dc.contributor.author | Contini Junior, Leones | |
dc.date.accessioned | 2022-03-02T12:10:34Z | |
dc.date.available | 2022-03-02T12:10:34Z | |
dc.date.issued | 2022-01-21 | |
dc.identifier.citation | CONTINI JUNIOR, Leones. Modelagem de curvas de fluxo plástico de um aço bifásico utilizando inteligência artificial. 2022. Dissertação (Mestrado em Engenharia Mecânica) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/15653. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/15653 | |
dc.description.abstract | The data used for the development of this work were obtained from previous research, in which samples of a super duplex stainless steel with ferritic matrix and dispersed austenite particles were deformed with torsion tests at temperatures from 900°C to 1200°C with strain rates ranging from 0.01 s-1 to 10 s-1. The results of these experiments were presented in the form of plastic flow curves with constant temperature and strain rate. The shapes of the curves depend on temperature and strain rate and vary with the volumetric fraction of austenite, since in two-phase materials the plastic flow is more complex than in single-phase materials. Data from this trial were used to build a spreadsheet with four columns. The first three columns contain the input attributes (temperature, strain rate and strain) and the fourth the resistance imposed by the material when deformed (stress). These data were submitted to two machine learning algorithms, one consisting of a shallow neural network (ANN) and the other of a neural network with an expert system (ANFIS). After the machine learning process, the plastic flow curves were reconstructed and compared with those obtained experimentally. Curves were predicted under conditions not measured experimentally and the results obtained are discussed. The ability of both algorithms to reconstruct the plastic flow curves of super duplex stainless steel was associated with changes in the shape of the flow curves and microstructure evolution. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Conformação | por |
dc.subject | Rede neural | por |
dc.subject | Modelo | por |
dc.subject | Forming | eng |
dc.subject | Neural network | eng |
dc.subject | Model | eng |
dc.subject | Fuzzy | eng |
dc.title | Modelagem de curvas de fluxo plástico de um aço bifásico utilizando inteligência artificial | por |
dc.title.alternative | Modeling and analysis of the plastic flow curves of a duplex stainless steel using artificial intelligence | eng |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Balancin, Oscar | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/8379205949387493 | por |
dc.contributor.advisor-co1 | Moreno, Mariano Eduardo | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/1307496862518321 | por |
dc.description.resumo | Os dados utilizados para o desenvolvimento deste trabalho foram obtidos a partir de uma pesquisa anterior, em que amostras de um aço inoxidável super duplex com matriz ferrítica e partículas dispersas de austenita foram deformadas com ensaios de torção nas temperaturas de 900°C a 1200°C com taxas de deformação variando de 0,01 s-1 a 10 s-1. Os resultados desses experimentos foram apresentados na forma de curvas de escoamento plástico com temperatura e taxa de deformação constantes. As formas das curvas dependem da temperatura e da taxa de deformação e variam com a fração volumétrica de austenita, uma vez que em materiais bifásicos o fluxo plástico é mais complexo que em materiais monofásicos. Utilizou-se os dados deste ensaio para construir uma planilha com quatro colunas. As três primeiras colunas contêm os atributos de entrada (temperatura, taxa de deformação e deformação) e a quarta a resistência imposta pelo material ao ser deformado (tensão). Esses dados foram submetidos a dois algoritmos de aprendizagem de máquina, sendo um constituído de uma rede neural rasa (RNA) e outro de uma rede neural com um sistema especialista (ANFIS). Após o processo de aprendizagem de máquina, as curvas de escoamento plástico foram reconstruídas e comparadas com as obtidas experimentalmente. Foi feita a predição de curvas em condições não medidas experimentalmente e discutem-se os resultados obtidos. A capacidade de ambos os algoritmos de reconstruir as curvas de fluxo plástico do aço inoxidável super duplex foram associadas a mudanças nas formas das curvas de fluxo e evolução da microestrutura. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Mecânica - PPGEMec | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA DE MATERIAIS E METALURGICA::METALURGIA DE TRANSFORMACAO | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA MECANICA::PROCESSOS DE FABRICACAO | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA MECANICA | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/3455634076354049 | por |