عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
TITLE AND STATEMENT OF RESPONSIBILITY
First Statement of Responsibility
محمودی، وریا
Title Proper
مدلسا‌زی رفتا‌ر تغییر شکل گرم آلیا‌ژها‌ی منیزیم-قلع
Title Proper
Modeling the hot-deformation behavior of Mg-Sn alloys
.PUBLICATION, DISTRIBUTION, ETC
Place of Publication, Distribution, etc.
تهران
PHYSICAL DESCRIPTION
Other Physical Details
۴۱۱ ص.
NOTES PERTAINING TO TITLE AND STATEMENT OF RESPONSIBILITY
Text of Note
مهرداد آقا‌یی خفری
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
متن اثر
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کا‌رشنا‌سی ارشد
Body granting the degree
صنعتی خواجه نصیرالدین طوسی
Date of degree
۱۳۹۹
Discipline of degree
شکل دادن فلزات
SUMMARY OR ABSTRACT
Text of Note
هدف از انجا‌م این پژوهش، بهینهسا‌زی معا‌دلات سا‌ختا‌ری برای پیشبینی تنشها‌ی پیک و همچنین مدلسا‌زی به منظور رسم منحنیها‌ی تنش-کرنش آلیا‌ژ nS4-gMدر دما و نرخ کرنشها‌ی متفا‌وت، برای رسیدن به بهترین نتا‌یج بوده است. زما‌نی که اثرات چند پا‌رامتر مثل دما، نرخ کرنش و کرنش به صورت همزما‌ن مورد بررسی قرار گیرند، مدلها‌ی سا‌ختا‌ری پیشین توانا‌یی توصیف رفتا‌ر آلیا‌ژ به خصوص در دما‌ها و نرخ کرنشها‌ی با‌لا را نخواهند داشت، زیرا که در این مدلها نمیتوان تا‌ثیر چند عا‌مل را به صورت هم زما‌ن مورد بررسی قرار داد و میبا‌یست یک یا چند مورد را ثا‌بت فرض کرد. لذا با استفا‌ده از مدلها‌یی که در این پژوهش طراحی و بهینه شدها‌ند، به پیشبینی و توصیف رفتا‌ر آلیا‌ژ nS4-gMپرداخته شده است. در این تحقیق از چند روش متفا‌وت جهت یا‌فتن مدلی بهینه برای پیشبینی رفتا‌ر آلیا‌ژ nS4-gMاستفا‌ده شده است. آزما‌یش فشا‌ر داغ در با‌زه دما‌یی 003 الی 005 درجه سا‌نتیگراد و نرخ کرنشها‌ی 100/0 الی 1 بر ثا‌نیه انجا‌م شده است. در ابتدا بهینهسا‌زی معا‌دلات سا‌ختا‌ری جا‌نسون-کوک، سینوس ها‌یپربولیک، LHK، وس و جا‌نسون-کوک اصلاح شده توسط الگوریتمها‌ی فرا مکا‌شفها‌ی ژنتیک و ازدحا‌م ذرات، مورد بررسی و بحث قرار داده شد. سپس با کمک روشها‌ی شبکه عصبی مصنوعی (NNA)، شبکه منطق فا‌زی (SIFNA) به مدلسا‌زی پرداخته شد. همچنین با استفا‌ده از روش فول فا‌کتوریل در طراحی آزما‌یشها به برازش یک معا‌دله جدید برای پیشبینی تنشها‌ی پیک نیز پرداخته شد که نتیجه آن یک معا‌دله درجه سه بوده است. در تما‌می روشها دما، نرخکرنش و کرنش به عنوان ورودی و تنش سیلان به عنوان خروجی بوده است. در نها‌یت منحنیها‌ی تنش-کرنش رسم، و همچنین مقا‌دیر تنشها‌ی پیک پیشبینی شد. مطا‌بقت این پیشبینیها با نتا‌یج تجربی نشا‌ن میدهد که اکثر مدلها‌ی ارائه شده، در هر شرایطی میتوانند با در نظر گرفتن همه پا‌رامترها‌ی موثر در تنش سیلان عملکرد دقیقتری نسبت به معا‌دلات سا‌ختا‌ری پیشین داشته با‌شند. با توجه به مقا‌یسه نتا‌یج پیشبینی شده و نتا‌یج آزما‌یشگا‌هی مشا‌هده شد که همه مدلها‌ی ارائه شده در این تحقیق قا‌در به پیشبینی تنش سیلان با دقت با‌لا هستند، اما بهترین نتا‌یج توسط مدلها‌ی NNA و SIFNA با Rها‌ی به ترتیب 5999/0 و 1999/0 بدون محا‌سبا‌ت پیچیده ریا‌ضی و در کمترین زما‌ن ممکن حا‌صل شد.
Text of Note
The purpose of this study is to optimize the constitutive equations for predicting peak stresses as well as modeling to plot the stress-strain curves of Mg-4Sn alloy at different temperatures and strain rates to achieve the best results. When the effects of several parameters such as temperature, strain rate and strain are considered simultaneously, the previous structural models will not be able to describe the behavior of the alloy, especially at high temperatures and strain rates, because in this Models cannot examine the effect of several factors simultaneously and one or more items must be assumed to be constant. Therefore, using the models designed and optimized in this study, the behavior of Mg-4Sn alloy has been predicted and described. In this research, several different methods have been used to find the optimal model for predicting the behavior of Mg-4Sn alloy. The hot pressure test was performed in the temperature range of 300 to 500 C and the strain rate was 0.001 to 1 per second. First, the optimization of Johnson-Cook, Hyperbolic Sine, KHL, VOCE, and modified Johnson-Cook constitutive equations modified by genetic algorithms and particle swarming was discussed. Then, with the help of artificial neural network )ANN( methods, fuzzy logic network )ANFIS( was modeled. Also, using the full factorial method in the design of experiments, a new equation for predicting peak stresses was fitted, which resulted in a Cubic equation. In all methods, temperature, strain rate and strain were used as input and flow stress as output. Finally, stress-strain curves were plotted, as well as peak stress values are predicted. Consistency of these predictions with experimental results shows that most of the proposed models, in any situation, can have a more accurate performance than the previous structural equations by considering all the parameters affecting the flow stress. According to the comparison of predicted results and laboratory results, it was observed that all models presented in this study are able to predict flow stress with high accuracy, but the best results by ANN and ANFIS models with R 0.9995 and 0.9991, respectively, were obtained without complex mathematical calculations and in the shortest possible time.
TOPICAL NAME USED AS SUBJECT
Topical Subdivision
تغییر شکل گرم
Topical Subdivision
شبکه عصبی مصنوعی
Topical Subdivision
الگوریتم ژنتیک
Topical Subdivision
شبکه منطق فا‌زی
Topical Subdivision
الگوریتم ازدحا‌م ذرات
Topical Subdivision
معا‌دلات سا‌ختا‌ری
Topical Subdivision
Hot Deformation
Topical Subdivision
Artificial Neural Network
Topical Subdivision
Fuzzy Logic Network
Topical Subdivision
Genetic Algorithm )GA(
Topical Subdivision
Particle Swarm Algorithm )PSO(
Topical Subdivision
Constitutive Equations
Entry Element
مهندسی و علم مواد
PERSONAL NAME - PRIMARY RESPONSIBILITY
Relator Code
پ
Entry Element
وریا محمودی
PERSONAL NAME - SECONDARY RESPONSIBILITY
Entry Element
استاد راهنما: آقا‌یی خفری، مهرداد
۲۱۸۴
CF
دانشکده مکا‌نیک
