Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Computer Methods in Materials Science

1 2008

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

A sensitiyity analysis on artificial neural networks fracture predictions in sheet metal forming operations

Di Lorenzo R., Ingarao G., Micari F.

Computer Methods in Materials Science

2008

Vol. 8, No. 2

103-110

In the last years the investigation of formability limits in sheet metal forming operations was one of the topic in the academic and industrial research due to the wide interest on fracture prevention in such processes. Many approaches were proposed mainly based on the development of fracture criteria or on the utilisation of Forming Limit Curves (FLCs). Actually, such approaches are not effective enough, in particular, when complex deformation path are concerned, namely when multi-step processes are taken into account. The authors have recently proposed a different approach to fracture prediction based on the utilisation of artificial intelligence tools. Such approach is based on the idea that a properly designed and trained artificial neural network is able to predict fracture occurrence for different deformation conditions i.e. for different processes. The early results of the application of such approach were very satisfactory but the robustness of the prediction has to be demonstrated. In this paper, the authors present the results of a sensitivity analysis performed on the neural network fracture predictions in order to assess the robustness of such predictive tool.

Ze względu na duże zainteresowanie w zapobieganiu powstawania pęknięć w tłoczonych blachach, analiza odkształcalności granicznej w procesach tłoczenia była w ostatnich latach przedmiotem badań w licznych ośrodkach akademickich i przemysłowych. Zaproponowano wiele rozwiązań opartych na kryteriach pękania oraz na wykresach odkształcalności granicznej. Rozwiązania te nie są obecnie wystarczająco skuteczne, szczególnie w przypadku analizowania złożonych dróg odkształcenia, na przykład w procesach wielostopniowych. Autorzy zaproponowali ostatnio odmienne podejście do przewidywania pękania blachy, oparte na sztucznej sieci neuronowej. Ideą tego podejścia jest założenie, że prawidłowo zaprojektowana i nauczona sieć neuronowa jest w stanie prawidłowo przewidywać pojawienie się pęknięcia w różnych warunkach odkształcenia, na przykład w różnych procesach. Wstępne wyniki tej analizy były obiecujące, ale dla potwierdzenia skuteczności metody należy przeprowadzić analizę wrażliwości modelu na zmiany warunków procesu. W niniejszym artykule zaprezentowano wyniki takiej analizy uzyskane dla sztucznej sieci neuronowej przewidującej pękanie blach i na tej podstawie oceniono niezawodność tego modelu.