Sestavení modelu deformačního odporu za tepla pomocí umělých neuronových sítí a konstitutivních vztahů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27360%2F17%3A10238367" target="_blank" >RIV/61989100:27360/17:10238367 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Sestavení modelu deformačního odporu za tepla pomocí umělých neuronových sítí a konstitutivních vztahů

Popis výsledku v původním jazyce

Matematické modely, popisující vývoj přirozeného deformačního odporu při tváření za tepla ve vztahu k měnícím se termomechanickým podmínkám, hrají klíčovou úlohu například při nasazení MKP (metoda konečných prvků) simulačních softwarů. Tyto modely obvykle zahrnují parametry (pomocné proměnné), které jsou na termomechanických podmínkách závislé. Možnosti predikce parametrů dvou takových modelů jsou zde diskutovány. Popisovanými parametry jsou: píková deformace, píkové napětí, exponent zpevnění a exponent odpevnění. Celkem jsou diskutovány tři možnosti – predikce parametrů na základě funkčních předpisů ve vztahu k Zenerovu-Hollomonovu parametru, dále predikce na základě funkčního předpisu, jenž nevyužívá Zenerův-Hollomonův parametr, a predikce na základě využití umělých neuronových sítí. Metoda neuronových sítí byla ve většině případů shledána jako nejpřesnější. Výjimkou je predikce píkového napětí.

Název v anglickém jazyce

Creation of Hot Flow Stress Model Utilizing Artificial Neural Networks and Constitutive Relationships

Popis výsledku anglicky

Flow stress models play a key role in case of flow curve description and subsequent utilizing of FEM simulations. A lot of these models contain parameters, which are dependent on the magnitude of strain rate and temperature. Different approaches can be then used to calculate these parameters. One methodology uses the known constitutive relationships, which can be treated by regression methods. These relationships usually relate the examined parameters to the well-known Zener-Hollomon parameter. The relationships of not utilizing the Zener-Hollomon parameter also exist. Another approach is to use intelligent algorithms, such as artificial neural networks (ANN). In this work, experimental flow curves of 38MnVS6 steel were used to compare reliability of these methods. The obtained findings indicated that an ANN approach can provide the best results in most cases. In the case of the peak stress prediction, however, it is still more reliable to use the known constitutive relationships.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

20501 - Materials engineering

Projekt

<a href="/cs/project/LO1203" target="_blank" >LO1203: Regionální materiálově technologické výzkumné centrum - Program udržitelnosti</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Hutnické listy

ISSN

0018-8069

e-ISSN

—

Svazek periodika

70

Číslo periodika v rámci svazku

6

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

8

Strana od-do

19-26

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—