Medición del rendimiento de interpolación y extrapolación de leyes de flujo analíticas y basadas en redes neuronales artificiales para el comportamiento de deformación en caliente del acero de carbono medio
Autores: Tize Mha, Pierre; Dhondapure, Prashant; Jahazi, Mohammad; Tongne, Amèvi; Pantalé, Olivier
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ciencias de los Materiales
Subcategoría
Materiales estructurales
Palabras clave
Modelos analíticos
Modelos basados en ANN
Comportamiento de deformación a alta temperatura
Acero de carbono medio
Johnson-Cook
Modificado-Zerilli-Armstrong
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 5
Citaciones: Sin citaciones
En el presente trabajo, se realizó un análisis crítico de los modelos analíticos más comúnmente utilizados y de los modelos basados en ANN recientemente introducidos para evaluar su precisión predictiva dentro y fuera del intervalo experimental utilizado para generarlos. Se estudió el comportamiento de deformación a alta temperatura de un acero de carbono medio en un amplio rango de deformaciones, tasas de deformación y temperaturas utilizando pruebas de compresión en caliente en un Gleeble-3800. Las curvas de flujo experimentales se modelaron utilizando los modelos de Johnson-Cook, Modificado-Zerilli-Armstrong, Hansel-Spittel, Arrhenius y PTM, así como un modelo de ANN. Se utilizaron los valores de error absoluto relativo medio y error cuadrático medio para cuantificar la precisión predictiva de los modelos analizados. Los resultados indicaron que los modelos de Johnson-Cook y Modificado-Zerilli-Armstrong tenían un error significativo, mientras que los modelos de Hansel-Spittel, PTM y Arrhenius pudieron predecir el comportamiento de esta aleación. El modelo de ANN mostró una excelente concordancia entre las curvas de flujo predichas y experimentales, con un error de menos del 0.62%. Para validar el rendimiento, también se probó la capacidad de interpolar y extrapolar los datos experimentales. Los modelos de Hansel-Spittel, PTM y Arrhenius mostraron buenas capacidades de interpolación y extrapolación. Sin embargo, el modelo de ANN fue el más potente de todos los modelos.
Descripción
En el presente trabajo, se realizó un análisis crítico de los modelos analíticos más comúnmente utilizados y de los modelos basados en ANN recientemente introducidos para evaluar su precisión predictiva dentro y fuera del intervalo experimental utilizado para generarlos. Se estudió el comportamiento de deformación a alta temperatura de un acero de carbono medio en un amplio rango de deformaciones, tasas de deformación y temperaturas utilizando pruebas de compresión en caliente en un Gleeble-3800. Las curvas de flujo experimentales se modelaron utilizando los modelos de Johnson-Cook, Modificado-Zerilli-Armstrong, Hansel-Spittel, Arrhenius y PTM, así como un modelo de ANN. Se utilizaron los valores de error absoluto relativo medio y error cuadrático medio para cuantificar la precisión predictiva de los modelos analizados. Los resultados indicaron que los modelos de Johnson-Cook y Modificado-Zerilli-Armstrong tenían un error significativo, mientras que los modelos de Hansel-Spittel, PTM y Arrhenius pudieron predecir el comportamiento de esta aleación. El modelo de ANN mostró una excelente concordancia entre las curvas de flujo predichas y experimentales, con un error de menos del 0.62%. Para validar el rendimiento, también se probó la capacidad de interpolar y extrapolar los datos experimentales. Los modelos de Hansel-Spittel, PTM y Arrhenius mostraron buenas capacidades de interpolación y extrapolación. Sin embargo, el modelo de ANN fue el más potente de todos los modelos.