Nature.com をご覧いただきありがとうございます。 CSS サポートが制限されたバージョンのブラウザを使用しています。最高のエクスペリエンスを実現するには、更新されたブラウザを使用することをお勧めします (または Internet Explorer の互換モードを無効にする)。さらに、継続的なサポートを確保するために、サイトはスタイルと JavaScript なしで表示されます。
スライドごとに 3 つの記事を表示するスライダー。 [戻る] ボタンと [次へ] ボタンを使用してスライド間を移動するか、最後にあるスライド コントローラー ボタンを使用して各スライド間を移動します。
ステンレス鋼板の成形性に及ぼす微細構造の影響は、板金加工エンジニアにとって大きな懸念事項です。オーステナイト鋼の場合、微細構造内に変形マルテンサイト (\({\alpha}^{^{\prime))\)-マルテンサイト) が存在すると、大幅な硬化と成形性の低下が生じます。この研究では、実験的手法と人工知能手法を使用して、さまざまなマルテンサイト強度を持つ AISI 316 鋼の成形性を評価することを目的としました。最初のステップでは、初期厚さ 2 mm の AISI 316 鋼を焼きなましし、さまざまな厚さに冷間圧延しました。続いて、相対ひずみマルテンサイト面積が金属組織検査によって測定されました。圧延シートの成形性は、半球破裂試験を使用して歪み限界線図 (FLD) を取得して測定されました。実験の結果得られたデータは、人工神経ファジー干渉システム (AFIS) のトレーニングとテストにさらに使用されます。 AFIS トレーニング後、ニューラル ネットワークによって予測された優勢株が新しい一連の実験結果と比較されました。結果は、冷間圧延はこのタイプのステンレス鋼の成形性に悪影響を及ぼしますが、シートの強度は大幅に向上することを示しています。さらに、AFIS は実験測定と比較して満足のいく結果を示しています。
板金を形成する能力は、何十年も科学論文の主題となっていますが、依然として冶金学の興味深い研究分野です。新しい技術ツールと計算モデルにより、成形性に影響を与える潜在的な要因を簡単に見つけることができます。最も重要なことは、形状制限に対する微細構造の重要性が、結晶塑性有限要素法 (CPFEM) を使用して近年明らかになったということです。一方、走査型電子顕微鏡 (SEM) や後方散乱電子回折 (EBSD) を利用できると、研究者は変形中の結晶構造の微細構造活動を観察するのに役立ちます。成形性を予測するには、金属のさまざまな相、粒子サイズと配向、および粒子レベルでの微細な欠陥の影響を理解することが重要です。
成形性は経路 1、2、3 に大きく依存することが示されているため、成形性の決定自体が複雑なプロセスです。したがって、極限成形ひずみに関する従来の概念は、不均衡な荷重条件下では信頼できません。一方、産業用途におけるほとんどの負荷経路は、非比例負荷として分類されます。この点に関して、伝統的な半球法および実験的な Marciniak-Kuchinsky (MK) 法 4、5、6 は注意して使用する必要があります。近年、別の概念である破壊限界線図 (FFLD) が多くの成形性エンジニアの注目を集めています。この概念では、損傷モデルを使用してシートの成形性を予測します。この点に関して、最初は経路の独立性が解析に含まれており、結果はスケーリングされていない実験結果とよく一致しています7、8、9。金属シートの成形性は、金属の微細構造と相だけでなく、いくつかのパラメータとシートの加工履歴に依存します10、11、12、13、14、15。
金属の微細な特徴を考慮する場合、サイズ依存性が問題になります。小さな変形空間では、振動特性と座屈特性の依存性は材料の長さスケールに強く依存することが示されています16,17,18,19,20,21,22,23,24,25,26,27。 28、29、30。成形性に及ぼす粒子サイズの影響は業界で長い間認識されてきました。ヤマグチとメロール [31] は、理論解析を使用して、金属シートの引張特性に対する粒子サイズと厚さの影響を研究しました。彼らは、Marciniac モデルを使用して、二軸引張荷重下では、粒子サイズに対する厚さの比率の減少がシートの引張特性の低下につながることを報告しています。 Wilsonらによる実験結果。 ３２は、厚さを平均粒径（ｔ／ｄ）まで減少させると、３つの異なる厚さの金属シートの二軸伸長性が低下することを確認した。彼らは、t/d 値が 20 未満では、顕著な変形の不均一性とネッキングは主にシートの厚さの個々の粒子の影響を受けると結論付けました。 Ulvan と Koursaris 33 は、304 および 316 オーステナイト系ステンレス鋼の全体的な被削性に対する結晶粒径の影響を研究しました。彼らは、これらの金属の成形性は粒径の影響を受けないが、引張特性にはわずかな変化が見られると報告しています。これらの鋼の強度特性の低下につながるのは、結晶粒径の増加です。ニッケル金属の流動応力に対する転位密度の影響は、粒径に関係なく、転位密度が金属の流動応力を決定することを示しています 34。粒子の相互作用と初期配向もアルミニウム組織の進化に大きな影響を及ぼし、これは Becker と Panchanadiswaran によって結晶可塑性の実験とモデリングを使用して調査されました 35。適用された境界条件の制限により、一部のシミュレーション結果は実験から逸脱していますが、解析の数値結果は実験とよく一致しています。結晶塑性パターンを研究し、実験的に検出することにより、圧延アルミニウムシートは異なる成形性を示します36。結果は、異なるシートの応力-ひずみ曲線はほぼ同じであったが、初期値に基づく成形性には大きな違いがあることを示しました。 Amelirad と Assempour は、実験と CPFEM を使用して、オーステナイト系ステンレス鋼シートの応力-ひずみ曲線を取得しました 37。彼らのシミュレーションは、粒子サイズの増加が FLD 内で上方にシフトし、限界曲線を形成することを示しました。さらに、同じ著者らは、粒子の配向と形態が空隙の形成に及ぼす影響を調査した 38 。
オーステナイト系ステンレス鋼の結晶粒形態と配向に加えて、双晶と第二相の状態も重要です。双晶化は、TWIP 39 鋼の硬化と伸びの増加のための主なメカニズムです。 Hwang40 は、十分な引張応答にもかかわらず、TWIP 鋼の成形性が劣ると報告しました。しかし、オーステナイト鋼板の成形性に及ぼす変形双晶の影響は十分に研究されていません。ミシュラら。 41 人は、さまざまな引張ひずみ経路下での双晶形成を観察するためにオーステナイト系ステンレス鋼を研究しました。彼らは、双子がアニーリングされた双子と新世代の双子の両方の崩壊源から発生する可能性があることを発見しました。最大の双晶は二軸張力下で形成されることが観察されています。さらに、オーステナイトの \({\alpha}^{^{\prime}}\)-マルテンサイトへの変態はひずみ経路に依存することがわかりました。ホンら。 ４２は、３１６Ｌオーステナイト鋼の選択的レーザー溶解における、ある温度範囲にわたる水素脆化に対するひずみ誘起双晶形成とマルテンサイトの影響を調査した。温度に応じて、水素は破損を引き起こしたり、316L 鋼の成形性を改善したりする可能性があることが観察されました。シェンら。 43 は、さまざまな荷重率での引張荷重下での変形マルテンサイトの体積を実験的に測定しました。引張ひずみが増加すると、マルテンサイト分率の体積分率が増加することがわかりました。
AI 手法は、問題の物理的および数学的基礎に頼ることなく複雑な問題をモデル化できる汎用性があるため、科学技術の分野で使用されています44,45,46,47,48,49,50,51,52。AI 手法の数は増加しています。 。モラディら。 44 人は機械学習技術を使用して化学条件を最適化し、より微細なナノシリカ粒子を生成しました。他の化学的特性もナノスケール材料の特性に影響を及ぼし、これについては多くの研究論文で調査されています53。 Ce ら。 45 は AFIS を使用して、さまざまな圧延条件下での普通炭素鋼板金の成形性を予測しました。冷間圧延により、軟鋼の転位密度は大幅に増加しました。普通炭素鋼は、硬化および修復メカニズムがオーステナイト系ステンレス鋼とは異なります。単純な炭素鋼では、金属微細構造に相変態は起こりません。金属相に加えて、金属の延性、破壊、機械加工性などは、さまざまな種類の熱処理、冷間加工、および時効中に発生する他のいくつかの微細構造の特徴によっても影響されます54、55、56、57、58、59。 ,60。 、６１、６２。最近、Ｃｈｅｎら。 63 は、304L 鋼の成形性に及ぼす冷間圧延の影響を研究しました。彼らは、ニューラルネットワークを訓練して成形性を予測するために、実験的テストにおいてのみ現象学的観察を考慮に入れました。実際、オーステナイト系ステンレス鋼の場合、いくつかの要因が組み合わさってシートの引張特性が低下します。 Lu ら 64 は、AFIS を使用して、穴の拡張プロセスに対するさまざまなパラメータの影響を観察しました。
上記のレビューで簡単に説明したように、形状限界図に対する微細構造の影響は文献ではほとんど注目されていません。一方で、多くの微細構造の特徴を考慮する必要があります。したがって、分析方法にすべての微細構造要因を含めることはほとんど不可能です。この意味で、人工知能の使用は有益である可能性があります。これに関して、この研究では、微細構造要因の 1 つの側面、つまり応力誘起マルテンサイトの存在がステンレス鋼シートの成形性に及ぼす影響を調査しています。この研究は、単に実験的な FLD 曲線ではなく微細構造の特徴に焦点を当てているという点で、成形性に関する他の AI 研究とは異なります。私たちは、実験的手法と人工知能手法を使用して、さまざまなマルテンサイト含有量を含む 316 鋼の成形性を評価しようとしました。最初のステップでは、初期厚さ 2 mm の 316 鋼を焼きなましし、さまざまな厚さに冷間圧延しました。次に、金属組織学的制御を使用して、マルテンサイトの相対面積を測定しました。圧延シートの成形性は、半球破裂試験を使用して歪み限界線図 (FLD) を取得して測定されました。彼から受け取ったデータは、後に人工神経ファジー干渉システム (AFIS) のトレーニングとテストに使用されました。 AFIS トレーニング後、ニューラル ネットワークの予測が新しい一連の実験結果と比較されます。
本研究で使用した 316 オーステナイト系ステンレス鋼金属シートは、表 1 に示す化学組成と 1.5 mm の初期厚さを持っています。 1050℃で1時間アニーリングした後、水焼入れしてシート内の残留応力を軽減し、均一な微細構造を取得します。
オーステナイト鋼の微細構造は、いくつかのエッチング液を使用して明らかにすることができます。最も優れたエッチング液の 1 つは、蒸留水中の 60% 硝酸であり、1 VDC で 120 秒間エッチングされます38。ただし、図 1a に示すように、このエッチング液は粒界のみを示し、二重粒界を識別することはできません。別のエッチング液は酢酸グリセロールです。図 1b に示すように、双晶境界はよく視覚化できますが、粒界は視覚化できません。さらに、準安定オーステナイト相から \({\alpha }^{^{\prime}}\)-マルテンサイト相への変態後は、酢酸グリセロール エッチャントを使用して検出できます。これは、現在の研究で興味深いものです。
さまざまなエッチャント、(a) 200 倍、蒸留水中 60% \({\mathrm{HNO}}_{3}\)、1.5 V で 120 秒間、および (b) 200 倍で示した、アニーリング後の金属プレート 316 の微細構造。 、酢酸グリセリル。
アニールしたシートを幅１１ｃｍ、長さ１ｍのシートに切断して圧延した。冷間圧延工場には、直径 140 mm の対称ロールが 2 つあります。冷間圧延プロセスにより、316 ステンレス鋼のオーステナイトが変形マルテンサイトに変態します。さまざまな厚さで冷間圧延した後のマルテンサイト相とオーステナイト相の比率を調べます。図上。図２は、板金の微細構造のサンプルを示す。図上。図２ａは、シートに垂直な方向から見た、丸めたサンプルの金属組織画像を示す。図上。 ImageJ65 ソフトウェアを使用した図 2b では、マルテンサイト部分が黒で強調表示されています。このオープンソース ソフトウェアのツールを使用すると、マルテンサイト分率の面積を測定できます。表 2 は、さまざまな厚さまで圧延した後のマルテンサイト相とオーステナイト相の詳細な割合を示しています。
厚さを 50% 減少させるまで圧延した後の 316 L シートの微細構造（シート面に垂直に見たもの、200 倍に拡大）、グリセロールアセテート。
表 2 に示した値は、同じ金属組織学的試験片の異なる位置で撮影した 3 枚の写真にわたって測定されたマルテンサイト分率を平均することによって得られました。さらに、図では。図３は、マルテンサイトに対する冷間圧延の影響をよりよく理解するための二次フィッティング曲線を示している。冷間圧延状態でのマルテンサイトの割合と板厚減少量の間にはほぼ直線的な相関関係があることがわかります。ただし、二次関係はこの関係をより適切に表すことができます。
初期焼鈍した 316 鋼板の冷間圧延中の厚さ減少の関数としてのマルテンサイトの割合の変化。
成形限界は、半球バースト試験を使用する通常の手順に従って評価されました37、38、45、66。合計 6 つのサンプルが、実験サンプルのセットとして図 4a に示されている寸法でレーザー切断によって製造されました。マルテンサイト分率の各状態について、3 セットの試験片を準備して試験しました。図上。図４ｂは、切断され、研磨され、マークされたサンプルを示す。
ナカジマ成型ではサンプルサイズとまな板に制限がございます。 (a) 寸法、(b) 切断してマークを付けた試験片。
半球打ち抜きの試験は、油圧プレスを使用し、移動速度 2 mm/s で実施しました。パンチとシートの接触面は十分に潤滑されており、成形限界に対する摩擦の影響を最小限に抑えます。試験片に重大な狭窄や破損が観察されるまで試験を続けます。図上。図５は、デバイス内の破壊されたサンプルと試験後のサンプルを示している。
成形限界は、半球破裂試験、(a) 試験装置、(b) 試験装置の破断時のサンプル プレート、(c) 試験後の同じサンプルを使用して決定されました。
Jang67 によって開発されたニューロファジー システムは、葉形成限界曲線の予測に適したツールです。このタイプの人工ニューラル ネットワークには、曖昧な説明を持つパラメータの影響が含まれています。これは、フィールドで実際の値を取得できることを意味します。このタイプの値は、その値に応じてさらに分類されます。各カテゴリには独自のルールがあります。たとえば、温度値は任意の実数にすることができ、その値に応じて、温度を低温、中温、高温、高温に分類できます。これに関して、例えば、気温が低いときのルールは「ジャケットを着る」ルールであり、気温が高いときのルールは「Tシャツで十分」です。ファジー ロジック自体では、出力の精度と信頼性が評価されます。ニューラル ネットワーク システムとファジー ロジックの組み合わせにより、ANFIS は信頼性の高い結果を提供します。
Jang67 によって提供された図 6 は、単純なニューラル ファジー ネットワークを示しています。示されているように、ネットワークは 2 つの入力を受け取ります。私たちの研究では、入力は微細構造内のマルテンサイトの割合と小さなひずみの値です。分析の最初のレベルでは、ファジー ルールとメンバーシップ関数 (FC) を使用して入力値がファジー化されます。
\(i=1, 2\) の場合、入力には 2 つのカテゴリの記述があると想定されているためです。 MF は、三角形、台形、ガウス、またはその他の形状を取ることができます。
カテゴリ \({A}_{i}\) と \({B}_{i}\) およびレベル 2 の MF 値に基づいて、図 7 に示すように、いくつかのルールが採用されます。レイヤーでは、さまざまな入力のエフェクトが何らかの形で組み合わされます。ここでは、マルテンサイト分率とマイナーひずみ値の影響を組み合わせるために、次のルールが使用されます。
この層の出力 \({w}_{i}\) は点火強度と呼ばれます。これらの点火強度は、次の関係に従ってレイヤー 3 で正規化されます。
レイヤ 4 では、入力パラメータの初期値の影響を考慮するために、高木ルールと菅野ルール 67,68 が計算に含まれています。この層には次の関係があります。
結果として得られる \({f}_{i}\) は、レイヤー内の正規化された値の影響を受け、最終結果であるメイン ワープ値が得られます。
ここで、 \(NR\) はルールの数を表します。ここでのニューラル ネットワークの役割は、内部の最適化アルゴリズムを使用して未知のネットワーク パラメーターを修正することです。不明なパラメータは、結果として得られるパラメータ \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\) と MF に関連するパラメータです。一般化された風鈴形状関数と見なされます。
形状限界図は、化学組成から板金の変形履歴まで、多くのパラメータに依存します。引張試験パラメータなど、評価が簡単なパラメータもあれば、金属組織学や残留応力測定などのより複雑な手順が必要なパラメータもあります。ほとんどの場合、シートのバッチごとにひずみ限界テストを実行することをお勧めします。ただし、成形限界を近似するために他のテスト結果を使用できる場合があります。たとえば、いくつかの研究では、シートの成形性を決定するために引張試験の結果が使用されています69、70、71、72。他の研究では、粒子の厚さやサイズなど、より多くのパラメーターが分析に含まれています31、73、74、75、76、77。ただし、許可されたパラメータをすべて含めることは計算上有利ではありません。したがって、AFIS モデルの使用は、これらの問題に対処するための合理的なアプローチである可能性があります45,63。
この論文では、316 オーステナイト鋼板の成形限界線図に対するマルテンサイト含有量の影響を調査しました。これに関して、実験的テストを使用してデータセットが作成されました。開発されたシステムには、金属組織検査で測定されたマルテンサイトの割合と小さな工学的ひずみの範囲という 2 つの入力変数があります。その結果、成形限界曲線に大きな工学的変形が生じます。マルテンサイト分率には、微細分率、中分率、高分率の 3 種類があります。低とは、マルテンサイトの割合が 10% 未満であることを意味します。中程度の条件下では、マルテンサイトの割合は 10% ～ 20% の範囲になります。マルテンサイトの高い値は、20% を超える割合であると考えられます。さらに、二次ひずみには、縦軸近くの -5% から 5% の間に 3 つの異なるカテゴリがあり、これらは FLD0 を決定するために使用されます。他の 2 つのカテゴリは、正の範囲と負の範囲です。
半球テストの結果を図１に示す。この図は 6 つの限界の形状図を示しており、そのうちの 5 つは個々のロール状シートの FLD です。安全点とその上限曲線が与えられると、リミット曲線 (FLC) が形成されます。最後の図はすべての FLC を比較しています。最後の図からわかるように、316 オーステナイト鋼のマルテンサイトの割合が増加すると、板金の成形性が低下します。一方、マルテンサイトの割合を増加させると、FLC は縦軸に対して対称な曲線になります。最後の 2 つのグラフでは、曲線の右側が左側よりわずかに高くなっています。これは、二軸引張の成形性が一軸引張の場合よりも高いことを意味します。さらに、マルテンサイトの割合が増加するにつれて、ネッキング前の軽微な工学的ひずみと主要な工学的ひずみの両方が減少します。
３１６は限界曲線を形成する。オーステナイト鋼板の成形性に及ぼすマルテンサイトの割合の影響。 (安全点 SF、生成限界曲線 FLC、マルテンサイト M)。
ニューラル ネットワークは、マルテンサイト分率が 7.8、18.3、28.7% である 60 セットの実験結果に基づいてトレーニングされました。 15.4% のマルテンサイトのデータ セットは検証プロセス用に、25.6% は試験プロセス用に予約されました。 150 エポック後の誤差は約 1.5% です。図上。図 9 は、トレーニングとテストのために提供された実際の出力 (\({\epsilon }_{1}\)、基本的なエンジニアリング作業負荷) の間の相関関係を示しています。ご覧のとおり、トレーニングされた NFS は板金部品について \({\epsilon} _{1}\) を適切に予測します。
(a) トレーニング プロセス後の予測値と実際の値の間の相関、(b) トレーニングおよび検証中の FLC に対する主要なエンジニアリング負荷の予測値と実際の値の間の誤差。
トレーニング中のある時点で、AFIS ネットワークは必然的にリサイクルされます。これを判断するために、「チェック」と呼ばれる並行チェックが実行されます。検証エラー値がトレーニング値から逸脱すると、ネットワークは再トレーニングを開始します。図 9b に示すように、エポック 150 より前では、学習曲線と検証曲線の差は小さく、ほぼ同じ曲線に従います。この時点で、検証プロセスのエラーが学習曲線から逸脱し始めます。これは、AFIS の過学習の兆候です。したがって、ラウンド 150 の AFIS ネットワークは 1.5% の誤差で保存されます。次に、AFIS の FLC 予測が導入されます。図上。図１０は、トレーニングおよび検証プロセスで使用される選択されたサンプルの予測曲線と実際の曲線を示しています。これらの曲線のデータはネットワークのトレーニングに使用されたため、非常に近い予測が観察されることは驚くべきことではありません。
さまざまなマルテンサイト含有量条件下での実際の実験による FLC および AFIS 予測曲線。これらの曲線はトレーニング プロセスで使用されます。
AFIS モデルは、最後のサンプルに何が起こったのかを知りません。したがって、マルテンサイト率が 25.6% のサンプルを提出して、トレーニング済みの AFIS を FLC 用にテストしました。図上。図１１は、ＡＮＦＩＳ ＦＬＣ予測および実験的ＦＬＣを示す。予測値と実験値の間の最大誤差は 6.2% であり、トレーニングおよび検証中の予測値よりも高くなります。ただし、この誤差は、FLC を理論的に予測する他の研究と比較すると、許容できる誤差です 37。
業界では、成形性に影響を与えるパラメータは舌の形式で記述されます。たとえば、「結晶粒が粗大であると成形性が低下する」または「冷間加工が増加すると FLC が低下する」などです。第 1 段階の AFIS ネットワークへの入力は、低、中、高などの言語カテゴリに分類されます。ネットワーク上のカテゴリごとに異なるルールがあります。したがって、業界では、このタイプのネットワークは、言語の説明と分析にいくつかの要素を含めるという点で非常に役立ちます。この研究では、AFIS の可能性を活用するために、オーステナイト系ステンレス鋼の微細構造の主な特徴の 1 つを考慮しようとしました。 316 の応力誘起マルテンサイトの量は、これらのインサートの冷間加工の直接的な結果です。実験と AFIS 分析を通じて、このタイプのオーステナイト系ステンレス鋼のマルテンサイトの割合を増やすと、プレート 316 の FLC が大幅に減少することがわかりました。そのため、マルテンサイトの割合を 7.8% から 28.7% に増やすと、プレート 316 の FLC が減少します。 FLD0は0.35から。それぞれ0.1まで。一方、訓練され検証された AFIS ネットワークは、利用可能な実験データの 80% を使用して、最大誤差 6.5% で FLC を予測できます。これは、他の理論的手順や現象学的関係と比較して、許容可能な誤差範囲です。
現在の研究で使用および/または分析されたデータセットは、合理的な要求に応じて各著者から入手できます。
イフティカール、CMA、他比例および非比例荷重経路下で「現状のまま」押し出された AZ31 マグネシウム合金のその後の降伏経路の進化: CPFEM 実験とシミュレーション。内部 J. プラスト。 151、103216 (2022)。
イフティカール、TsMA et al.焼きなました AA6061 合金の比例および非比例荷重経路に沿った塑性変形後の降伏曲面の展開: 結晶塑性の実験と有限要素モデリング。内部 J. Plast 143、102956 (2021)。
Manik, T.、Holmedal, B. & Hopperstad、OS 応力過渡現象、加工硬化、およびひずみ経路の変化によるアルミニウムの r 値。内部 J. プラスト。 69、1–20 (2015)。
Mamushi, H. et al.常圧の影響を考慮した限界成形線図を決定するための新しい実験方法。内部 J. 母校。形状。 15(1)、1 (2022)。
ヤン Z. et al. AA7075-T6 シートメタルの延性破壊パラメータとひずみ限界の実験的キャリブレーション。 J. 母校。プロセス。テクノロジー。 291、117044 (2021)。
Petrits, A. et al.超柔軟な強誘電体コンバーターと有機ダイオードに基づく、隠れたエネルギーハーベスティングデバイスと生物医学センサー。ナショナルコミューン。 12(1)、2399 (2021)。
Basak, S. および Panda, SK Yld 2000–2d 降伏モデルを使用した、極有効塑性変形経路におけるさまざまな事前変形プレートのネッキングおよび破壊限界の解析。 J. 母校。プロセス。テクノロジー。 267、289–307 (2019)。
Basak, S. および Panda, SK 異方性シートメタルの破壊変形: 実験的評価と理論的予測。内部J.メカ。科学。 151、356–374 (2019)。
Jalefar, F.、Hashemi, R. & Hosseinipur, SJ 成形限界線図 AA5083 に対するひずみ軌道の変更の影響に関する実験的および理論的研究。内部 J. Adv.メーカー。テクノロジー。 76(5–8)、1343–1352 (2015)。
ハビビ、M.ら。摩擦撹拌溶接されたブランクの機械的特性、成形性、および限界成形図の実験的研究。 J.メーカー。プロセス。 31、310–323 (2018)。
ハビビ、M.、他。曲げの影響を考慮し、有限要素モデリングにMCモデルを組み込んで限界線図を作成します。プロセス。毛皮研究所。プロジェクト。 L 232(8)、625–636 (2018)。
投稿時間: 2023 年 6 月 8 日