Wyniki wyszukiwania - Biblioteka Nauki

Ten serwis zostanie wyłączony 2025-02-11.

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

2 Prace Naukowe Politechniki Warszawskiej. Mechanika

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: próba SICO

Sortuj według:

Ogranicz wyniki do:

Symulacja i interpretacja próby SICO

100%

Trębacz L. , Kuziak R. , Pietrzyk M.

tom z. 207

91--96

Opracowanie ilościowego kryterium pękania materiałów w procesach plastycznej przeróbki metali ma duże znaczenie dla modelowania tych procesów w zastosowaniu do specjalnych materiałów, charakteryzujących się małą plastycznością. Znane kryteria opierające się na obliczeniach historii naprężenia i odkształcenia, dają dobre wyniki jakościowe, ale dokładność ilościowa jest często niewystarczająca. Jest to zwykle związane z trudnościami w wyznaczeniu współczynników materiałowych w kryterium pękania. Problem opracowania bardziej ogólnego kryterium, dającego dobre wyniki jakościowe, jest nadal otwarty. Próba SICO jest powszechnie stosowana do wyznaczania podatności materiałów do pękania. Ze względu na duże niejednorodności temperatury, naprężeń i odkształceń w tej próbie, jej ilościowa interpretacja stwarza duże trudności. Jednym z celów niniejszej pracy jest modelowanie numeryczne próby SICO i wykorzystanie wyników symulacji, obejmujących obliczenia pól odkształceń, naprężeń i temperatur, do wyznaczenia parametrów materiałowych w kryterium pękania. Opracowanie metodyki fizycznej symulacji próby SICO jest drugim celem pracy. Próby zrealizowano na symulatorze Gleeble 3800 dla stali z różną zawartością miedzi. Wyniki prób wykorzystano do identyfikacji kryteriów pękania. W wyniku przeprowadzonych badań możliwe było ilościowe wyznaczenie zależności między parametrami materiałowymi w kryterium pękania a zawartością miedzi w stali.

Formulation of quantitative fracture criterion for materials subjected to plastic working is essential for modeling of these processes for special materials, which are characterized by low plasticity. Criteria based on computing of stress and strain history are commonly used. They give relatively good qualitatively results but quantitative accuracy is often insufficient. It is generally due to difficulties with determination of material coefficient in fracture criteria. Problem of formulation more general criterion, which give qualitatively good results, is still open. SICO test is commonly used to determine tendency of materials to fracture. Due to in homogeneities of temperature, stress and strain fields in the test, quantitative interpretation produce certain problems. Goals of this work follow from this facts. The first is numerical simulation of the SICO. Results of this simulation (stress, strain and temperature fields) are used to determined materials parameters in fracture criterion. Physical simulation of the SICO test is the second goal of the work. Tests were performed on Gleeble 3800 for steels with different contents of copper. Results of these tests are used to identification fracture criterion. Suggestion of the relationship between material parameters in fracture criterion and copper contents in steel was possible.

Zastosowanie narzędzi sztucznej inteligencji do przewidywania pęknięć w próbie SICO

100%

Godula A. , Kusiak J.

tom z. 226

13-18

W pracy podjęto próbę oceny możliwości zastosowania wybranych narzędzi sztucznej inteligencji do przewidywania pęknięć w procesach plastycznej przeróbki metali na gorąco. Wykorzystano wielowarstwową sztuczną sieć neuronową z logistyczną funkcją aktywacji (MLP - Multilayer Perceptron), sieci o radialnych funkcjach bazowych (RBF - Radial Basis Function), probabilistyczne sieci neuronowe (PNN - probabilistic neural networks) oraz naiwny klasyfikator bayesowski (NBC - Naive Bayes Classifier). Weryfikację opracowanych modeli procesu pękania przeprowadzono w oparciu o analizę wyników próby SICO.

Possibility of application of the artificial intelligence methods to prediction of material failure during hot deformation is the main goal of the work. Developed models are based on the multilayer perceptron (MLP), radial basis function (RBF), Naive Bayes Classifier (NBC) and the probabilistic neural networks (PNN). The model can be used in a simulation of material failure in the SICO test and in a wide range of real industrial processes.