Влияние уменьшения толщины в процессе холодной прокатки на формуемость листового металла с помощью ANFIS

Научные отчеты, том 12, Номер статьи: 10434 (2022) Цитировать эту статью

1469 доступов

4 цитаты

Подробности о метриках

Холодная прокатка отрицательно влияет на формуемость листового металла. Однако это неизбежно при производстве листовой поверхности высокого качества. Влияние холодной прокатки на пределы формования растягивающихся листов в литературе всесторонне не исследовано. В этом исследовании проводится экспериментальное исследование для наблюдения за влиянием различного уменьшения толщины холодной прокатки на формуемость листового металла. Поскольку экспериментальная процедура таких испытаний является дорогостоящей, для прогнозирования влияния уменьшения толщины в холодном состоянии на формуемость листового металла также используется искусственный интеллект. В связи с этим листы Ст14 исследуются с помощью экспериментов на растяжение, металлографию, холодную прокатку и полусферический пуансон Наказимы. Полученные данные в дальнейшем используются для обучения и тестирования модели системы нечеткого вывода адаптивной нейронной сети (ANFIS). Результаты показывают, что холодная прокатка снижает формуемость листового металла в условиях растяжения. Кроме того, поведение листа при растяжении значительно изменяется из-за холодного уменьшения толщины того же листового металла. Обученная модель ANFIS также успешно обучена и протестирована при прогнозировании формирования диаграмм пределов. Эту модель можно использовать для определения предельных деформаций формования в других условиях уменьшения толщины. Обсуждается, что определение формообразующих предельных диаграмм не является неотъемлемой характеристикой химического состава листового металла и необходимо учитывать множество других факторов.

Определение предела формования листового металла имеет жизненно важное значение при проектировании конечной геометрии листового изделия. Это также один из основных тестов контроля качества на предприятиях глубокой вытяжки и формовки листов. В отличие от испытаний на растяжение, определение предела формования предполагает большее количество образцов и сложную процедуру испытаний. В попытках избежать таких дорогостоящих и трудоемких испытаний в литературе предложено множество аналитических методов расчета FLD с использованием данных кривой испытаний на одноосное растяжение1,2,3,4,5. Однако кривые одноосного растяжения не могут быть надежным источником при определении пределов формования6. Как экспериментально показали Ву и др.7, листы с небольшими различиями в кривых одноосного растяжения имели значительные различия в FLD из-за влияния их текстур. Таким образом, хотя кривые растяжения дают интуитивное представление о границах формирования, этого недостаточно для расчета точных FLD.

В настоящее время принято, что лучшим способом получения предельных кривых формования являются экспериментальные испытания каждой партии листового проката. Пределы формования зависят от многих факторов, включая условия нагрузки, толщину листа, а также микроструктурные свойства листа. Не существует модели, учитывающей все геометрические, нагруженные и микроструктурные параметры. Таким образом, модели не могут быть надежными, даже если они дают приемлемые результаты в конкретных обстоятельствах.

В последнее время во многих областях исследований наблюдается рост использования искусственного интеллекта и нечеткой логики. Влияние геометрических параметров на пределы формования было исследовано Элангованом и др.8 с использованием искусственной нейронной сети (ИНС). Модель ИНС была обучена с использованием набора дат, полученного в результате экспериментов. Обученная модель далее использовалась для прогнозирования FLD для набора новых геометрических параметров листа. Поведение предела формования при различных нагрузках и температурных условиях было исследовано Коткунде и др.9 с использованием ИНС. Прогнозируемые пределы формования с использованием метода ИНС находились в приемлемом согласии с экспериментальными результатами. Условия экстремальной температуры и скорости нагрузки экспериментально сложны в применении и проверке пределов формования. В исследовании Мохамеда и др.10 показано, что ИНС можно использовать для прогнозирования FLD. Дерогар и Джаванруди11 продемонстрировали возможности ИНС в прогнозировании предельных значений формовки листового металла.