Towards intelligent materials testing with reduced experimental effort for hot forming

• Autorzy: Bambach M. , Imran M. , Buhl J. , Härtel S. , Awiszus B.

Warianty tytułu

PL

Obniżenie kosztów doświadczeń dla plastycznej przeróbki na gorąco poprzez zastosowanie inteligentnych badań materiałów

• Języki publikacji: EN

Abstrakty

EN

Hot forming processes are typically used to deform metals to the desired shape at lower forming forces and to control the microstructure. During hot deformation, the microstructure evolves by dynamic recrystallization after certain critical conditions are reached. The final recrystallized grain size controls the post-hot forming mechanical properties of metals and components. To predict the evolution of microstructure and flow stress, various material models were developed and implemented in finite element codes. They require a significant number of material-dependent parameters. Currently, experimental designs with a full-factorial approach for a range of temperature and strain rates are utilized to determine the desired parameters, which involve a huge experimental effort. The aim of this paper is to propose a methodology for parameter identification with reduced experimental effort where progression of testing and data evaluation is parallelized. An iterative, sequential approach is presented which optimizes the new testing conditions based upon preceding experimental conditions. The approach is exemplified for the high-temperature material Alloy-800H, using a material model that allows for accurate predictions of the flow stress. The developed strategy allows to achieve the desired accuracy of the material model by utilizing about a half of test matrix representing a full-factorial design. Hence, an efficient cost- and resource-optimized parametrization of models seems possible.

PL

Procesy plastycznej przeróbki na gorąco są zazwyczaj wykorzystywane zarówno do nadawania wymaganego kształtu wyrobom przy zastosowaniu mniejszych sił jak i do kontrolowania ich mikrostruktury. Mikrostruktura w czasie odkształcania na gorąco zmienia się pod wpływem rekrystalizacji dynamicznej, która występuje po osiągnięciu pewnych krytycznych warunków. Wielkość ziarna po rekrystalizacji wyznacza własności mechaniczne wyrobu po kształtowaniu. Aby przewidywać rozwój mikrostruktury i wielkość naprężenia uplastyczniającego opracowane zostały różne modele, które zaimplementowano w programach z metody elementów skończonych. Te modele wymagają wyznaczenia szeregu parametrów charakterystycznych dla danego materiału. Klasycznym podejściem do wyznaczenia tych parametrów jest przeprowadzenie pełnego cyklu badań w szerokim zakresie temperatur i prędkości odkształcenia, co jest to podejściem bardzo kosztownym. Dlatego za cel pracy postawiono sobie opracowanie metodologii identyfikacji parametrów modelu materiału na podstawie zredukowanej liczby doświadczeń, wykorzystując zrównoleglenie oceny danych. W artykule opisano iteracyjną, sekwencyjną procedurę optymalizującą warunki kolejnych prób doświadczalnych na podstawie wyników prób wcześniejszych. Jako przykład zastosowania tej procedury wybrano odkształcanie stopu 80011 w wysokich temperaturach. Identyfikowano model prawidłowo opisujący naprężenie uplastyczniające tego stopu. Zaproponowana strategia pozwoliła uzyskać wymaganą dokładność modelu wykorzystując połowę prób wynikających z pełnego planu eksperymentów. Przeprowadzona analiza potwierdziła możliwość wydajnej kosztowo identyfikacji modeli.

Słowa kluczowe

EN

hot working; material models; design of experiments; parameter identification

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2017
• Tom: Vol. 17, No. 1
• Strony: 44--50
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Bambach M.

• hair of Mechanical Design and Manufacturing, Brandenburg University of Technology Cottbus - Senftenberg, Cottbus, Germany'Chair of Mechanical Design and Manufacturing, Brandenburg University of Technology Cottbus - Senftenberg, Konrad- Wachsmann - Allee 17, D-03046 Cottbus, Germany

autor

Imran M.

• Chair of Mechanical Design and Manufacturing, Brandenburg University of Technology Cottbus - Senftenberg, Konrad- Wachsmann - Allee 17, D-03046 Cottbus, Germany

autor

Buhl J.

• Chair of Mechanical Design and Manufacturing, Brandenburg University of Technology Cottbus - Senftenberg, Konrad- Wachsmann - Allee 17, D-03046 Cottbus, Germany

autor

Härtel S.

• Department Virtual Production Engineering, Institute of Machine Tools and Production Processes, Chemnitz University of Technology, Reichenhainer Straße 70, D-09126 Chemnitz, Germany

autor

Awiszus B.

• Department Virtual Production Engineering, Institute of Machine Tools and Production Processes, Chemnitz University of Technology, Reichenhainer Straße 70, D-09126 Chemnitz, Germany

Bibliografia

• Bambach, M., 2013a, Conditions for Consistent Implementation of Flow Stress Models Incorporating Dynamic Recrystallization into Finite Element Simulation Codes, Materials Science Forum, 762, 325-330.
• Bambach, M., 2013b, Implications from the Poliak-Jonas Criterion for the Construction of Flow Stress Models Incorporating Dynamic Recrystallization, Acta Materialia, 61,6222-6233.
• Beynon, J.H., Sellars, C.M., 1992, Modelling Microstructure and Its Effects during Multipass Hot Rolling, ISIJ international, 32 (3), 359-367.
• Grzhibovskis, R., Bambach, M., Rjasanow, S., Ilirt, G., 2008, Adaptive Cross-Approximation for Surface Reconstruction using Radial Basis Functions, Journal of Engineering Mathematics, 62, 149-160.
• Jonas, J.J., Quelennec, X., Jiang, L., Martin, E., 2009, The Avrami Kinetics of Dynamic Recrystallization, Acta Materialia, 57, 2748-2756.
• Krämer, A., Lohmar, .1., Bambach, M., Hirt, G., 2015, Using Data Sampling and Inverse Optimization for the Reduction of the Experimental Effort in the Characterization of Hot Working Behaviour for a case hardening steel, Key Engineering Materials, 651 -653, 1351 -1356.
• Laasraoui, A., Jonas, J.J., 1991, Prediction of Steel Flow Stresses at High Temperatures and Strain Rates, Metallurgical and Materials Transactions A, 22, 1545-1558.
• Lohmar, J., Bambach, M., Karhausen, K.F., 2013, Influence of Microstructure Representation on Flow Stress and Grain Size Prédiction in Through-Process Modeling of AA5182 Sheet Production, JOM, 65, 93-98.
• Poliak, E.I., Jonas, J.J., 1996, A One-Parameter Approach to De- termining the Critical Conditions for the Initiation of Dynamic Recrystallization, Acta Materialia, 44, 127-136.
• Roberts, W., Ahlblom, B., 1978, A Nucléation Criterion for Dynamic Recrystallization during Hot Working, Acta Metallurgica, 26, 801-813.
• Sandstrôm, R., Lagneborg, R., 1975, A Model for Ilot Working Occurring by Recrystallization, Acta Metallurgica, 23, 387-398.
• Sellars, C.M., 1979, The Physical Metallurgy of Ilot Working, in: C.M. Sellars, G.J. Davies (Eds.), Proceedings of the Conférence on Hot Working and Forming Processes, The Society, London, 3-15.
• Senuma, T., Suehiro, M„ Yada, I I., 1992, Mathematical Models for Predicting Microstructural Evolution and Mechanical Properties of I lot Strips, ISIJ International, 32 (3), 423- 432.
• Stewart, G.W., 1987, Collinearity and Least Squares Régression, Statistical Science, 2 (1), 68-100.
• Stüwe, H.P., Ortner, B., 1974, Recrystallization in Ilot Working and Creep, Metal Science Journal, 8, 161-167.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).