logo móvil
Contáctanos

Revisión de vanguardia de la simulación de la recristalización dinámica

Autores: Liu, Xin; Zhu, Jiachen; He, Yuying; Jia, Hongbin; Li, Binzhou; Fang, Gang

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico


Categoría

Ciencias de los Materiales

Subcategoría

Materiales estructurales

Palabras clave

Evolución
Microestructuras
Recristalización
Simulaciones
Modelos
Aprendizaje automático

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 6

Citaciones: Sin citaciones


Descripción
La evolución de microestructuras durante el trabajo en caliente de materiales metálicos determina su trabajabilidad y propiedades. La recristalización es un importante mecanismo de ablandamiento en la conformación de materiales que ha sido ampliamente investigado en las últimas décadas. Este artículo revisa de manera integral los métodos básicos y sus aplicaciones en simulaciones numéricas de recristalización dinámica (DRX). Se evalúan las ventajas y desventajas de los métodos de simulación. Se utilizan modelos de campo medio para describir implícitamente el proceso de DRX y se integran en un programa de elementos finitos (FE) para la conformación. Estos modelos proporcionan la fracción de volumen de recristalización y el tamaño promedio de grano en los resultados de FE sin requerir recursos computacionales adicionales. Sin embargo, no describen con precisión el mecanismo microfísico, lo que conduce a una menor precisión de simulación. Por otro lado, los métodos de campo completo predicen explícitamente la topología de grano en una escala mesoscópica, considerando plenamente el mecanismo físico microscópico. Esto mejora la precisión de la simulación, pero requiere una cantidad significativa de recursos computacionales. Recientemente, el acoplamiento de métodos de campo completo con modelos de plasticidad policristalina y modelos de precipitación se ha desarrollado rápidamente, considerando más factores influyentes de la recristalización a una escala microscópica. Además, la integración con métodos de aprendizaje automático en evolución tiene el potencial de mejorar significativamente la precisión y eficiencia de la simulación de recristalización.

Otros recursos que podrían interesarte

    Temas Virtualpro