെ സ്വാധീനിക്കുന്നു, ഇത് നിരവധി ഗവേഷണ ലേഖനങ്ങളിൽ അന്വേഷിച്ചിട്ടുണ്ട്53. Ce et al. വിവിധ റോളിംഗ് അവസ്ഥകളിൽ പ്ലെയിൻ കാർബൺ സ്റ്റീൽ ഷീറ്റ് മെറ്റലിൻ്റെ രൂപസാധ്യത പ്രവചിക്കാൻ 45 ANFIS ഉപയോഗിച്ചു. കോൾഡ് റോളിംഗ് കാരണം, മൈൽഡ് സ്റ്റീലിൽ ഡിസ്ലോക്കേഷൻ സാന്ദ്രത ഗണ്യമായി വർദ്ധിച്ചു. പ്ലെയിൻ കാർബൺ സ്റ്റീലുകൾ അവയുടെ കാഠിന്യം, പുനഃസ്ഥാപിക്കൽ സംവിധാനങ്ങളിൽ ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീലുകളിൽ നിന്ന് വ്യത്യസ്തമാണ്. ലളിതമായ കാർബൺ സ്റ്റീലിൽ, മെറ്റൽ മൈക്രോസ്ട്രക്ചറിൽ ഘട്ടം പരിവർത്തനം സംഭവിക്കുന്നില്ല. ലോഹ ഘട്ടത്തിന് പുറമേ, ലോഹങ്ങളുടെ ഡക്‌റ്റിലിറ്റി, ഫ്രാക്ചർ, യന്ത്രസാമഗ്രി മുതലായവയും വിവിധ തരത്തിലുള്ള ചൂട് ചികിത്സ, തണുത്ത ജോലി, വാർദ്ധക്യം എന്നിവയിൽ സംഭവിക്കുന്ന മറ്റ് നിരവധി സൂക്ഷ്മ ഘടനാപരമായ സവിശേഷതകളാൽ സ്വാധീനിക്കപ്പെടുന്നു. ,60. , 61, 62. അടുത്തിടെ, ചെൻ മറ്റുള്ളവരും. 63 304L സ്റ്റീലിൻ്റെ രൂപവത്കരണത്തിൽ കോൾഡ് റോളിംഗിൻ്റെ സ്വാധീനത്തെക്കുറിച്ച് പഠിച്ചു. രൂപഭാവം പ്രവചിക്കാൻ ന്യൂറൽ നെറ്റ്‌വർക്കിനെ പരിശീലിപ്പിക്കുന്നതിനായി പരീക്ഷണാത്മക പരിശോധനകളിൽ മാത്രമാണ് അവർ പ്രതിഭാസ നിരീക്ഷണങ്ങൾ കണക്കിലെടുത്തത്. വാസ്തവത്തിൽ, ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീലുകളുടെ കാര്യത്തിൽ, ഷീറ്റിൻ്റെ ടെൻസൈൽ ഗുണങ്ങൾ കുറയ്ക്കുന്നതിന് നിരവധി ഘടകങ്ങൾ സംയോജിപ്പിക്കുന്നു. ദ്വാര വിപുലീകരണ പ്രക്രിയയിൽ വിവിധ പാരാമീറ്ററുകളുടെ പ്രഭാവം നിരീക്ഷിക്കാൻ Lu et al.64 ANFIS ഉപയോഗിച്ചു.
മുകളിലെ അവലോകനത്തിൽ സംക്ഷിപ്തമായി ചർച്ച ചെയ്തതുപോലെ, ആകാര പരിധി ഡയഗ്രാമിൽ മൈക്രോസ്ട്രക്ചറിൻ്റെ സ്വാധീനം സാഹിത്യത്തിൽ കാര്യമായ ശ്രദ്ധ നേടിയിട്ടില്ല. മറുവശത്ത്, നിരവധി മൈക്രോസ്ട്രക്ചറൽ സവിശേഷതകൾ കണക്കിലെടുക്കണം. അതിനാൽ, വിശകലന രീതികളിൽ എല്ലാ മൈക്രോസ്ട്രക്ചറൽ ഘടകങ്ങളും ഉൾപ്പെടുത്തുന്നത് മിക്കവാറും അസാധ്യമാണ്. ഈ അർത്ഥത്തിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ഉപയോഗം ഗുണം ചെയ്യും. ഇക്കാര്യത്തിൽ, ഈ പഠനം മൈക്രോസ്ട്രക്ചറൽ ഘടകങ്ങളുടെ ഒരു വശം, അതായത് സ്ട്രെസ്-ഇൻഡ്യൂസ്ഡ് മാർട്ടെൻസൈറ്റിൻ്റെ സാന്നിധ്യം, സ്റ്റെയിൻലെസ് സ്റ്റീൽ ഷീറ്റുകളുടെ രൂപവത്കരണത്തെ കുറിച്ച് അന്വേഷിക്കുന്നു. ഈ പഠനം ഫോർമാറ്റബിലിറ്റിയുമായി ബന്ധപ്പെട്ട് മറ്റ് AI പഠനങ്ങളിൽ നിന്ന് വ്യത്യസ്തമാണ്, കാരണം പരീക്ഷണാത്മക FLD കർവുകൾക്ക് പകരം മൈക്രോസ്ട്രക്ചറൽ സവിശേഷതകളിലാണ് ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. പരീക്ഷണാത്മകവും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് രീതികളും ഉപയോഗിച്ച് വിവിധ മാർട്ടൻസൈറ്റ് ഉള്ളടക്കങ്ങളുള്ള 316 സ്റ്റീലിൻ്റെ രൂപവത്കരണം വിലയിരുത്താൻ ഞങ്ങൾ ശ്രമിച്ചു. ആദ്യ ഘട്ടത്തിൽ, 2 മില്ലിമീറ്റർ പ്രാരംഭ കനം ഉള്ള 316 സ്റ്റീൽ അനീൽ ചെയ്ത് വിവിധ കട്ടികളിലേക്ക് തണുപ്പിച്ചു. തുടർന്ന്, മെറ്റലോഗ്രാഫിക് നിയന്ത്രണം ഉപയോഗിച്ച്, മാർട്ടൻസൈറ്റിൻ്റെ ആപേക്ഷിക പ്രദേശം അളന്നു. ഒരു സ്‌ട്രെയിൻ ലിമിറ്റ് ഡയഗ്രം (FLD) ലഭിക്കുന്നതിന് ഒരു അർദ്ധഗോള ബർസ്റ്റ് ടെസ്റ്റ് ഉപയോഗിച്ച് ഉരുട്ടിയ ഷീറ്റുകളുടെ രൂപവത്കരണം നിർണ്ണയിച്ചു. അദ്ദേഹത്തിൽ നിന്ന് ലഭിച്ച ഡാറ്റ പിന്നീട് കൃത്രിമ ന്യൂറോ-ഫസി ഇടപെടൽ സംവിധാനം (ANFIS) പരിശീലിപ്പിക്കുന്നതിനും പരീക്ഷിക്കുന്നതിനും ഉപയോഗിച്ചു. ANFIS പരിശീലനത്തിന് ശേഷം, ന്യൂറൽ നെറ്റ്‌വർക്ക് പ്രവചനങ്ങളെ ഒരു പുതിയ പരീക്ഷണ ഫലങ്ങളുമായി താരതമ്യം ചെയ്യുന്നു.
ഇപ്പോഴത്തെ പഠനത്തിൽ ഉപയോഗിച്ചിരിക്കുന്ന 316 ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീൽ മെറ്റൽ ഷീറ്റിന് പട്ടിക 1 ൽ കാണിച്ചിരിക്കുന്നതുപോലെ ഒരു രാസഘടനയും 1.5 മില്ലിമീറ്റർ പ്രാരംഭ കനവും ഉണ്ട്. 1050 ഡിഗ്രി സെൽഷ്യസിൽ 1 മണിക്കൂർ അനീലിംഗ്, തുടർന്ന് ഷീറ്റിലെ അവശിഷ്ട സമ്മർദ്ദങ്ങൾ ഒഴിവാക്കാനും ഒരു ഏകീകൃത മൈക്രോസ്ട്രക്ചർ നേടാനും വെള്ളം ശമിപ്പിക്കുന്നു.
ഓസ്റ്റെനിറ്റിക് സ്റ്റീലുകളുടെ മൈക്രോസ്ട്രക്ചർ നിരവധി എച്ചാൻറുകൾ ഉപയോഗിച്ച് വെളിപ്പെടുത്താം. വാറ്റിയെടുത്ത വെള്ളത്തിൽ 60% നൈട്രിക് ആസിഡ്, 120 s38 ന് 1 VDC യിൽ കൊത്തിവെച്ചതാണ് ഏറ്റവും മികച്ച എച്ചൻ്റുകളിൽ ഒന്ന്. എന്നിരുന്നാലും, ഈ എച്ചാൻറ് ധാന്യത്തിൻ്റെ അതിരുകൾ മാത്രമേ കാണിക്കൂ, ചിത്രം 1a-ൽ കാണിച്ചിരിക്കുന്നതുപോലെ ഇരട്ട ധാന്യ അതിരുകൾ തിരിച്ചറിയാൻ കഴിയില്ല. ഗ്ലിസറോൾ അസറ്റേറ്റ് ആണ് മറ്റൊരു എച്ചാൻറ്, അതിൽ ഇരട്ട അതിരുകൾ നന്നായി ദൃശ്യവൽക്കരിക്കാൻ കഴിയും, എന്നാൽ ചിത്രം 1b-ൽ കാണിച്ചിരിക്കുന്നതുപോലെ ധാന്യത്തിൻ്റെ അതിരുകൾ അങ്ങനെയല്ല. കൂടാതെ, മെറ്റാസ്റ്റബിൾ ഓസ്റ്റെനിറ്റിക് ഘട്ടം \({\alpha }^{^{\prime}}\)-മാർടെൻസൈറ്റ് ഘട്ടത്തിലേക്ക് പരിവർത്തനം ചെയ്തതിന് ശേഷം ഗ്ലിസറോൾ അസറ്റേറ്റ് എച്ചാൻറ് ഉപയോഗിച്ച് കണ്ടെത്താനാകും, ഇത് നിലവിലെ പഠനത്തിൽ താൽപ്പര്യമുള്ളതാണ്.
ലോഹഫലകത്തിൻ്റെ സൂക്ഷ്മഘടന 316, അനീലിംഗിന് ശേഷം, വിവിധ എച്ചൻറുകൾ കാണിക്കുന്നു, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) വാറ്റിയെടുത്ത വെള്ളത്തിൽ 1.5 V-ൽ 120 സെക്കൻ്റ്, (b) 200x , ഗ്ലിസറിൻ അസറ്റേറ്റ്.
അനീൽ ചെയ്ത ഷീറ്റുകൾ 11 സെൻ്റീമീറ്റർ വീതിയും 1 മീറ്റർ നീളവുമുള്ള ഷീറ്റുകളായി മുറിച്ചിരിക്കുന്നു. കോൾഡ് റോളിംഗ് പ്ലാൻ്റിന് 140 മില്ലീമീറ്റർ വ്യാസമുള്ള രണ്ട് സമമിതി റോളുകൾ ഉണ്ട്. കോൾഡ് റോളിംഗ് പ്രക്രിയ 316 സ്റ്റെയിൻലെസ് സ്റ്റീലിൽ ഓസ്റ്റിനൈറ്റിനെ രൂപഭേദം വരുത്തുന്ന മാർട്ടൻസൈറ്റ് ആയി മാറ്റുന്നു. വ്യത്യസ്‌ത കട്ടികളിലൂടെ തണുത്തുറഞ്ഞതിനു ശേഷമുള്ള മാർട്ടൻസൈറ്റ് ഘട്ടത്തിൻ്റെയും ഓസ്‌റ്റനൈറ്റ് ഘട്ടത്തിൻ്റെയും അനുപാതം തിരയുന്നു. അത്തിപ്പഴത്തിൽ. 2 ഷീറ്റ് ലോഹത്തിൻ്റെ മൈക്രോസ്ട്രക്ചറിൻ്റെ ഒരു സാമ്പിൾ കാണിക്കുന്നു. അത്തിപ്പഴത്തിൽ. 2a, ഷീറ്റിന് ലംബമായി ഒരു ദിശയിൽ നിന്ന് നോക്കിയാൽ, ഉരുട്ടിയ സാമ്പിളിൻ്റെ മെറ്റലോഗ്രാഫിക് ചിത്രം കാണിക്കുന്നു. അത്തിപ്പഴത്തിൽ. ImageJ65 സോഫ്റ്റ്‌വെയർ ഉപയോഗിച്ച് 2b, മാർട്ടൻസിറ്റിക് ഭാഗം കറുപ്പിൽ ഹൈലൈറ്റ് ചെയ്തിരിക്കുന്നു. ഈ ഓപ്പൺ സോഴ്‌സ് സോഫ്‌റ്റ്‌വെയറിൻ്റെ ടൂളുകൾ ഉപയോഗിച്ച്, മാർട്ടൻസൈറ്റ് ഫ്രാക്ഷൻ്റെ വിസ്തീർണ്ണം അളക്കാൻ കഴിയും. കട്ടിയിലെ വിവിധ കുറവുകളിലേക്ക് ഉരുട്ടിയതിനുശേഷം മാർട്ടൻസിറ്റിക്, ഓസ്റ്റെനിറ്റിക് ഘട്ടങ്ങളുടെ വിശദമായ ഭിന്നസംഖ്യകൾ പട്ടിക 2 കാണിക്കുന്നു.
316 എൽ ഷീറ്റിൻ്റെ മൈക്രോസ്ട്രക്ചർ, കനം 50% കുറച്ചതിന് ശേഷം, ഷീറ്റിൻ്റെ തലത്തിലേക്ക് ലംബമായി, 200 മടങ്ങ് വലുതാക്കി, ഗ്ലിസറോൾ അസറ്റേറ്റ്.
ഒരേ മെറ്റലോഗ്രാഫിക് മാതൃകയിൽ വ്യത്യസ്ത സ്ഥലങ്ങളിൽ എടുത്ത മൂന്ന് ഫോട്ടോഗ്രാഫുകളിൽ അളന്ന മാർട്ടൻസൈറ്റ് ഭിന്നസംഖ്യകളുടെ ശരാശരി കണക്കാക്കിയാണ് പട്ടിക 2-ൽ അവതരിപ്പിച്ചിരിക്കുന്ന മൂല്യങ്ങൾ ലഭിച്ചത്. കൂടാതെ, അത്തിപ്പഴത്തിൽ. മാർട്ടൻസൈറ്റിൽ കോൾഡ് റോളിങ്ങിൻ്റെ പ്രഭാവം നന്നായി മനസ്സിലാക്കാൻ ക്വാഡ്രാറ്റിക് ഫിറ്റിംഗ് കർവുകൾ 3 കാണിക്കുന്നു. തണുത്ത ഉരുണ്ട അവസ്ഥയിൽ മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതവും കനം കുറയ്ക്കലും തമ്മിൽ ഏതാണ്ട് രേഖീയമായ ഒരു ബന്ധമുണ്ടെന്ന് കാണാൻ കഴിയും. എന്നിരുന്നാലും, ഒരു ക്വാഡ്രാറ്റിക് ബന്ധത്തിന് ഈ ബന്ധത്തെ മികച്ച രീതിയിൽ പ്രതിനിധീകരിക്കാൻ കഴിയും.
തുടക്കത്തിൽ 316 സ്റ്റീൽ ഷീറ്റിൻ്റെ കോൾഡ് റോളിംഗ് സമയത്ത് കനം കുറയ്ക്കുന്നതിൻ്റെ ഭാഗമായി മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതത്തിലെ വ്യത്യാസം.
ഹെമിസ്ഫിയർ ബർസ്റ്റ് ടെസ്റ്റുകൾ 37,38,45,66 ഉപയോഗിച്ച് സാധാരണ നടപടിക്രമം അനുസരിച്ച് രൂപപ്പെടുത്തൽ പരിധി വിലയിരുത്തി. മൊത്തത്തിൽ, ആറ് സാമ്പിളുകൾ ഒരു കൂട്ടം പരീക്ഷണ സാമ്പിളുകളായി ചിത്രം 4a ൽ കാണിച്ചിരിക്കുന്ന അളവുകൾ ഉപയോഗിച്ച് ലേസർ കട്ടിംഗ് വഴി നിർമ്മിച്ചു. മാർട്ടൻസൈറ്റ് ഫ്രാക്ഷൻ്റെ ഓരോ സംസ്ഥാനത്തിനും, മൂന്ന് സെറ്റ് ടെസ്റ്റ് സാമ്പിളുകൾ തയ്യാറാക്കി പരീക്ഷിച്ചു. അത്തിപ്പഴത്തിൽ. 4b മുറിച്ചതും മിനുക്കിയതും അടയാളപ്പെടുത്തിയതുമായ സാമ്പിളുകൾ കാണിക്കുന്നു.
നകാസിമ മോൾഡിംഗ് സാമ്പിൾ വലുപ്പവും കട്ടിംഗ് ബോർഡും പരിമിതപ്പെടുത്തുന്നു. (എ) അളവുകൾ, (ബി) മുറിച്ച് അടയാളപ്പെടുത്തിയ മാതൃകകൾ.
2 എംഎം / സെക്കൻ്റ് യാത്രാ വേഗതയുള്ള ഒരു ഹൈഡ്രോളിക് പ്രസ്സ് ഉപയോഗിച്ചാണ് അർദ്ധഗോളമായ പഞ്ചിംഗിനായുള്ള പരിശോധന നടത്തിയത്. രൂപീകരണ പരിധിയിലെ ഘർഷണത്തിൻ്റെ പ്രഭാവം കുറയ്ക്കുന്നതിന് പഞ്ചിൻ്റെയും ഷീറ്റിൻ്റെയും കോൺടാക്റ്റ് പ്രതലങ്ങൾ നന്നായി ലൂബ്രിക്കേറ്റ് ചെയ്യുന്നു. സാമ്പിളിൽ കാര്യമായ സങ്കോചമോ പൊട്ടലോ കാണുന്നതുവരെ പരിശോധന തുടരുക. അത്തിപ്പഴത്തിൽ. 5 ഉപകരണത്തിലെ നശിച്ച സാമ്പിളും പരിശോധനയ്ക്ക് ശേഷമുള്ള സാമ്പിളും കാണിക്കുന്നു.
ഒരു ഹെമിസ്ഫെറിക്കൽ ബർസ്റ്റ് ടെസ്റ്റ്, (എ) ടെസ്റ്റ് റിഗ്, (ബി) ടെസ്റ്റ് റിഗിലെ ബ്രേക്കിലെ സാമ്പിൾ പ്ലേറ്റ്, (സി) പരിശോധനയ്ക്ക് ശേഷം അതേ സാമ്പിൾ എന്നിവ ഉപയോഗിച്ചാണ് ഷേപ്പിംഗ് പരിധി നിശ്ചയിച്ചത്.
Jang67 വികസിപ്പിച്ച ന്യൂറോ-ഫസി സിസ്റ്റം ഇല രൂപീകരണ പരിധി കർവ് പ്രവചനത്തിന് അനുയോജ്യമായ ഒരു ഉപകരണമാണ്. ഇത്തരത്തിലുള്ള കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്കിൽ അവ്യക്തമായ വിവരണങ്ങളുള്ള പാരാമീറ്ററുകളുടെ സ്വാധീനം ഉൾപ്പെടുന്നു. ഇതിനർത്ഥം അവർക്ക് അവരുടെ മേഖലകളിൽ യഥാർത്ഥ മൂല്യം ലഭിക്കുമെന്നാണ്. ഈ തരത്തിലുള്ള മൂല്യങ്ങൾ അവയുടെ മൂല്യം അനുസരിച്ച് കൂടുതൽ തരം തിരിച്ചിരിക്കുന്നു. ഓരോ വിഭാഗത്തിനും അതിൻ്റേതായ നിയമങ്ങളുണ്ട്. ഉദാഹരണത്തിന്, ഒരു താപനില മൂല്യം ഏത് യഥാർത്ഥ സംഖ്യയും ആകാം, അതിൻ്റെ മൂല്യത്തെ ആശ്രയിച്ച്, താപനിലയെ തണുത്ത, ഇടത്തരം, ചൂട്, ചൂട് എന്നിങ്ങനെ തരം തിരിക്കാം. ഇക്കാര്യത്തിൽ, ഉദാഹരണത്തിന്, താഴ്ന്ന ഊഷ്മാവിനുള്ള നിയമം "ഒരു ജാക്കറ്റ് ധരിക്കുക" എന്ന നിയമം ആണ്, ഊഷ്മള ഊഷ്മാവിനുള്ള നിയമം "മതിയായ ടി-ഷർട്ട്" ആണ്. അവ്യക്തമായ യുക്തിയിൽ തന്നെ, ഔട്ട്പുട്ട് കൃത്യതയ്ക്കും വിശ്വാസ്യതയ്ക്കും വേണ്ടി വിലയിരുത്തപ്പെടുന്നു. ന്യൂറൽ നെറ്റ്‌വർക്ക് സിസ്റ്റങ്ങളുടെ അവ്യക്തമായ ലോജിക്കിൻ്റെ സംയോജനം ANFIS വിശ്വസനീയമായ ഫലങ്ങൾ നൽകുമെന്ന് ഉറപ്പാക്കുന്നു.
Jang67 നൽകിയ ചിത്രം 6 ഒരു ലളിതമായ ന്യൂറൽ ഫസി നെറ്റ്‌വർക്ക് കാണിക്കുന്നു. കാണിച്ചിരിക്കുന്നതുപോലെ, നെറ്റ്‌വർക്ക് രണ്ട് ഇൻപുട്ടുകൾ എടുക്കുന്നു, ഞങ്ങളുടെ പഠനത്തിൽ ഇൻപുട്ട് മൈക്രോസ്ട്രക്ചറിലെ മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതവും മൈനർ സ്‌ട്രെയിനിൻ്റെ മൂല്യവുമാണ്. വിശകലനത്തിൻ്റെ ആദ്യ തലത്തിൽ, അവ്യക്തമായ നിയമങ്ങളും അംഗത്വ പ്രവർത്തനങ്ങളും (എഫ്‌സി) ഉപയോഗിച്ച് ഇൻപുട്ട് മൂല്യങ്ങൾ അവ്യക്തമാണ്:
\(i=1, 2\) എന്നതിന്, ഇൻപുട്ടിന് രണ്ട് വിഭാഗത്തിലുള്ള വിവരണമുണ്ടെന്ന് അനുമാനിക്കപ്പെടുന്നു. MF-ന് ഏതെങ്കിലും ത്രികോണാകൃതി, ട്രപസോയിഡൽ, ഗൗസിയൻ അല്ലെങ്കിൽ മറ്റേതെങ്കിലും ആകൃതി എടുക്കാം.
\({A}_{i}\) കൂടാതെ \({B}_{i}\) എന്നീ വിഭാഗങ്ങളെയും ലെവൽ 2-ലെ അവയുടെ MF മൂല്യങ്ങളെയും അടിസ്ഥാനമാക്കി, ചിത്രം 7-ൽ കാണിച്ചിരിക്കുന്നതുപോലെ ചില നിയമങ്ങൾ സ്വീകരിക്കുന്നു. ഇതിൽ പാളി, വിവിധ ഇൻപുട്ടുകളുടെ ഇഫക്റ്റുകൾ എങ്ങനെയെങ്കിലും സംയോജിപ്പിച്ചിരിക്കുന്നു. ഇവിടെ, മാർട്ടൻസൈറ്റ് ഫ്രാക്ഷൻ്റെയും മൈനർ സ്ട്രെയിൻ മൂല്യങ്ങളുടെയും സ്വാധീനം സംയോജിപ്പിക്കാൻ ഇനിപ്പറയുന്ന നിയമങ്ങൾ ഉപയോഗിക്കുന്നു:
ഈ ലെയറിൻ്റെ ഔട്ട്‌പുട്ട് \({w}_{i}\) ഇഗ്നിഷൻ തീവ്രത എന്ന് വിളിക്കുന്നു. ഇനിപ്പറയുന്ന ബന്ധമനുസരിച്ച് ഈ ഇഗ്നിഷൻ തീവ്രത ലെയർ 3 ൽ നോർമലൈസ് ചെയ്യുന്നു:
ലെയർ 4-ൽ, ഇൻപുട്ട് പാരാമീറ്ററുകളുടെ പ്രാരംഭ മൂല്യങ്ങളുടെ സ്വാധീനം കണക്കിലെടുക്കുന്നതിനുള്ള കണക്കുകൂട്ടലിൽ Takagi, Sugeno നിയമങ്ങൾ67,68 ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഈ പാളിക്ക് ഇനിപ്പറയുന്ന ബന്ധങ്ങളുണ്ട്:
തത്ഫലമായുണ്ടാകുന്ന \({f}_{i}\) ലെയറുകളിലെ നോർമലൈസ്ഡ് മൂല്യങ്ങളാൽ ബാധിക്കപ്പെടുന്നു, ഇത് അന്തിമ ഫലം നൽകുന്നു, പ്രധാന വാർപ്പ് മൂല്യങ്ങൾ:
ഇവിടെ \(NR\) നിയമങ്ങളുടെ എണ്ണത്തെ പ്രതിനിധീകരിക്കുന്നു. അജ്ഞാത നെറ്റ്‌വർക്ക് പാരാമീറ്ററുകൾ ശരിയാക്കാൻ അതിൻ്റെ ആന്തരിക ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം ഉപയോഗിക്കുന്നതാണ് ഇവിടെ ന്യൂറൽ നെറ്റ്‌വർക്കിൻ്റെ പങ്ക്. തത്ഫലമായുണ്ടാകുന്ന \(\ഇടത്\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), കൂടാതെ MF-മായി ബന്ധപ്പെട്ട പാരാമീറ്ററുകൾ എന്നിവയാണ് അജ്ഞാത പാരാമീറ്ററുകൾ സാമാന്യവൽക്കരിച്ച വിൻഡ് ചൈമുകളുടെ ആകൃതി ഫംഗ്‌ഷനായി കണക്കാക്കുന്നു:
ഷേപ്പ് ലിമിറ്റ് ഡയഗ്രമുകൾ, കെമിക്കൽ കോമ്പോസിഷൻ മുതൽ ഷീറ്റ് മെറ്റലിൻ്റെ രൂപഭേദം ചരിത്രം വരെയുള്ള നിരവധി പാരാമീറ്ററുകളെ ആശ്രയിച്ചിരിക്കുന്നു. ടെൻസൈൽ ടെസ്റ്റ് പാരാമീറ്ററുകൾ ഉൾപ്പെടെ ചില പാരാമീറ്ററുകൾ വിലയിരുത്താൻ എളുപ്പമാണ്, മറ്റുള്ളവയ്ക്ക് മെറ്റലോഗ്രാഫി അല്ലെങ്കിൽ ശേഷിക്കുന്ന സ്ട്രെസ് ഡിറ്റർമിനേഷൻ പോലുള്ള കൂടുതൽ സങ്കീർണ്ണമായ നടപടിക്രമങ്ങൾ ആവശ്യമാണ്. മിക്ക കേസുകളിലും, ഓരോ ബാച്ച് ഷീറ്റിനും സ്‌ട്രെയിൻ ലിമിറ്റ് ടെസ്റ്റ് നടത്തുന്നത് നല്ലതാണ്. എന്നിരുന്നാലും, ചിലപ്പോൾ മറ്റ് പരിശോധനാ ഫലങ്ങൾ രൂപപ്പെടുത്തൽ പരിധി കണക്കാക്കാൻ ഉപയോഗിക്കാം. ഉദാഹരണത്തിന്, ഷീറ്റ് ഫോർമാറ്റബിലിറ്റി 69,70,71,72 നിർണ്ണയിക്കാൻ നിരവധി പഠനങ്ങൾ ടെൻസൈൽ ടെസ്റ്റ് ഫലങ്ങൾ ഉപയോഗിച്ചു. മറ്റ് പഠനങ്ങൾ അവയുടെ വിശകലനത്തിൽ ധാന്യത്തിൻ്റെ കനം, വലിപ്പം31,73,74,75,76,77 എന്നിങ്ങനെയുള്ള കൂടുതൽ പാരാമീറ്ററുകൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. എന്നിരുന്നാലും, അനുവദനീയമായ എല്ലാ പാരാമീറ്ററുകളും ഉൾപ്പെടുത്തുന്നത് ഗണിതപരമായി പ്രയോജനകരമല്ല. അതിനാൽ, ANFIS മോഡലുകളുടെ ഉപയോഗം ഈ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിനുള്ള ന്യായമായ സമീപനമായിരിക്കാം45,63.
ഈ പേപ്പറിൽ, 316 ഓസ്റ്റെനിറ്റിക് സ്റ്റീൽ ഷീറ്റിൻ്റെ ഷേപ്പിംഗ് ലിമിറ്റ് ഡയഗ്രാമിൽ മാർട്ടൻസൈറ്റ് ഉള്ളടക്കത്തിൻ്റെ സ്വാധീനം അന്വേഷിച്ചു. ഇക്കാര്യത്തിൽ, പരീക്ഷണാത്മക പരിശോധനകൾ ഉപയോഗിച്ച് ഒരു ഡാറ്റാ സെറ്റ് തയ്യാറാക്കി. വികസിപ്പിച്ച സിസ്റ്റത്തിന് രണ്ട് ഇൻപുട്ട് വേരിയബിളുകളുണ്ട്: മെറ്റലോഗ്രാഫിക് ടെസ്റ്റുകളിൽ അളക്കുന്ന മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതവും ചെറിയ എഞ്ചിനീയറിംഗ് സ്‌ട്രെയിനുകളുടെ ശ്രേണിയും. രൂപീകരണ പരിധി വക്രത്തിൻ്റെ ഒരു പ്രധാന എഞ്ചിനീയറിംഗ് വൈകല്യമാണ് ഫലം. മൂന്ന് തരം മാർട്ടൻസിറ്റിക് ഫ്രാക്ഷനുകൾ ഉണ്ട്: നല്ല, ഇടത്തരം, ഉയർന്ന ഭിന്നസംഖ്യകൾ. കുറവ് അർത്ഥമാക്കുന്നത് മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതം 10% ൽ താഴെയാണ് എന്നാണ്. മിതമായ സാഹചര്യങ്ങളിൽ, മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതം 10% മുതൽ 20% വരെയാണ്. മാർട്ടൻസൈറ്റിൻ്റെ ഉയർന്ന മൂല്യങ്ങൾ 20% ത്തിൽ കൂടുതൽ ഭിന്നസംഖ്യകളായി കണക്കാക്കപ്പെടുന്നു. കൂടാതെ, ദ്വിതീയ സമ്മർദ്ദത്തിന് ലംബ അക്ഷത്തിന് സമീപം -5% നും 5% നും ഇടയിൽ മൂന്ന് വ്യത്യസ്ത വിഭാഗങ്ങളുണ്ട്, അവ FLD0 നിർണ്ണയിക്കാൻ ഉപയോഗിക്കുന്നു. പോസിറ്റീവ്, നെഗറ്റീവ് ശ്രേണികൾ മറ്റ് രണ്ട് വിഭാഗങ്ങളാണ്.
അർദ്ധഗോള പരിശോധനയുടെ ഫലങ്ങൾ FIG ൽ കാണിച്ചിരിക്കുന്നു. പരിധികളുടെ ആകൃതിയിലുള്ള 6 ഡയഗ്രമുകൾ ചിത്രം കാണിക്കുന്നു, അതിൽ 5 എണ്ണം വ്യക്തിഗത റോൾഡ് ഷീറ്റുകളുടെ FLD ആണ്. ഒരു സുരക്ഷാ പോയിൻ്റും അതിൻ്റെ ഉയർന്ന പരിധി വക്രവും ഒരു പരിധി കർവ് (FLC) രൂപീകരിക്കുന്നു. അവസാനത്തെ കണക്ക് എല്ലാ FLC-കളെയും താരതമ്യം ചെയ്യുന്നു. അവസാന ചിത്രത്തിൽ നിന്ന് കാണാൻ കഴിയുന്നത് പോലെ, 316 ഓസ്റ്റെനിറ്റിക് സ്റ്റീലിൽ മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതം വർദ്ധിക്കുന്നത് ഷീറ്റ് ലോഹത്തിൻ്റെ രൂപവത്കരണത്തെ കുറയ്ക്കുന്നു. മറുവശത്ത്, മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതം വർദ്ധിപ്പിക്കുന്നത് ക്രമേണ എഫ്എൽസിയെ ലംബ അക്ഷത്തിന് ചുറ്റുമുള്ള ഒരു സമമിതി വക്രമാക്കി മാറ്റുന്നു. അവസാനത്തെ രണ്ട് ഗ്രാഫുകളിൽ, വക്രത്തിൻ്റെ വലത് വശം ഇടതുവശത്തേക്കാൾ അല്പം കൂടുതലാണ്, അതായത് ബയാക്സിയൽ ടെൻഷനിലെ രൂപവത്കരണം ഏകീകൃത പിരിമുറുക്കത്തേക്കാൾ കൂടുതലാണ്. കൂടാതെ, മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതം കൂടുന്നതിനനുസരിച്ച് കഴുത്തിന് മുമ്പുള്ള ചെറുതും വലുതുമായ എഞ്ചിനീയറിംഗ് സമ്മർദ്ദങ്ങൾ കുറയുന്നു.
316 ഒരു പരിധി വക്രം രൂപപ്പെടുത്തുന്നു. ഓസ്റ്റെനിറ്റിക് സ്റ്റീൽ ഷീറ്റുകളുടെ രൂപീകരണത്തിൽ മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതത്തിൻ്റെ സ്വാധീനം. (സുരക്ഷാ പോയിൻ്റ് എസ്എഫ്, രൂപീകരണ പരിധി കർവ് എഫ്എൽസി, മാർട്ടൻസൈറ്റ് എം).
7.8, 18.3, 28.7% എന്നിവയുടെ മാർട്ടൻസൈറ്റ് ഭിന്നസംഖ്യകളുള്ള 60 സെറ്റ് പരീക്ഷണ ഫലങ്ങളിൽ ന്യൂറൽ നെറ്റ്‌വർക്ക് പരിശീലിപ്പിക്കപ്പെട്ടു. 15.4% മാർട്ടൻസൈറ്റിൻ്റെ ഒരു ഡാറ്റാ സെറ്റ് സ്ഥിരീകരണ പ്രക്രിയയ്‌ക്കും 25.6% ടെസ്റ്റിംഗ് പ്രക്രിയയ്‌ക്കും നീക്കിവച്ചിരിക്കുന്നു. 150 യുഗങ്ങൾക്ക് ശേഷമുള്ള പിശക് ഏകദേശം 1.5% ആണ്. അത്തിപ്പഴത്തിൽ. പരിശീലനത്തിനും പരിശോധനയ്ക്കുമായി നൽകിയിരിക്കുന്ന യഥാർത്ഥ ഔട്ട്‌പുട്ട് (\({\epsilon }_{1}\), അടിസ്ഥാന എഞ്ചിനീയറിംഗ് ജോലിഭാരം) തമ്മിലുള്ള പരസ്പരബന്ധം 9 കാണിക്കുന്നു. നിങ്ങൾക്ക് കാണാനാകുന്നതുപോലെ, പരിശീലനം ലഭിച്ച NFS ഷീറ്റ് മെറ്റൽ ഭാഗങ്ങൾക്കായി \({\epsilon} _{1}\) തൃപ്തികരമായി പ്രവചിക്കുന്നു.
(എ) പരിശീലന പ്രക്രിയയ്ക്ക് ശേഷം പ്രവചിച്ചതും യഥാർത്ഥവുമായ മൂല്യങ്ങൾ തമ്മിലുള്ള പരസ്പരബന്ധം, (ബി) പരിശീലനത്തിലും പരിശോധനയിലും എഫ്എൽസിയിലെ പ്രധാന എഞ്ചിനീയറിംഗ് ലോഡുകൾക്കായി പ്രവചിച്ചതും യഥാർത്ഥവുമായ മൂല്യങ്ങൾ തമ്മിലുള്ള പിശക്.
പരിശീലന സമയത്ത് ചില ഘട്ടങ്ങളിൽ, ANFIS നെറ്റ്‌വർക്ക് അനിവാര്യമായും പുനരുപയോഗം ചെയ്യപ്പെടുന്നു. ഇത് നിർണ്ണയിക്കാൻ, ഒരു സമാന്തര പരിശോധന നടത്തുന്നു, അതിനെ "ചെക്ക്" എന്ന് വിളിക്കുന്നു. മൂല്യനിർണ്ണയ പിശക് മൂല്യം പരിശീലന മൂല്യത്തിൽ നിന്ന് വ്യതിചലിക്കുകയാണെങ്കിൽ, നെറ്റ്‌വർക്ക് വീണ്ടും പരിശീലനം ആരംഭിക്കുന്നു. ചിത്രം 9b-ൽ കാണിച്ചിരിക്കുന്നതുപോലെ, യുഗം 150-ന് മുമ്പ്, പഠനവും മൂല്യനിർണ്ണയവും തമ്മിലുള്ള വ്യത്യാസം ചെറുതാണ്, അവ ഏകദേശം ഒരേ വക്രമാണ് പിന്തുടരുന്നത്. ഈ ഘട്ടത്തിൽ, മൂല്യനിർണ്ണയ പ്രക്രിയ പിശക് പഠന വക്രത്തിൽ നിന്ന് വ്യതിചലിക്കാൻ തുടങ്ങുന്നു, ഇത് ANFIS ഓവർഫിറ്റിംഗിൻ്റെ അടയാളമാണ്. അങ്ങനെ, റൗണ്ട് 150-നുള്ള ANFIS നെറ്റ്‌വർക്ക് 1.5% പിശകോടെ സംരക്ഷിക്കപ്പെടുന്നു. തുടർന്ന് ANFIS നായുള്ള FLC പ്രവചനം അവതരിപ്പിക്കുന്നു. അത്തിപ്പഴത്തിൽ. പരിശീലനത്തിലും സ്ഥിരീകരണ പ്രക്രിയയിലും ഉപയോഗിക്കുന്ന തിരഞ്ഞെടുത്ത സാമ്പിളുകൾക്കായി പ്രവചിച്ചതും യഥാർത്ഥവുമായ കർവുകൾ 10 കാണിക്കുന്നു. ഈ വളവുകളിൽ നിന്നുള്ള ഡാറ്റ നെറ്റ്‌വർക്കിനെ പരിശീലിപ്പിക്കാൻ ഉപയോഗിച്ചതിനാൽ, വളരെ അടുത്ത പ്രവചനങ്ങൾ നിരീക്ഷിക്കുന്നതിൽ അതിശയിക്കാനില്ല.
വ്യത്യസ്‌ത മാർട്ടൻസൈറ്റ് ഉള്ളടക്ക വ്യവസ്ഥകൾക്ക് കീഴിലുള്ള യഥാർത്ഥ പരീക്ഷണാത്മക FLC, ANFIS പ്രവചിക്കുന്ന വളവുകൾ. പരിശീലന പ്രക്രിയയിൽ ഈ വളവുകൾ ഉപയോഗിക്കുന്നു.
അവസാന സാമ്പിളിന് എന്ത് സംഭവിച്ചുവെന്ന് ANFIS മോഡലിന് അറിയില്ല. അതിനാൽ, 25.6% മാർട്ടൻസൈറ്റ് ഭിന്നസംഖ്യയുള്ള സാമ്പിളുകൾ സമർപ്പിച്ചുകൊണ്ട് ഞങ്ങൾ FLC-യ്‌ക്കായി ഞങ്ങളുടെ പരിശീലനം ലഭിച്ച ANFIS പരീക്ഷിച്ചു. അത്തിപ്പഴത്തിൽ. 11 ANFIS FLC പ്രവചനവും പരീക്ഷണാത്മക FLC-യും കാണിക്കുന്നു. പ്രവചിച്ച മൂല്യവും പരീക്ഷണാത്മക മൂല്യവും തമ്മിലുള്ള പരമാവധി പിശക് 6.2% ആണ്, ഇത് പരിശീലനത്തിൻ്റെയും മൂല്യനിർണ്ണയത്തിൻ്റെയും സമയത്ത് പ്രവചിച്ച മൂല്യത്തേക്കാൾ കൂടുതലാണ്. എന്നിരുന്നാലും, FLC സൈദ്ധാന്തികമായി പ്രവചിക്കുന്ന മറ്റ് പഠനങ്ങളുമായി താരതമ്യം ചെയ്യുമ്പോൾ ഈ പിശക് സഹിക്കാവുന്ന ഒരു പിശകാണ്.
വ്യവസായത്തിൽ, രൂപവത്കരണത്തെ ബാധിക്കുന്ന പാരാമീറ്ററുകൾ ഒരു നാവിൻ്റെ രൂപത്തിൽ വിവരിച്ചിരിക്കുന്നു. ഉദാഹരണത്തിന്, "നാടൻ ധാന്യം രൂപവത്കരണം കുറയ്ക്കുന്നു" അല്ലെങ്കിൽ "വർദ്ധിച്ച തണുത്ത ജോലി FLC കുറയ്ക്കുന്നു". ആദ്യ ഘട്ടത്തിൽ ANFIS നെറ്റ്‌വർക്കിലേക്കുള്ള ഇൻപുട്ടിനെ താഴ്ന്ന, ഇടത്തരം, ഉയർന്ന എന്നിങ്ങനെയുള്ള ഭാഷാ വിഭാഗങ്ങളായി തരം തിരിച്ചിരിക്കുന്നു. നെറ്റ്‌വർക്കിലെ വിവിധ വിഭാഗങ്ങൾക്ക് വ്യത്യസ്ത നിയമങ്ങളുണ്ട്. അതിനാൽ, വ്യവസായത്തിൽ, ഈ തരത്തിലുള്ള നെറ്റ്‌വർക്ക് അവരുടെ ഭാഷാപരമായ വിവരണത്തിലും വിശകലനത്തിലും നിരവധി ഘടകങ്ങൾ ഉൾപ്പെടുത്തുന്നതിന് വളരെ ഉപയോഗപ്രദമാകും. ഈ സൃഷ്ടിയിൽ, ANFIS ൻ്റെ സാധ്യതകൾ ഉപയോഗിക്കുന്നതിന് ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീലുകളുടെ മൈക്രോസ്ട്രക്ചറിൻ്റെ പ്രധാന സവിശേഷതകളിലൊന്ന് കണക്കിലെടുക്കാൻ ഞങ്ങൾ ശ്രമിച്ചു. സ്ട്രെസ്-ഇൻഡ്യൂസ്ഡ് മാർട്ടൻസൈറ്റിൻ്റെ അളവ് 316 ഈ ഇൻസെർട്ടുകളുടെ തണുത്ത പ്രവർത്തനത്തിൻ്റെ നേരിട്ടുള്ള അനന്തരഫലമാണ്. പരീക്ഷണങ്ങളിലൂടെയും ANFIS വിശകലനത്തിലൂടെയും, ഇത്തരത്തിലുള്ള ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീലിൽ മാർട്ടൻസൈറ്റിൻ്റെ അനുപാതം വർദ്ധിപ്പിക്കുന്നത് പ്ലേറ്റ് 316 ൻ്റെ FLC-യിൽ ഗണ്യമായ കുറവുണ്ടാക്കുന്നു, അങ്ങനെ മാർട്ടെൻസൈറ്റിൻ്റെ അനുപാതം 7.8% ൽ നിന്ന് 28.7% ആയി വർദ്ധിക്കുന്നത് കുറയ്ക്കുന്നു. 0.35 മുതൽ FLD0. യഥാക്രമം 0.1 വരെ. മറുവശത്ത്, പരിശീലനം ലഭിച്ചതും സാധൂകരിച്ചതുമായ ANFIS നെറ്റ്‌വർക്കിന് ലഭ്യമായ പരീക്ഷണാത്മക ഡാറ്റയുടെ 80% ഉപയോഗിച്ച് പരമാവധി 6.5% പിശക് ഉപയോഗിച്ച് FLC പ്രവചിക്കാൻ കഴിയും, ഇത് മറ്റ് സൈദ്ധാന്തിക നടപടിക്രമങ്ങളെയും പ്രതിഭാസ ബന്ധങ്ങളെയും അപേക്ഷിച്ച് സ്വീകാര്യമായ പിശകാണ്.
നിലവിലെ പഠനത്തിൽ ഉപയോഗിക്കുന്ന കൂടാതെ/അല്ലെങ്കിൽ വിശകലനം ചെയ്ത ഡാറ്റാസെറ്റുകൾ ന്യായമായ അഭ്യർത്ഥന പ്രകാരം ബന്ധപ്പെട്ട രചയിതാക്കളിൽ നിന്ന് ലഭ്യമാണ്.
ഇഫ്തിഖർ, സിഎംഎ, തുടങ്ങിയവർ. ആനുപാതികവും ആനുപാതികമല്ലാത്തതുമായ ലോഡിംഗ് പാതകൾക്ക് കീഴിൽ എക്‌സ്‌ട്രൂഡ് ചെയ്ത AZ31 മഗ്നീഷ്യം അലോയ് "ഉള്ളതുപോലെ" തുടർന്നുള്ള വിളവ് പാതകളുടെ പരിണാമം: CPFEM പരീക്ഷണങ്ങളും അനുകരണങ്ങളും. ആന്തരിക ജെ. പ്രാസ്റ്റ്. 151, 103216 (2022).
ഇഫ്തിഖർ, TsMA et al. അനീൽഡ് AA6061 അലോയ്‌യുടെ ആനുപാതികവും ആനുപാതികമല്ലാത്തതുമായ ലോഡിംഗ് പാതകളിൽ പ്ലാസ്റ്റിക് രൂപഭേദം വരുത്തിയതിനുശേഷം തുടർന്നുള്ള വിളവ് ഉപരിതലത്തിൻ്റെ പരിണാമം: ക്രിസ്റ്റൽ പ്ലാസ്റ്റിറ്റിയുടെ പരീക്ഷണങ്ങളും പരിമിതമായ മൂലക മോഡലിംഗും. ആന്തരിക ജെ. പ്ലാസ്റ്റ് 143, 102956 (2021).
മണിക്, ടി., ഹോൾമെഡൽ, ബി ആന്തരിക ജെ. പ്രാസ്റ്റ്. 69, 1–20 (2015).
മാമുഷി, എച്ച്. തുടങ്ങിയവർ. സാധാരണ മർദ്ദത്തിൻ്റെ പ്രഭാവം കണക്കിലെടുത്ത് പരിമിതപ്പെടുത്തുന്ന രൂപരേഖ നിർണയിക്കുന്നതിനുള്ള ഒരു പുതിയ പരീക്ഷണ രീതി. ആന്തരിക ജെ. അൽമ മേറ്റർ. രൂപം. 15(1), 1 (2022).
യാങ് ഇസഡ് തുടങ്ങിയവർ. AA7075-T6 ഷീറ്റ് മെറ്റലിൻ്റെ ഡക്റ്റൈൽ ഫ്രാക്ചർ പാരാമീറ്ററുകളുടെയും സ്‌ട്രെയിൻ ലിമിറ്റുകളുടെയും പരീക്ഷണാത്മക കാലിബ്രേഷൻ. ജെ. അൽമ മേറ്റർ. പ്രക്രിയ. സാങ്കേതികവിദ്യകൾ. 291, 117044 (2021).
പെട്രിറ്റ്സ്, എ. et al. അൾട്രാ-ഫ്ലെക്സിബിൾ ഫെറോഇലക്ട്രിക് കൺവെർട്ടറുകളും ഓർഗാനിക് ഡയോഡുകളും അടിസ്ഥാനമാക്കിയുള്ള മറഞ്ഞിരിക്കുന്ന ഊർജ്ജ വിളവെടുപ്പ് ഉപകരണങ്ങളും ബയോമെഡിക്കൽ സെൻസറുകളും. ദേശീയ കമ്യൂൺ. 12(1), 2399 (2021).
Basak, S., Panda, SK Yld 2000–2d വിളവ് മാതൃക ഉപയോഗിച്ച് ധ്രുവീയ ഫലപ്രദമായ പ്ലാസ്റ്റിക് രൂപഭേദം വരുത്തുന്ന പാതകളിലെ വിവിധ മുൻരൂപത്തിലുള്ള പ്ലേറ്റുകളുടെ കഴുത്ത്, ഒടിവ് പരിധികളുടെ വിശകലനം. ജെ. അൽമ മേറ്റർ. പ്രക്രിയ. സാങ്കേതികവിദ്യകൾ. 267, 289–307 (2019).
ബസക്, എസ്., പാണ്ട, എസ്കെ ഫ്രാക്ചർ ഡിഫോർമേഷൻസ് ഇൻ അനിസോട്രോപിക് ഷീറ്റ് മെറ്റലുകൾ: പരീക്ഷണാത്മക വിലയിരുത്തലും സൈദ്ധാന്തിക പ്രവചനങ്ങളും. ആന്തരിക ജെ. മെച്ച. ശാസ്ത്രം. 151, 356–374 (2019).
ജലേഫർ, എഫ്., ഹാഷെമി, ആർ. & ഹൊസൈനിപൂർ, എസ്.ജെ. AA5083 എന്ന മോൾഡിംഗ് ലിമിറ്റ് ഡയഗ്രമിൽ സ്‌ട്രെയിൻ ട്രജക്റ്ററി മാറ്റുന്നതിൻ്റെ ഫലത്തെക്കുറിച്ചുള്ള പരീക്ഷണാത്മകവും സൈദ്ധാന്തികവുമായ പഠനം. ഇൻ്റേണൽ ജെ. അഡ്വ. നിർമ്മാതാവ്. സാങ്കേതികവിദ്യകൾ. 76(5–8), 1343–1352 (2015).
ഹബീബി, എം. തുടങ്ങിയവർ. ഘർഷണം ഇളക്കി വെൽഡിഡ് ബ്ലാങ്കുകളുടെ മെക്കാനിക്കൽ പ്രോപ്പർട്ടികൾ, ഫോർമബിലിറ്റി, ലിമിറ്റിംഗ് ഷേപ്പിംഗ് ഡയഗ്രം എന്നിവയെക്കുറിച്ചുള്ള പരീക്ഷണാത്മക പഠനം. ജെ മേക്കർ. പ്രക്രിയ. 31, 310–323 (2018).
ഹബീബി, എം., തുടങ്ങിയവർ. ബെൻഡിംഗിൻ്റെ സ്വാധീനം കണക്കിലെടുത്ത്, MC ​​മോഡൽ ഫിനിറ്റ് എലമെൻ്റ് മോഡലിംഗിൽ ഉൾപ്പെടുത്തി ലിമിറ്റ് ഡയഗ്രം രൂപീകരിക്കുന്നു. പ്രക്രിയ. ഫർ ഇൻസ്റ്റിറ്റ്യൂട്ട്. പദ്ധതി. L 232(8), 625–636 (2018).