Nature.com ಗೆ ಭೇಟಿ ನೀಡಿದ್ದಕ್ಕಾಗಿ ಧನ್ಯವಾದಗಳು. ನೀವು ಸೀಮಿತ CSS ಬೆಂಬಲದೊಂದಿಗೆ ಬ್ರೌಸರ್ ಆವೃತ್ತಿಯನ್ನು ಬಳಸುತ್ತಿರುವಿರಿ. ಉತ್ತಮ ಅನುಭವಕ್ಕಾಗಿ, ನೀವು ನವೀಕರಿಸಿದ ಬ್ರೌಸರ್ ಅನ್ನು ಬಳಸಲು ನಾವು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ (ಅಥವಾ ಇಂಟರ್ನೆಟ್ ಎಕ್ಸ್‌ಪ್ಲೋರರ್‌ನಲ್ಲಿ ಹೊಂದಾಣಿಕೆ ಮೋಡ್ ಅನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಿ). ಹೆಚ್ಚುವರಿಯಾಗಿ, ನಿರಂತರ ಬೆಂಬಲವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು, ನಾವು ಶೈಲಿಗಳು ಮತ್ತು ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಇಲ್ಲದೆ ಸೈಟ್ ಅನ್ನು ತೋರಿಸುತ್ತೇವೆ.
ಪ್ರತಿ ಸ್ಲೈಡ್‌ಗೆ ಮೂರು ಲೇಖನಗಳನ್ನು ತೋರಿಸುವ ಸ್ಲೈಡರ್‌ಗಳು. ಸ್ಲೈಡ್‌ಗಳ ಮೂಲಕ ಚಲಿಸಲು ಹಿಂದಿನ ಮತ್ತು ಮುಂದಿನ ಬಟನ್‌ಗಳನ್ನು ಬಳಸಿ ಅಥವಾ ಪ್ರತಿ ಸ್ಲೈಡ್ ಮೂಲಕ ಚಲಿಸಲು ಕೊನೆಯಲ್ಲಿ ಸ್ಲೈಡ್ ನಿಯಂತ್ರಕ ಬಟನ್‌ಗಳನ್ನು ಬಳಸಿ.
ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್ ಶೀಟ್‌ಗಳ ರಚನೆಯ ಮೇಲೆ ಮೈಕ್ರೊಸ್ಟ್ರಕ್ಚರ್ನ ಪರಿಣಾಮವು ಶೀಟ್ ಮೆಟಲ್‌ವರ್ಕಿಂಗ್ ಎಂಜಿನಿಯರ್‌ಗಳಿಗೆ ಪ್ರಮುಖ ಕಾಳಜಿಯಾಗಿದೆ. ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೀಲ್‌ಗಳಿಗೆ, ಮೈಕ್ರೊಸ್ಟ್ರಕ್ಚರ್‌ನಲ್ಲಿ ಡಿಫಾರ್ಮೇಶನ್ ಮಾರ್ಟೆನ್ಸೈಟ್ (\({\alpha}^{^{\prime))\)-ಮಾರ್ಟೆನ್ಸೈಟ್) ಇರುವಿಕೆಯು ಗಮನಾರ್ಹವಾದ ಗಟ್ಟಿಯಾಗುವಿಕೆಗೆ ಮತ್ತು ರಚನೆಯಲ್ಲಿ ಇಳಿಕೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ಪ್ರಾಯೋಗಿಕ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವಿಧಾನಗಳ ಮೂಲಕ ವಿವಿಧ ಮಾರ್ಟೆನ್ಸಿಟಿಕ್ ಸಾಮರ್ಥ್ಯಗಳೊಂದಿಗೆ AISI 316 ಉಕ್ಕುಗಳ ರಚನೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಗುರಿಯನ್ನು ನಾವು ಹೊಂದಿದ್ದೇವೆ. ಮೊದಲ ಹಂತದಲ್ಲಿ, 2 ಮಿಮೀ ಆರಂಭಿಕ ದಪ್ಪವನ್ನು ಹೊಂದಿರುವ AISI 316 ಉಕ್ಕನ್ನು ಅನೆಲ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಶೀತವನ್ನು ವಿವಿಧ ದಪ್ಪಗಳಿಗೆ ಸುತ್ತಿಕೊಳ್ಳಲಾಯಿತು. ತರುವಾಯ, ಸಾಪೇಕ್ಷ ಸ್ಟ್ರೈನ್ ಮಾರ್ಟೆನ್ಸೈಟ್ ಪ್ರದೇಶವನ್ನು ಮೆಟಾಲೋಗ್ರಾಫಿಕ್ ಪರೀಕ್ಷೆಯಿಂದ ಅಳೆಯಲಾಯಿತು. ಸ್ಟ್ರೈನ್ ಮಿತಿ ರೇಖಾಚಿತ್ರವನ್ನು (FLD) ಪಡೆಯಲು ಅರ್ಧಗೋಳದ ಬರ್ಸ್ಟ್ ಪರೀಕ್ಷೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಸುತ್ತಿಕೊಂಡ ಹಾಳೆಗಳ ರಚನೆಯನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ಪ್ರಯೋಗಗಳ ಪರಿಣಾಮವಾಗಿ ಪಡೆದ ಡೇಟಾವನ್ನು ಕೃತಕ ನರ-ಅಸ್ಪಷ್ಟ ಹಸ್ತಕ್ಷೇಪ ವ್ಯವಸ್ಥೆ (ANFIS) ತರಬೇತಿ ಮತ್ತು ಪರೀಕ್ಷಿಸಲು ಮತ್ತಷ್ಟು ಬಳಸಲಾಗುತ್ತದೆ. ANFIS ತರಬೇತಿಯ ನಂತರ, ನರಗಳ ಜಾಲದಿಂದ ಊಹಿಸಲಾದ ಪ್ರಬಲ ತಳಿಗಳನ್ನು ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳ ಹೊಸ ಸೆಟ್‌ಗೆ ಹೋಲಿಸಲಾಗಿದೆ. ಫಲಿತಾಂಶಗಳು ಕೋಲ್ಡ್ ರೋಲಿಂಗ್ ಈ ರೀತಿಯ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್ನ ರಚನೆಯ ಮೇಲೆ ನಕಾರಾತ್ಮಕ ಪರಿಣಾಮವನ್ನು ಬೀರುತ್ತದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ, ಆದರೆ ಹಾಳೆಯ ಬಲವು ಹೆಚ್ಚು ಸುಧಾರಿಸಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಪ್ರಾಯೋಗಿಕ ಅಳತೆಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ANFIS ತೃಪ್ತಿದಾಯಕ ಫಲಿತಾಂಶಗಳನ್ನು ತೋರಿಸುತ್ತದೆ.
ಶೀಟ್ ಮೆಟಲ್ ಅನ್ನು ರೂಪಿಸುವ ಸಾಮರ್ಥ್ಯ, ದಶಕಗಳಿಂದ ವೈಜ್ಞಾನಿಕ ಲೇಖನಗಳ ವಿಷಯವಾಗಿದ್ದರೂ, ಲೋಹಶಾಸ್ತ್ರದಲ್ಲಿ ಸಂಶೋಧನೆಯ ಆಸಕ್ತಿದಾಯಕ ಕ್ಷೇತ್ರವಾಗಿ ಉಳಿದಿದೆ. ಹೊಸ ತಾಂತ್ರಿಕ ಪರಿಕರಗಳು ಮತ್ತು ಕಂಪ್ಯೂಟೇಶನಲ್ ಮಾದರಿಗಳು ರಚನೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಸಂಭಾವ್ಯ ಅಂಶಗಳನ್ನು ಹುಡುಕಲು ಸುಲಭವಾಗಿಸುತ್ತದೆ. ಬಹು ಮುಖ್ಯವಾಗಿ, ಕ್ರಿಸ್ಟಲ್ ಪ್ಲ್ಯಾಸ್ಟಿಸಿಟಿ ಫಿನೈಟ್ ಎಲಿಮೆಂಟ್ ಮೆಥಡ್ (CPFEM) ಅನ್ನು ಬಳಸಿಕೊಂಡು ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ ಆಕಾರದ ಮಿತಿಗಾಗಿ ಮೈಕ್ರೊಸ್ಟ್ರಕ್ಚರ್ನ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಬಹಿರಂಗಪಡಿಸಲಾಗಿದೆ. ಮತ್ತೊಂದೆಡೆ, ಸ್ಕ್ಯಾನಿಂಗ್ ಎಲೆಕ್ಟ್ರಾನ್ ಮೈಕ್ರೋಸ್ಕೋಪಿ (SEM) ಮತ್ತು ಎಲೆಕ್ಟ್ರಾನ್ ಬ್ಯಾಕ್‌ಸ್ಕಾಟರ್ ಡಿಫ್ರಾಕ್ಷನ್ (EBSD) ಲಭ್ಯತೆಯು ವಿರೂಪತೆಯ ಸಮಯದಲ್ಲಿ ಸ್ಫಟಿಕ ರಚನೆಗಳ ಸೂಕ್ಷ್ಮ ರಚನಾತ್ಮಕ ಚಟುವಟಿಕೆಯನ್ನು ವೀಕ್ಷಿಸಲು ಸಂಶೋಧಕರಿಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಲೋಹಗಳಲ್ಲಿನ ವಿವಿಧ ಹಂತಗಳ ಪ್ರಭಾವ, ಧಾನ್ಯದ ಗಾತ್ರ ಮತ್ತು ದೃಷ್ಟಿಕೋನ, ಮತ್ತು ಧಾನ್ಯದ ಮಟ್ಟದಲ್ಲಿ ಸೂಕ್ಷ್ಮ ದೋಷಗಳು ರಚನೆಯನ್ನು ಊಹಿಸಲು ನಿರ್ಣಾಯಕವಾಗಿದೆ.
ಫಾರ್ಮಬಿಲಿಟಿಯನ್ನು ನಿರ್ಧರಿಸುವುದು ಒಂದು ಸಂಕೀರ್ಣ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ, ಏಕೆಂದರೆ ಫಾರ್ಮಬಿಲಿಟಿ 1, 2, 3 ಮಾರ್ಗಗಳ ಮೇಲೆ ಹೆಚ್ಚು ಅವಲಂಬಿತವಾಗಿದೆ ಎಂದು ತೋರಿಸಲಾಗಿದೆ. ಆದ್ದರಿಂದ, ಅಸಮಾನವಾದ ಲೋಡಿಂಗ್ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಅಂತಿಮ ರಚನೆಯ ಒತ್ತಡದ ಸಾಂಪ್ರದಾಯಿಕ ಕಲ್ಪನೆಗಳು ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ. ಮತ್ತೊಂದೆಡೆ, ಕೈಗಾರಿಕಾ ಅನ್ವಯಗಳಲ್ಲಿ ಹೆಚ್ಚಿನ ಲೋಡ್ ಮಾರ್ಗಗಳನ್ನು ಪ್ರಮಾಣಾನುಗುಣವಲ್ಲದ ಲೋಡಿಂಗ್ ಎಂದು ವರ್ಗೀಕರಿಸಲಾಗಿದೆ. ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಸಾಂಪ್ರದಾಯಿಕ ಅರ್ಧಗೋಳದ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಮಾರ್ಸಿನಿಯಾಕ್-ಕುಚಿನ್ಸ್ಕಿ (MK) ವಿಧಾನಗಳು 4,5,6 ಅನ್ನು ಎಚ್ಚರಿಕೆಯಿಂದ ಬಳಸಬೇಕು. ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ಮತ್ತೊಂದು ಪರಿಕಲ್ಪನೆ, ಮುರಿತ ಮಿತಿ ರೇಖಾಚಿತ್ರ (FFLD), ಅನೇಕ ರಚನೆಯ ಎಂಜಿನಿಯರ್‌ಗಳ ಗಮನವನ್ನು ಸೆಳೆದಿದೆ. ಈ ಪರಿಕಲ್ಪನೆಯಲ್ಲಿ, ಹಾಳೆಯ ರಚನೆಯನ್ನು ಊಹಿಸಲು ಹಾನಿಯ ಮಾದರಿಯನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಪಥದ ಸ್ವಾತಂತ್ರ್ಯವನ್ನು ಆರಂಭದಲ್ಲಿ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ ಮತ್ತು ಫಲಿತಾಂಶಗಳು ಅಳೆಯದ ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಉತ್ತಮ ಒಪ್ಪಂದದಲ್ಲಿದೆ7,8,9. ಶೀಟ್ ಲೋಹದ ರಚನೆಯು ಹಲವಾರು ನಿಯತಾಂಕಗಳು ಮತ್ತು ಹಾಳೆಯ ಸಂಸ್ಕರಣೆಯ ಇತಿಹಾಸವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ, ಜೊತೆಗೆ ಲೋಹದ 10,11,12,13,14,15 ನ ಸೂಕ್ಷ್ಮ ರಚನೆ ಮತ್ತು ಹಂತವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.
ಲೋಹಗಳ ಸೂಕ್ಷ್ಮ ಲಕ್ಷಣಗಳನ್ನು ಪರಿಗಣಿಸುವಾಗ ಗಾತ್ರದ ಅವಲಂಬನೆಯು ಒಂದು ಸಮಸ್ಯೆಯಾಗಿದೆ. ಸಣ್ಣ ವಿರೂಪ ಸ್ಥಳಗಳಲ್ಲಿ, ಕಂಪನ ಮತ್ತು ಬಕ್ಲಿಂಗ್ ಗುಣಲಕ್ಷಣಗಳ ಅವಲಂಬನೆಯು ವಸ್ತುವಿನ ಉದ್ದದ ಪ್ರಮಾಣವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ ಎಂದು ತೋರಿಸಲಾಗಿದೆ16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30. ರಚನೆಯ ಮೇಲೆ ಧಾನ್ಯದ ಗಾತ್ರದ ಪರಿಣಾಮವು ಉದ್ಯಮದಲ್ಲಿ ಬಹಳ ಹಿಂದಿನಿಂದಲೂ ಗುರುತಿಸಲ್ಪಟ್ಟಿದೆ. ಯಮಗುಚಿ ಮತ್ತು ಮೆಲ್ಲರ್ [31] ಸೈದ್ಧಾಂತಿಕ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಲೋಹದ ಹಾಳೆಗಳ ಕರ್ಷಕ ಗುಣಲಕ್ಷಣಗಳ ಮೇಲೆ ಧಾನ್ಯದ ಗಾತ್ರ ಮತ್ತು ದಪ್ಪದ ಪರಿಣಾಮವನ್ನು ಅಧ್ಯಯನ ಮಾಡಿದರು. ಮಾರ್ಸಿನಿಯಾಕ್ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು, ಬೈಯಾಕ್ಸಿಯಲ್ ಕರ್ಷಕ ಲೋಡಿಂಗ್ ಅಡಿಯಲ್ಲಿ, ಧಾನ್ಯದ ಗಾತ್ರಕ್ಕೆ ದಪ್ಪದ ಅನುಪಾತದಲ್ಲಿನ ಇಳಿಕೆಯು ಹಾಳೆಯ ಕರ್ಷಕ ಗುಣಲಕ್ಷಣಗಳಲ್ಲಿ ಇಳಿಕೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ ಎಂದು ಅವರು ವರದಿ ಮಾಡುತ್ತಾರೆ. ವಿಲ್ಸನ್ ಮತ್ತು ಇತರರಿಂದ ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳು. 32 ದಪ್ಪವನ್ನು ಸರಾಸರಿ ಧಾನ್ಯದ ವ್ಯಾಸಕ್ಕೆ (t/d) ಕಡಿಮೆ ಮಾಡುವುದರಿಂದ ಮೂರು ವಿಭಿನ್ನ ದಪ್ಪಗಳ ಲೋಹದ ಹಾಳೆಗಳ ಬೈಯಾಕ್ಸಿಯಲ್ ವಿಸ್ತರಣೆಯಲ್ಲಿ ಇಳಿಕೆ ಕಂಡುಬರುತ್ತದೆ ಎಂದು ದೃಢಪಡಿಸಿದರು. 20 ಕ್ಕಿಂತ ಕಡಿಮೆ ಇರುವ t/d ಮೌಲ್ಯಗಳಲ್ಲಿ, ಗಮನಾರ್ಹವಾದ ವಿರೂಪತೆಯ ಅಸಮಂಜಸತೆ ಮತ್ತು ಕುತ್ತಿಗೆಯು ಮುಖ್ಯವಾಗಿ ಹಾಳೆಯ ದಪ್ಪದಲ್ಲಿರುವ ಪ್ರತ್ಯೇಕ ಧಾನ್ಯಗಳಿಂದ ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ ಎಂದು ಅವರು ತೀರ್ಮಾನಿಸಿದರು. ಉಲ್ವಾನ್ ಮತ್ತು ಕೌರ್ಸರಿಸ್33 304 ಮತ್ತು 316 ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್ಗಳ ಒಟ್ಟಾರೆ ಯಂತ್ರದ ಮೇಲೆ ಧಾನ್ಯದ ಗಾತ್ರದ ಪರಿಣಾಮವನ್ನು ಅಧ್ಯಯನ ಮಾಡಿದರು. ಈ ಲೋಹಗಳ ರಚನೆಯು ಧಾನ್ಯದ ಗಾತ್ರದಿಂದ ಪ್ರಭಾವಿತವಾಗಿಲ್ಲ ಎಂದು ಅವರು ವರದಿ ಮಾಡುತ್ತಾರೆ, ಆದರೆ ಕರ್ಷಕ ಗುಣಲಕ್ಷಣಗಳಲ್ಲಿ ಸಣ್ಣ ಬದಲಾವಣೆಗಳನ್ನು ಕಾಣಬಹುದು. ಈ ಉಕ್ಕುಗಳ ಶಕ್ತಿ ಗುಣಲಕ್ಷಣಗಳಲ್ಲಿ ಇಳಿಕೆಗೆ ಕಾರಣವಾಗುವ ಧಾನ್ಯದ ಗಾತ್ರದಲ್ಲಿನ ಹೆಚ್ಚಳವಾಗಿದೆ. ನಿಕಲ್ ಲೋಹಗಳ ಹರಿವಿನ ಒತ್ತಡದ ಮೇಲೆ ಸ್ಥಳಾಂತರಿಸುವ ಸಾಂದ್ರತೆಯ ಪ್ರಭಾವವು ಧಾನ್ಯದ ಗಾತ್ರವನ್ನು ಲೆಕ್ಕಿಸದೆಯೇ ಲೋಹದ ಹರಿವಿನ ಒತ್ತಡವನ್ನು ಸ್ಥಳಾಂತರಿಸುವ ಸಾಂದ್ರತೆಯು ನಿರ್ಧರಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ. ಧಾನ್ಯದ ಪರಸ್ಪರ ಕ್ರಿಯೆ ಮತ್ತು ಆರಂಭಿಕ ದೃಷ್ಟಿಕೋನವು ಅಲ್ಯೂಮಿನಿಯಂ ವಿನ್ಯಾಸದ ವಿಕಸನದ ಮೇಲೆ ಹೆಚ್ಚಿನ ಪ್ರಭಾವವನ್ನು ಹೊಂದಿದೆ, ಇದನ್ನು ಬೆಕರ್ ಮತ್ತು ಪಂಚನಾದೀಶ್ವರನ್ ಅವರು ಸ್ಫಟಿಕ ಪ್ಲಾಸ್ಟಿಟಿಯ ಪ್ರಯೋಗಗಳು ಮತ್ತು ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ತನಿಖೆ ಮಾಡಿದರು. ಅವುಗಳ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿನ ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶಗಳು ಪ್ರಯೋಗಗಳೊಂದಿಗೆ ಉತ್ತಮ ಒಪ್ಪಂದದಲ್ಲಿವೆ, ಆದಾಗ್ಯೂ ಕೆಲವು ಸಿಮ್ಯುಲೇಶನ್ ಫಲಿತಾಂಶಗಳು ಅನ್ವಯಿಕ ಗಡಿ ಪರಿಸ್ಥಿತಿಗಳ ಮಿತಿಗಳಿಂದ ಪ್ರಯೋಗಗಳಿಂದ ವಿಚಲನಗೊಳ್ಳುತ್ತವೆ. ಸ್ಫಟಿಕ ಪ್ಲಾಸ್ಟಿಟಿ ಮಾದರಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡುವ ಮೂಲಕ ಮತ್ತು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಪತ್ತೆಹಚ್ಚುವ ಮೂಲಕ, ಸುತ್ತಿಕೊಂಡ ಅಲ್ಯೂಮಿನಿಯಂ ಹಾಳೆಗಳು ವಿಭಿನ್ನ ರಚನೆಯನ್ನು ತೋರಿಸುತ್ತವೆ36. ಫಲಿತಾಂಶಗಳು ವಿಭಿನ್ನ ಹಾಳೆಗಳ ಒತ್ತಡ-ಸ್ಟ್ರೈನ್ ವಕ್ರಾಕೃತಿಗಳು ಬಹುತೇಕ ಒಂದೇ ಆಗಿದ್ದರೂ, ಆರಂಭಿಕ ಮೌಲ್ಯಗಳ ಆಧಾರದ ಮೇಲೆ ಅವುಗಳ ರಚನೆಯಲ್ಲಿ ಗಮನಾರ್ಹ ವ್ಯತ್ಯಾಸಗಳಿವೆ ಎಂದು ತೋರಿಸಿದೆ. ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್ ಶೀಟ್‌ಗಳಿಗೆ ಒತ್ತಡ-ಸ್ಟ್ರೈನ್ ಕರ್ವ್‌ಗಳನ್ನು ಪಡೆಯಲು ಅಮೆಲಿರಾಡ್ ಮತ್ತು ಅಸೆಂಬೂರ್ ಪ್ರಯೋಗಗಳು ಮತ್ತು CPFEM ಅನ್ನು ಬಳಸಿದರು. ಅವರ ಸಿಮ್ಯುಲೇಶನ್‌ಗಳು ಧಾನ್ಯದ ಗಾತ್ರದಲ್ಲಿನ ಹೆಚ್ಚಳವು FLD ಯಲ್ಲಿ ಮೇಲ್ಮುಖವಾಗಿ ಬದಲಾಗುತ್ತದೆ, ಇದು ಸೀಮಿತಗೊಳಿಸುವ ವಕ್ರರೇಖೆಯನ್ನು ರೂಪಿಸುತ್ತದೆ ಎಂದು ತೋರಿಸಿದೆ. ಇದರ ಜೊತೆಯಲ್ಲಿ, ಅದೇ ಲೇಖಕರು ಶೂನ್ಯಗಳ ರಚನೆಯ ಮೇಲೆ ಧಾನ್ಯದ ದೃಷ್ಟಿಕೋನ ಮತ್ತು ರೂಪವಿಜ್ಞಾನದ ಪರಿಣಾಮವನ್ನು ತನಿಖೆ ಮಾಡಿದರು 38 .
ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್‌ಗಳಲ್ಲಿ ಧಾನ್ಯ ರೂಪವಿಜ್ಞಾನ ಮತ್ತು ದೃಷ್ಟಿಕೋನದ ಜೊತೆಗೆ, ಅವಳಿ ಮತ್ತು ದ್ವಿತೀಯ ಹಂತಗಳ ಸ್ಥಿತಿಯೂ ಸಹ ಮುಖ್ಯವಾಗಿದೆ. TWIP 39 ಉಕ್ಕಿನಲ್ಲಿ ಗಟ್ಟಿಯಾಗಿಸಲು ಮತ್ತು ಉದ್ದವನ್ನು ಹೆಚ್ಚಿಸಲು ಟ್ವಿನಿಂಗ್ ಮುಖ್ಯ ಕಾರ್ಯವಿಧಾನವಾಗಿದೆ. ಸಾಕಷ್ಟು ಕರ್ಷಕ ಪ್ರತಿಕ್ರಿಯೆಯ ಹೊರತಾಗಿಯೂ TWIP ಸ್ಟೀಲ್ಗಳ ರಚನೆಯು ಕಳಪೆಯಾಗಿದೆ ಎಂದು Hwang40 ವರದಿ ಮಾಡಿದೆ. ಆದಾಗ್ಯೂ, ಆಸ್ಟೆನಿಟಿಕ್ ಉಕ್ಕಿನ ಹಾಳೆಗಳ ರಚನೆಯ ಮೇಲೆ ವಿರೂಪತೆಯ ಅವಳಿ ಪರಿಣಾಮವನ್ನು ಸಾಕಷ್ಟು ಅಧ್ಯಯನ ಮಾಡಲಾಗಿಲ್ಲ. ಮಿಶ್ರಾ ಮತ್ತು ಇತರರು. 41 ವಿವಿಧ ಕರ್ಷಕ ಸ್ಟ್ರೈನ್ ಪಥಗಳ ಅಡಿಯಲ್ಲಿ ಅವಳಿಯಾಗುವುದನ್ನು ವೀಕ್ಷಿಸಲು ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್‌ಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಿದರು. ಅನೆಲ್ಡ್ ಅವಳಿಗಳು ಮತ್ತು ಹೊಸ ಪೀಳಿಗೆಯ ಅವಳಿಗಳ ಕೊಳೆತ ಮೂಲಗಳಿಂದ ಅವಳಿಗಳು ಹುಟ್ಟಿಕೊಳ್ಳಬಹುದು ಎಂದು ಅವರು ಕಂಡುಕೊಂಡರು. ಬಯಾಕ್ಸಿಯಲ್ ಟೆನ್ಷನ್ ಅಡಿಯಲ್ಲಿ ಅತಿದೊಡ್ಡ ಅವಳಿಗಳು ರೂಪುಗೊಳ್ಳುತ್ತವೆ ಎಂದು ಗಮನಿಸಲಾಗಿದೆ. ಇದರ ಜೊತೆಗೆ, ಆಸ್ಟೆನೈಟ್ ಅನ್ನು \({\alpha}^{^{\prime}}\)-ಮಾರ್ಟೆನ್ಸೈಟ್ ಆಗಿ ಪರಿವರ್ತಿಸುವುದು ಸ್ಟ್ರೈನ್ ಪಥವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ ಎಂದು ಗಮನಿಸಲಾಗಿದೆ. ಹಾಂಗ್ ಮತ್ತು ಇತರರು. 42 316L ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೀಲ್ನ ಆಯ್ದ ಲೇಸರ್ ಕರಗುವಿಕೆಯಲ್ಲಿ ತಾಪಮಾನದ ವ್ಯಾಪ್ತಿಯ ಮೇಲೆ ಹೈಡ್ರೋಜನ್ ಎಂಬ್ರಿಟಲ್‌ಮೆಂಟ್‌ನ ಮೇಲೆ ಸ್ಟ್ರೈನ್-ಇಂಡ್ಯೂಸ್ಡ್ ಟ್ವಿನಿಂಗ್ ಮತ್ತು ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಪರಿಣಾಮವನ್ನು ತನಿಖೆ ಮಾಡಿದೆ. ತಾಪಮಾನವನ್ನು ಅವಲಂಬಿಸಿ, ಹೈಡ್ರೋಜನ್ ವೈಫಲ್ಯವನ್ನು ಉಂಟುಮಾಡಬಹುದು ಅಥವಾ 316L ಉಕ್ಕಿನ ರಚನೆಯನ್ನು ಸುಧಾರಿಸಬಹುದು ಎಂದು ಗಮನಿಸಲಾಗಿದೆ. ಶೆನ್ ಮತ್ತು ಇತರರು. 43 ವಿವಿಧ ಲೋಡಿಂಗ್ ದರಗಳಲ್ಲಿ ಕರ್ಷಕ ಲೋಡಿಂಗ್ ಅಡಿಯಲ್ಲಿ ವಿರೂಪತೆಯ ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಪರಿಮಾಣವನ್ನು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಅಳೆಯಲಾಗುತ್ತದೆ. ಕರ್ಷಕ ಒತ್ತಡದ ಹೆಚ್ಚಳವು ಮಾರ್ಟೆನ್ಸೈಟ್ ಭಾಗದ ಪರಿಮಾಣದ ಭಾಗವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ಎಂದು ಕಂಡುಬಂದಿದೆ.
AI ವಿಧಾನಗಳನ್ನು ವಿಜ್ಞಾನ ಮತ್ತು ತಂತ್ರಜ್ಞಾನದಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ ಏಕೆಂದರೆ ಸಮಸ್ಯೆಯ ಭೌತಿಕ ಮತ್ತು ಗಣಿತದ ಅಡಿಪಾಯಗಳನ್ನು ಆಶ್ರಯಿಸದೆ ಸಂಕೀರ್ಣ ಸಮಸ್ಯೆಗಳನ್ನು ಮಾಡೆಲಿಂಗ್ ಮಾಡುವ ಬಹುಮುಖತೆ44,45,46,47,48,49,50,51,52 AI ವಿಧಾನಗಳ ಸಂಖ್ಯೆ ಹೆಚ್ಚುತ್ತಿದೆ . ಮೊರಾಡಿ ಮತ್ತು ಇತರರು. 44 ಸೂಕ್ಷ್ಮವಾದ ನ್ಯಾನೊಸಿಲಿಕಾ ಕಣಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ರಾಸಾಯನಿಕ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಯಂತ್ರ ಕಲಿಕೆಯ ತಂತ್ರಗಳನ್ನು ಬಳಸಲಾಗಿದೆ. ಇತರ ರಾಸಾಯನಿಕ ಗುಣಲಕ್ಷಣಗಳು ನ್ಯಾನೊಸ್ಕೇಲ್ ವಸ್ತುಗಳ ಗುಣಲಕ್ಷಣಗಳ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುತ್ತವೆ, ಇದನ್ನು ಅನೇಕ ಸಂಶೋಧನಾ ಲೇಖನಗಳಲ್ಲಿ ತನಿಖೆ ಮಾಡಲಾಗಿದೆ53. ಸಿ ಮತ್ತು ಇತರರು. 45 ವಿವಿಧ ರೋಲಿಂಗ್ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಸಾದಾ ಕಾರ್ಬನ್ ಸ್ಟೀಲ್ ಶೀಟ್ ಲೋಹದ ರಚನೆಯನ್ನು ಊಹಿಸಲು ANFIS ಅನ್ನು ಬಳಸಲಾಗಿದೆ. ಕೋಲ್ಡ್ ರೋಲಿಂಗ್ ಕಾರಣ, ಸೌಮ್ಯವಾದ ಉಕ್ಕಿನಲ್ಲಿ ಡಿಸ್ಲೊಕೇಶನ್ ಸಾಂದ್ರತೆಯು ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಾಗಿದೆ. ಸರಳ ಇಂಗಾಲದ ಉಕ್ಕುಗಳು ಅವುಗಳ ಗಟ್ಟಿಯಾಗಿಸುವ ಮತ್ತು ಪುನಶ್ಚೈತನ್ಯಕಾರಿ ಕಾರ್ಯವಿಧಾನಗಳಲ್ಲಿ ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್‌ಗಳಿಂದ ಭಿನ್ನವಾಗಿವೆ. ಸರಳವಾದ ಇಂಗಾಲದ ಉಕ್ಕಿನಲ್ಲಿ, ಲೋಹದ ಸೂಕ್ಷ್ಮ ರಚನೆಯಲ್ಲಿ ಹಂತದ ರೂಪಾಂತರಗಳು ಸಂಭವಿಸುವುದಿಲ್ಲ. ಲೋಹದ ಹಂತದ ಜೊತೆಗೆ, ಲೋಹಗಳ ಡಕ್ಟಿಲಿಟಿ, ಮುರಿತ, ಯಂತ್ರಸಾಧ್ಯತೆ ಇತ್ಯಾದಿಗಳು ವಿವಿಧ ರೀತಿಯ ಶಾಖ ಚಿಕಿತ್ಸೆ, ಶೀತ ಕೆಲಸ ಮತ್ತು ವಯಸ್ಸಾದಾಗ ಸಂಭವಿಸುವ ಹಲವಾರು ಇತರ ಸೂಕ್ಷ್ಮ ರಚನೆಯ ವೈಶಿಷ್ಟ್ಯಗಳಿಂದ ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ54,55,56,57,58,59 ,60. , 61, 62. ಇತ್ತೀಚೆಗೆ, ಚೆನ್ ಮತ್ತು ಇತರರು. 63 304L ಉಕ್ಕಿನ ರಚನೆಯ ಮೇಲೆ ಕೋಲ್ಡ್ ರೋಲಿಂಗ್ ಪರಿಣಾಮವನ್ನು ಅಧ್ಯಯನ ಮಾಡಿದೆ. ರಚನೆಯನ್ನು ಊಹಿಸಲು ನರಗಳ ಜಾಲಕ್ಕೆ ತರಬೇತಿ ನೀಡಲು ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಮಾತ್ರ ಅವರು ವಿದ್ಯಮಾನಶಾಸ್ತ್ರದ ಅವಲೋಕನಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡರು. ವಾಸ್ತವವಾಗಿ, ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್ಗಳ ಸಂದರ್ಭದಲ್ಲಿ, ಹಾಳೆಯ ಕರ್ಷಕ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಹಲವಾರು ಅಂಶಗಳು ಸಂಯೋಜಿಸುತ್ತವೆ. Lu et al.64 ರಂಧ್ರ ವಿಸ್ತರಣೆ ಪ್ರಕ್ರಿಯೆಯ ಮೇಲೆ ವಿವಿಧ ನಿಯತಾಂಕಗಳ ಪರಿಣಾಮವನ್ನು ವೀಕ್ಷಿಸಲು ANFIS ಅನ್ನು ಬಳಸಿದರು.
ಮೇಲಿನ ವಿಮರ್ಶೆಯಲ್ಲಿ ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಚರ್ಚಿಸಿದಂತೆ, ಆಕಾರ ಮಿತಿ ರೇಖಾಚಿತ್ರದ ಮೇಲೆ ಸೂಕ್ಷ್ಮ ರಚನೆಯ ಪರಿಣಾಮವು ಸಾಹಿತ್ಯದಲ್ಲಿ ಕಡಿಮೆ ಗಮನವನ್ನು ಪಡೆದಿದೆ. ಮತ್ತೊಂದೆಡೆ, ಅನೇಕ ಸೂಕ್ಷ್ಮ ರಚನೆಯ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ಆದ್ದರಿಂದ, ವಿಶ್ಲೇಷಣಾತ್ಮಕ ವಿಧಾನಗಳಲ್ಲಿ ಎಲ್ಲಾ ಮೈಕ್ರೊಸ್ಟ್ರಕ್ಚರಲ್ ಅಂಶಗಳನ್ನು ಸೇರಿಸುವುದು ಅಸಾಧ್ಯವಾಗಿದೆ. ಈ ಅರ್ಥದಲ್ಲಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆಯು ಪ್ರಯೋಜನಕಾರಿಯಾಗಿದೆ. ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಈ ಅಧ್ಯಯನವು ಮೈಕ್ರೊಸ್ಟ್ರಕ್ಚರಲ್ ಅಂಶಗಳ ಒಂದು ಅಂಶದ ಪರಿಣಾಮವನ್ನು ತನಿಖೆ ಮಾಡುತ್ತದೆ, ಅವುಗಳೆಂದರೆ ಒತ್ತಡ-ಪ್ರೇರಿತ ಮಾರ್ಟೆನ್ಸೈಟ್ ಉಪಸ್ಥಿತಿ, ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್ ಹಾಳೆಗಳ ರಚನೆಯ ಮೇಲೆ. ಈ ಅಧ್ಯಯನವು ರಚನೆಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಇತರ AI ಅಧ್ಯಯನಗಳಿಂದ ಭಿನ್ನವಾಗಿದೆ, ಇದರಲ್ಲಿ ಕೇವಲ ಪ್ರಾಯೋಗಿಕ FLD ಕರ್ವ್‌ಗಳಿಗಿಂತ ಹೆಚ್ಚಾಗಿ ಮೈಕ್ರೊಸ್ಟ್ರಕ್ಚರಲ್ ವೈಶಿಷ್ಟ್ಯಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಲಾಗಿದೆ. ಪ್ರಾಯೋಗಿಕ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವಿವಿಧ ಮಾರ್ಟೆನ್ಸೈಟ್ ವಿಷಯಗಳೊಂದಿಗೆ 316 ಉಕ್ಕಿನ ರಚನೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ನಾವು ಪ್ರಯತ್ನಿಸಿದ್ದೇವೆ. ಮೊದಲ ಹಂತದಲ್ಲಿ, 2 ಮಿಮೀ ಆರಂಭಿಕ ದಪ್ಪವನ್ನು ಹೊಂದಿರುವ 316 ಉಕ್ಕನ್ನು ಅನೆಲ್ ಮಾಡಲಾಯಿತು ಮತ್ತು ವಿವಿಧ ದಪ್ಪಗಳಿಗೆ ತಣ್ಣಗಾಗಿಸಲಾಯಿತು. ನಂತರ, ಮೆಟಾಲೋಗ್ರಾಫಿಕ್ ನಿಯಂತ್ರಣವನ್ನು ಬಳಸಿಕೊಂಡು, ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಸಂಬಂಧಿತ ಪ್ರದೇಶವನ್ನು ಅಳೆಯಲಾಗುತ್ತದೆ. ಸ್ಟ್ರೈನ್ ಮಿತಿ ರೇಖಾಚಿತ್ರವನ್ನು (FLD) ಪಡೆಯಲು ಅರ್ಧಗೋಳದ ಬರ್ಸ್ಟ್ ಪರೀಕ್ಷೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಸುತ್ತಿಕೊಂಡ ಹಾಳೆಗಳ ರಚನೆಯನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ಅವನಿಂದ ಪಡೆದ ಡೇಟಾವನ್ನು ನಂತರ ಕೃತಕ ನರ-ಅಸ್ಪಷ್ಟ ಹಸ್ತಕ್ಷೇಪ ವ್ಯವಸ್ಥೆ (ANFIS) ತರಬೇತಿ ಮತ್ತು ಪರೀಕ್ಷಿಸಲು ಬಳಸಲಾಯಿತು. ANFIS ತರಬೇತಿಯ ನಂತರ, ನ್ಯೂರಲ್ ನೆಟ್ವರ್ಕ್ ಮುನ್ನೋಟಗಳನ್ನು ಹೊಸ ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ.
ಪ್ರಸ್ತುತ ಅಧ್ಯಯನದಲ್ಲಿ ಬಳಸಲಾದ 316 ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್ ಲೋಹದ ಹಾಳೆಯು ಟೇಬಲ್ 1 ರಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ ರಾಸಾಯನಿಕ ಸಂಯೋಜನೆಯನ್ನು ಹೊಂದಿದೆ ಮತ್ತು 1.5 ಮಿಮೀ ಆರಂಭಿಕ ದಪ್ಪವನ್ನು ಹೊಂದಿದೆ. ಹಾಳೆಯಲ್ಲಿ ಉಳಿದಿರುವ ಒತ್ತಡವನ್ನು ನಿವಾರಿಸಲು ಮತ್ತು ಏಕರೂಪದ ಸೂಕ್ಷ್ಮ ರಚನೆಯನ್ನು ಪಡೆಯಲು 1050 ° C ನಲ್ಲಿ 1 ಗಂಟೆಯ ನಂತರ ನೀರನ್ನು ತಣಿಸುವಿಕೆ.
ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೀಲ್ಗಳ ಸೂಕ್ಷ್ಮ ರಚನೆಯನ್ನು ಹಲವಾರು ಎಚಾಂಟ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಬಹಿರಂಗಪಡಿಸಬಹುದು. ಬಟ್ಟಿ ಇಳಿಸಿದ ನೀರಿನಲ್ಲಿ 60% ನೈಟ್ರಿಕ್ ಆಮ್ಲವು ಅತ್ಯುತ್ತಮ ಎಚಾಂಟ್‌ಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ, 120 s38 ಗೆ 1 VDC ನಲ್ಲಿ ಕೆತ್ತಲಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಈ ಎಚ್ಚಣೆಯು ಧಾನ್ಯದ ಗಡಿಗಳನ್ನು ಮಾತ್ರ ತೋರಿಸುತ್ತದೆ ಮತ್ತು ಚಿತ್ರ 1a ನಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ ಎರಡು ಧಾನ್ಯದ ಗಡಿಗಳನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಮತ್ತೊಂದು ಎಚ್ಚಣೆಯು ಗ್ಲಿಸರಾಲ್ ಅಸಿಟೇಟ್ ಆಗಿದೆ, ಇದರಲ್ಲಿ ಅವಳಿ ಗಡಿಗಳನ್ನು ಚೆನ್ನಾಗಿ ದೃಶ್ಯೀಕರಿಸಬಹುದು, ಆದರೆ ಧಾನ್ಯದ ಗಡಿಗಳು ಚಿತ್ರ 1b ನಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ ಅಲ್ಲ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಮೆಟಾಸ್ಟೇಬಲ್ ಆಸ್ಟೆನಿಟಿಕ್ ಹಂತವನ್ನು \({\alpha }^{^{\prime}}\)-ಮಾರ್ಟೆನ್ಸೈಟ್ ಹಂತವಾಗಿ ಪರಿವರ್ತಿಸಿದ ನಂತರ ಗ್ಲಿಸರಾಲ್ ಅಸಿಟೇಟ್ ಎಚಾಂಟ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಕಂಡುಹಿಡಿಯಬಹುದು, ಇದು ಪ್ರಸ್ತುತ ಅಧ್ಯಯನದಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿದೆ.
ಅನೆಲಿಂಗ್ ನಂತರ ಲೋಹದ ತಟ್ಟೆ 316 ರ ಸೂಕ್ಷ್ಮ ರಚನೆ, ವಿವಿಧ ಎಚಾಂಟ್‌ಗಳಿಂದ ತೋರಿಸಲಾಗಿದೆ, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) ಬಟ್ಟಿ ಇಳಿಸಿದ ನೀರಿನಲ್ಲಿ 120 ಸೆ.ಗೆ 1.5 V, ಮತ್ತು (b) 200x , ಗ್ಲಿಸರಿಲ್ ಅಸಿಟೇಟ್.
ಅನೆಲ್ಡ್ ಹಾಳೆಗಳನ್ನು ರೋಲಿಂಗ್ಗಾಗಿ 11 ಸೆಂ ಅಗಲ ಮತ್ತು 1 ಮೀ ಉದ್ದದ ಹಾಳೆಗಳಾಗಿ ಕತ್ತರಿಸಲಾಗುತ್ತದೆ. ಕೋಲ್ಡ್ ರೋಲಿಂಗ್ ಸಸ್ಯವು 140 ಮಿಮೀ ವ್ಯಾಸವನ್ನು ಹೊಂದಿರುವ ಎರಡು ಸಮ್ಮಿತೀಯ ರೋಲ್ಗಳನ್ನು ಹೊಂದಿದೆ. ಕೋಲ್ಡ್ ರೋಲಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯು ಆಸ್ಟೆನೈಟ್ ಅನ್ನು 316 ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್‌ನಲ್ಲಿ ವಿರೂಪ ಮಾರ್ಟೆನ್‌ಸೈಟ್‌ಗೆ ಪರಿವರ್ತಿಸಲು ಕಾರಣವಾಗುತ್ತದೆ. ವಿವಿಧ ದಪ್ಪಗಳ ಮೂಲಕ ತಣ್ಣನೆಯ ರೋಲಿಂಗ್ ನಂತರ ಮಾರ್ಟೆನ್ಸೈಟ್ ಹಂತದ ಅನುಪಾತವನ್ನು ಆಸ್ಟೆನೈಟ್ ಹಂತಕ್ಕೆ ಹುಡುಕಲಾಗುತ್ತಿದೆ. ಅಂಜೂರದ ಮೇಲೆ. 2 ಶೀಟ್ ಲೋಹದ ಸೂಕ್ಷ್ಮ ರಚನೆಯ ಮಾದರಿಯನ್ನು ತೋರಿಸುತ್ತದೆ. ಅಂಜೂರದ ಮೇಲೆ. 2a ಸುತ್ತಿಕೊಂಡ ಮಾದರಿಯ ಮೆಟಾಲೋಗ್ರಾಫಿಕ್ ಚಿತ್ರವನ್ನು ತೋರಿಸುತ್ತದೆ, ಹಾಳೆಗೆ ಲಂಬವಾಗಿರುವ ದಿಕ್ಕಿನಿಂದ ನೋಡಲಾಗುತ್ತದೆ. ಅಂಜೂರದ ಮೇಲೆ. ImageJ65 ಸಾಫ್ಟ್‌ವೇರ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು 2b, ಮಾರ್ಟೆನ್ಸಿಟಿಕ್ ಭಾಗವನ್ನು ಕಪ್ಪು ಬಣ್ಣದಲ್ಲಿ ಹೈಲೈಟ್ ಮಾಡಲಾಗಿದೆ. ಈ ಓಪನ್ ಸೋರ್ಸ್ ಸಾಫ್ಟ್‌ವೇರ್‌ನ ಉಪಕರಣಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಮಾರ್ಟೆನ್ಸೈಟ್ ಭಾಗದ ಪ್ರದೇಶವನ್ನು ಅಳೆಯಬಹುದು. ದಪ್ಪದಲ್ಲಿ ವಿವಿಧ ಕಡಿತಗಳಿಗೆ ಉರುಳಿದ ನಂತರ ಮಾರ್ಟೆನ್ಸಿಟಿಕ್ ಮತ್ತು ಆಸ್ಟೆನಿಟಿಕ್ ಹಂತಗಳ ವಿವರವಾದ ಭಿನ್ನರಾಶಿಗಳನ್ನು ಕೋಷ್ಟಕ 2 ತೋರಿಸುತ್ತದೆ.
ದಪ್ಪದಲ್ಲಿ 50% ಕಡಿತಕ್ಕೆ ಉರುಳಿದ ನಂತರ 316 L ಶೀಟ್‌ನ ಮೈಕ್ರೋಸ್ಟ್ರಕ್ಚರ್, ಹಾಳೆಯ ಸಮತಲಕ್ಕೆ ಲಂಬವಾಗಿ ನೋಡಲಾಗುತ್ತದೆ, 200 ಬಾರಿ ವರ್ಧಿಸುತ್ತದೆ, ಗ್ಲಿಸರಾಲ್ ಅಸಿಟೇಟ್.
ಕೋಷ್ಟಕ 2 ರಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾದ ಮೌಲ್ಯಗಳನ್ನು ಒಂದೇ ಮೆಟಾಲೋಗ್ರಾಫಿಕ್ ಮಾದರಿಯಲ್ಲಿ ವಿಭಿನ್ನ ಸ್ಥಳಗಳಲ್ಲಿ ತೆಗೆದ ಮೂರು ಛಾಯಾಚಿತ್ರಗಳ ಮೇಲೆ ಅಳತೆ ಮಾಡಿದ ಮಾರ್ಟೆನ್ಸೈಟ್ ಭಿನ್ನರಾಶಿಗಳನ್ನು ಸರಾಸರಿಯಾಗಿ ಪಡೆಯಲಾಗಿದೆ. ಜೊತೆಗೆ, ಅಂಜೂರದಲ್ಲಿ. 3 ಮಾರ್ಟೆನ್‌ಸೈಟ್‌ನಲ್ಲಿ ಕೋಲ್ಡ್ ರೋಲಿಂಗ್‌ನ ಪರಿಣಾಮವನ್ನು ಚೆನ್ನಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಕ್ವಾಡ್ರಾಟಿಕ್ ಫಿಟ್ಟಿಂಗ್ ಕರ್ವ್‌ಗಳನ್ನು ತೋರಿಸುತ್ತದೆ. ಕೋಲ್ಡ್ ರೋಲ್ಡ್ ಸ್ಥಿತಿಯಲ್ಲಿ ಮಾರ್ಟೆನ್ಸೈಟ್ ಮತ್ತು ದಪ್ಪದ ಕಡಿತದ ಅನುಪಾತದ ನಡುವೆ ಬಹುತೇಕ ರೇಖೀಯ ಸಂಬಂಧವಿದೆ ಎಂದು ನೋಡಬಹುದು. ಆದಾಗ್ಯೂ, ಚತುರ್ಭುಜ ಸಂಬಂಧವು ಈ ಸಂಬಂಧವನ್ನು ಉತ್ತಮವಾಗಿ ಪ್ರತಿನಿಧಿಸುತ್ತದೆ.
ಆರಂಭದಲ್ಲಿ ಅನೆಲ್ ಮಾಡಿದ 316 ಸ್ಟೀಲ್ ಶೀಟ್‌ನ ಕೋಲ್ಡ್ ರೋಲಿಂಗ್ ಸಮಯದಲ್ಲಿ ದಪ್ಪವನ್ನು ಕಡಿಮೆ ಮಾಡುವ ಕ್ರಿಯೆಯಾಗಿ ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಅನುಪಾತದಲ್ಲಿ ವ್ಯತ್ಯಾಸ.
ಗೋಳಾರ್ಧದ ಸ್ಫೋಟ ಪರೀಕ್ಷೆಗಳನ್ನು 37,38,45,66 ಬಳಸಿಕೊಂಡು ಸಾಮಾನ್ಯ ಕಾರ್ಯವಿಧಾನದ ಪ್ರಕಾರ ಆಕಾರದ ಮಿತಿಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗಿದೆ. ಒಟ್ಟಾರೆಯಾಗಿ, ಆರು ಮಾದರಿಗಳನ್ನು ಲೇಸರ್ ಕತ್ತರಿಸುವ ಮೂಲಕ 4a ನಲ್ಲಿ ತೋರಿಸಿರುವ ಆಯಾಮಗಳೊಂದಿಗೆ ಪ್ರಾಯೋಗಿಕ ಮಾದರಿಗಳ ಗುಂಪಾಗಿ ತಯಾರಿಸಲಾಯಿತು. ಮಾರ್ಟೆನ್ಸೈಟ್ ಭಾಗದ ಪ್ರತಿ ರಾಜ್ಯಕ್ಕೆ, ಮೂರು ಸೆಟ್ ಪರೀಕ್ಷಾ ಮಾದರಿಗಳನ್ನು ತಯಾರಿಸಿ ಪರೀಕ್ಷಿಸಲಾಯಿತು. ಅಂಜೂರದ ಮೇಲೆ. 4b ಕತ್ತರಿಸಿದ, ನಯಗೊಳಿಸಿದ ಮತ್ತು ಗುರುತಿಸಲಾದ ಮಾದರಿಗಳನ್ನು ತೋರಿಸುತ್ತದೆ.
ನಕಾಜಿಮಾ ಮೋಲ್ಡಿಂಗ್ ಮಾದರಿ ಗಾತ್ರ ಮತ್ತು ಕತ್ತರಿಸುವ ಬೋರ್ಡ್ ಅನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತದೆ. (ಎ) ಆಯಾಮಗಳು, (ಬಿ) ಕತ್ತರಿಸಿದ ಮತ್ತು ಗುರುತಿಸಲಾದ ಮಾದರಿಗಳು.
2 ಮಿಮೀ / ಸೆ ವೇಗದಲ್ಲಿ ಹೈಡ್ರಾಲಿಕ್ ಪ್ರೆಸ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಅರ್ಧಗೋಳದ ಗುದ್ದುವಿಕೆಯ ಪರೀಕ್ಷೆಯನ್ನು ನಡೆಸಲಾಯಿತು. ಪಂಚ್ ಮತ್ತು ಹಾಳೆಯ ಸಂಪರ್ಕ ಮೇಲ್ಮೈಗಳು ರಚನೆಯ ಮಿತಿಗಳ ಮೇಲೆ ಘರ್ಷಣೆಯ ಪರಿಣಾಮವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಚೆನ್ನಾಗಿ ನಯಗೊಳಿಸಲಾಗುತ್ತದೆ. ಮಾದರಿಯಲ್ಲಿ ಗಮನಾರ್ಹವಾದ ಕಿರಿದಾಗುವಿಕೆ ಅಥವಾ ವಿರಾಮವನ್ನು ಗಮನಿಸುವವರೆಗೆ ಪರೀಕ್ಷೆಯನ್ನು ಮುಂದುವರಿಸಿ. ಅಂಜೂರದ ಮೇಲೆ. 5 ಸಾಧನದಲ್ಲಿ ನಾಶವಾದ ಮಾದರಿಯನ್ನು ಮತ್ತು ಪರೀಕ್ಷೆಯ ನಂತರ ಮಾದರಿಯನ್ನು ತೋರಿಸುತ್ತದೆ.
ಆಕಾರದ ಮಿತಿಯನ್ನು ಅರ್ಧಗೋಳದ ಬರ್ಸ್ಟ್ ಟೆಸ್ಟ್, (ಎ) ಟೆಸ್ಟ್ ರಿಗ್, (ಬಿ) ಟೆಸ್ಟ್ ರಿಗ್‌ನಲ್ಲಿ ಬ್ರೇಕ್‌ನಲ್ಲಿ ಸ್ಯಾಂಪಲ್ ಪ್ಲೇಟ್, (ಸಿ) ಪರೀಕ್ಷೆಯ ನಂತರ ಅದೇ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ.
Jang67 ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ನರ-ಅಸ್ಪಷ್ಟ ವ್ಯವಸ್ಥೆಯು ಎಲೆ ರಚನೆಯ ಮಿತಿ ಕರ್ವ್ ಮುನ್ಸೂಚನೆಗೆ ಸೂಕ್ತವಾದ ಸಾಧನವಾಗಿದೆ. ಈ ರೀತಿಯ ಕೃತಕ ನರಮಂಡಲವು ಅಸ್ಪಷ್ಟ ವಿವರಣೆಗಳೊಂದಿಗೆ ನಿಯತಾಂಕಗಳ ಪ್ರಭಾವವನ್ನು ಒಳಗೊಂಡಿದೆ. ಇದರರ್ಥ ಅವರು ತಮ್ಮ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಯಾವುದೇ ನೈಜ ಮೌಲ್ಯವನ್ನು ಪಡೆಯಬಹುದು. ಈ ಪ್ರಕಾರದ ಮೌಲ್ಯಗಳನ್ನು ಅವುಗಳ ಮೌಲ್ಯಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಮತ್ತಷ್ಟು ವರ್ಗೀಕರಿಸಲಾಗಿದೆ. ಪ್ರತಿಯೊಂದು ವರ್ಗವು ತನ್ನದೇ ಆದ ನಿಯಮಗಳನ್ನು ಹೊಂದಿದೆ. ಉದಾಹರಣೆಗೆ, ತಾಪಮಾನದ ಮೌಲ್ಯವು ಯಾವುದೇ ನೈಜ ಸಂಖ್ಯೆಯಾಗಿರಬಹುದು ಮತ್ತು ಅದರ ಮೌಲ್ಯವನ್ನು ಅವಲಂಬಿಸಿ, ತಾಪಮಾನವನ್ನು ಶೀತ, ಮಧ್ಯಮ, ಬೆಚ್ಚಗಿನ ಮತ್ತು ಬಿಸಿ ಎಂದು ವರ್ಗೀಕರಿಸಬಹುದು. ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಉದಾಹರಣೆಗೆ, ಕಡಿಮೆ ತಾಪಮಾನದ ನಿಯಮವು "ಜಾಕೆಟ್ ಧರಿಸಿ" ನಿಯಮವಾಗಿದೆ, ಮತ್ತು ಬೆಚ್ಚಗಿನ ತಾಪಮಾನದ ನಿಯಮವು "ಸಾಕಷ್ಟು ಟಿ ಶರ್ಟ್" ಆಗಿದೆ. ಅಸ್ಪಷ್ಟ ತರ್ಕದಲ್ಲಿಯೇ, ಔಟ್‌ಪುಟ್ ಅನ್ನು ನಿಖರತೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹತೆಗಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುತ್ತದೆ. ಅಸ್ಪಷ್ಟ ತರ್ಕದೊಂದಿಗೆ ನರಮಂಡಲದ ವ್ಯವಸ್ಥೆಗಳ ಸಂಯೋಜನೆಯು ANFIS ವಿಶ್ವಾಸಾರ್ಹ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ.
Jang67 ಒದಗಿಸಿದ ಚಿತ್ರ 6 ಸರಳವಾದ ನರಗಳ ಅಸ್ಪಷ್ಟ ಜಾಲವನ್ನು ತೋರಿಸುತ್ತದೆ. ತೋರಿಸಿರುವಂತೆ, ನೆಟ್ವರ್ಕ್ ಎರಡು ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ನಮ್ಮ ಅಧ್ಯಯನದಲ್ಲಿ ಇನ್ಪುಟ್ ಮೈಕ್ರೊಸ್ಟ್ರಕ್ಚರ್‌ನಲ್ಲಿ ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಅನುಪಾತ ಮತ್ತು ಮೈನರ್ ಸ್ಟ್ರೈನ್‌ನ ಮೌಲ್ಯವಾಗಿದೆ. ವಿಶ್ಲೇಷಣೆಯ ಮೊದಲ ಹಂತದಲ್ಲಿ, ಅಸ್ಪಷ್ಟ ನಿಯಮಗಳು ಮತ್ತು ಸದಸ್ಯತ್ವ ಕಾರ್ಯಗಳನ್ನು (ಎಫ್‌ಸಿ) ಬಳಸಿಕೊಂಡು ಇನ್ಪುಟ್ ಮೌಲ್ಯಗಳನ್ನು ಅಸ್ಪಷ್ಟಗೊಳಿಸಲಾಗುತ್ತದೆ:
\(i=1, 2\) ಗಾಗಿ, ಇನ್ಪುಟ್ ವಿವರಣೆಯ ಎರಡು ವರ್ಗಗಳನ್ನು ಹೊಂದಿದೆ ಎಂದು ಭಾವಿಸಲಾಗಿದೆ. MF ಯಾವುದೇ ತ್ರಿಕೋನ, ಟ್ರೆಪೆಜೋಡಲ್, ಗಾಸಿಯನ್ ಅಥವಾ ಯಾವುದೇ ಇತರ ಆಕಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು.
ವರ್ಗಗಳ ಆಧಾರದ ಮೇಲೆ \({A}_{i}\) ಮತ್ತು \({B}_{i}\) ಮತ್ತು ಹಂತ 2 ರಲ್ಲಿ ಅವುಗಳ MF ಮೌಲ್ಯಗಳು, ಚಿತ್ರ 7 ರಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ ಕೆಲವು ನಿಯಮಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಲಾಗಿದೆ. ಪದರ, ವಿವಿಧ ಒಳಹರಿವಿನ ಪರಿಣಾಮಗಳನ್ನು ಹೇಗಾದರೂ ಸಂಯೋಜಿಸಲಾಗಿದೆ. ಇಲ್ಲಿ, ಮಾರ್ಟೆನ್ಸೈಟ್ ಭಾಗ ಮತ್ತು ಸಣ್ಣ ಸ್ಟ್ರೈನ್ ಮೌಲ್ಯಗಳ ಪ್ರಭಾವವನ್ನು ಸಂಯೋಜಿಸಲು ಈ ಕೆಳಗಿನ ನಿಯಮಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ:
ಈ ಪದರದ ಔಟ್‌ಪುಟ್ \({w}_{i}\) ಅನ್ನು ಇಗ್ನಿಷನ್ ತೀವ್ರತೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಕೆಳಗಿನ ಸಂಬಂಧದ ಪ್ರಕಾರ ಈ ದಹನದ ತೀವ್ರತೆಯನ್ನು ಲೇಯರ್ 3 ರಲ್ಲಿ ಸಾಮಾನ್ಯಗೊಳಿಸಲಾಗುತ್ತದೆ:
ಲೇಯರ್ 4 ರಲ್ಲಿ, ಇನ್ಪುಟ್ ನಿಯತಾಂಕಗಳ ಆರಂಭಿಕ ಮೌಲ್ಯಗಳ ಪ್ರಭಾವವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲು ಟಕಾಗಿ ಮತ್ತು ಸುಜೆನೊ ನಿಯಮಗಳು 67,68 ಅನ್ನು ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ. ಈ ಪದರವು ಈ ಕೆಳಗಿನ ಸಂಬಂಧಗಳನ್ನು ಹೊಂದಿದೆ:
ಪರಿಣಾಮವಾಗಿ \({f}_{i}\) ಲೇಯರ್‌ಗಳಲ್ಲಿನ ಸಾಮಾನ್ಯ ಮೌಲ್ಯಗಳಿಂದ ಪ್ರಭಾವಿತವಾಗಿರುತ್ತದೆ, ಇದು ಅಂತಿಮ ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತದೆ, ಮುಖ್ಯ ವಾರ್ಪ್ ಮೌಲ್ಯಗಳು:
ಇಲ್ಲಿ \(NR\) ನಿಯಮಗಳ ಸಂಖ್ಯೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ. ಅಜ್ಞಾತ ನೆಟ್ವರ್ಕ್ ನಿಯತಾಂಕಗಳನ್ನು ಸರಿಪಡಿಸಲು ಅದರ ಆಂತರಿಕ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸುವುದು ಇಲ್ಲಿ ನರಮಂಡಲದ ಪಾತ್ರವಾಗಿದೆ. ಅಜ್ಞಾತ ನಿಯತಾಂಕಗಳೆಂದರೆ \(\ಎಡ \{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), ಮತ್ತು MF ಗೆ ಸಂಬಂಧಿಸಿದ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು ಸಾಮಾನ್ಯೀಕರಿಸಿದ ವಿಂಡ್ ಚೈಮ್ಸ್ ಆಕಾರ ಕಾರ್ಯವನ್ನು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ:
ಆಕಾರದ ಮಿತಿ ರೇಖಾಚಿತ್ರಗಳು ರಾಸಾಯನಿಕ ಸಂಯೋಜನೆಯಿಂದ ಲೋಹದ ಹಾಳೆಯ ವಿರೂಪತೆಯ ಇತಿಹಾಸದವರೆಗೆ ಅನೇಕ ನಿಯತಾಂಕಗಳನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. ಕರ್ಷಕ ಪರೀಕ್ಷೆಯ ನಿಯತಾಂಕಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಕೆಲವು ನಿಯತಾಂಕಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು ಸುಲಭ, ಆದರೆ ಇತರವುಗಳಿಗೆ ಮೆಟಾಲೋಗ್ರಫಿ ಅಥವಾ ಉಳಿದ ಒತ್ತಡದ ನಿರ್ಣಯದಂತಹ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಕಾರ್ಯವಿಧಾನಗಳ ಅಗತ್ಯವಿರುತ್ತದೆ. ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಪ್ರತಿ ಬ್ಯಾಚ್ ಶೀಟ್‌ಗೆ ಸ್ಟ್ರೈನ್ ಮಿತಿ ಪರೀಕ್ಷೆಯನ್ನು ಕೈಗೊಳ್ಳಲು ಸಲಹೆ ನೀಡಲಾಗುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಕೆಲವೊಮ್ಮೆ ಇತರ ಪರೀಕ್ಷಾ ಫಲಿತಾಂಶಗಳನ್ನು ಆಕಾರದ ಮಿತಿಯನ್ನು ಅಂದಾಜು ಮಾಡಲು ಬಳಸಬಹುದು. ಉದಾಹರಣೆಗೆ, ಹಲವಾರು ಅಧ್ಯಯನಗಳು ಹಾಳೆಯ ರಚನೆಯನ್ನು ನಿರ್ಧರಿಸಲು ಕರ್ಷಕ ಪರೀಕ್ಷೆಯ ಫಲಿತಾಂಶಗಳನ್ನು ಬಳಸಿಕೊಂಡಿವೆ69,70,71,72. ಇತರ ಅಧ್ಯಯನಗಳು ತಮ್ಮ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಧಾನ್ಯದ ದಪ್ಪ ಮತ್ತು ಗಾತ್ರ31,73,74,75,76,77 ನಂತಹ ಹೆಚ್ಚಿನ ನಿಯತಾಂಕಗಳನ್ನು ಒಳಗೊಂಡಿವೆ. ಆದಾಗ್ಯೂ, ಎಲ್ಲಾ ಅನುಮತಿಸಲಾದ ನಿಯತಾಂಕಗಳನ್ನು ಸೇರಿಸಲು ಇದು ಕಂಪ್ಯೂಟೇಶನಲ್ ಪ್ರಯೋಜನಕಾರಿಯಲ್ಲ. ಹೀಗಾಗಿ, ANFIS ಮಾದರಿಗಳ ಬಳಕೆಯು ಈ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಸಮಂಜಸವಾದ ವಿಧಾನವಾಗಿದೆ45,63.
ಈ ಪತ್ರಿಕೆಯಲ್ಲಿ, 316 ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೀಲ್ ಶೀಟ್‌ನ ಆಕಾರ ಮಿತಿ ರೇಖಾಚಿತ್ರದ ಮೇಲೆ ಮಾರ್ಟೆನ್ಸೈಟ್ ವಿಷಯದ ಪ್ರಭಾವವನ್ನು ತನಿಖೆ ಮಾಡಲಾಗಿದೆ. ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಡೇಟಾ ಸೆಟ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸಲಾಗಿದೆ. ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ವ್ಯವಸ್ಥೆಯು ಎರಡು ಇನ್ಪುಟ್ ವೇರಿಯಬಲ್‌ಗಳನ್ನು ಹೊಂದಿದೆ: ಮೆಟಾಲೋಗ್ರಾಫಿಕ್ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಅಳೆಯಲಾದ ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಪ್ರಮಾಣ ಮತ್ತು ಸಣ್ಣ ಎಂಜಿನಿಯರಿಂಗ್ ತಳಿಗಳ ಶ್ರೇಣಿ. ಫಲಿತಾಂಶವು ರಚನೆಯ ಮಿತಿ ಕರ್ವ್ನ ಪ್ರಮುಖ ಎಂಜಿನಿಯರಿಂಗ್ ವಿರೂಪವಾಗಿದೆ. ಮಾರ್ಟೆನ್ಸಿಟಿಕ್ ಭಿನ್ನರಾಶಿಗಳಲ್ಲಿ ಮೂರು ವಿಧಗಳಿವೆ: ಉತ್ತಮ, ಮಧ್ಯಮ ಮತ್ತು ಹೆಚ್ಚಿನ ಭಿನ್ನರಾಶಿಗಳು. ಕಡಿಮೆ ಎಂದರೆ ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಪ್ರಮಾಣವು 10% ಕ್ಕಿಂತ ಕಡಿಮೆಯಾಗಿದೆ. ಮಧ್ಯಮ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ, ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಪ್ರಮಾಣವು 10% ರಿಂದ 20% ವರೆಗೆ ಇರುತ್ತದೆ. ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಹೆಚ್ಚಿನ ಮೌಲ್ಯಗಳನ್ನು 20% ಕ್ಕಿಂತ ಹೆಚ್ಚು ಭಿನ್ನರಾಶಿಗಳಾಗಿ ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಇದರ ಜೊತೆಗೆ, ಸೆಕೆಂಡರಿ ಸ್ಟ್ರೈನ್ ಲಂಬ ಅಕ್ಷದ ಬಳಿ -5% ಮತ್ತು 5% ನಡುವೆ ಮೂರು ವಿಭಿನ್ನ ವರ್ಗಗಳನ್ನು ಹೊಂದಿದೆ, ಇದನ್ನು FLD0 ಅನ್ನು ನಿರ್ಧರಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಧನಾತ್ಮಕ ಮತ್ತು ಋಣಾತ್ಮಕ ಶ್ರೇಣಿಗಳು ಇತರ ಎರಡು ವರ್ಗಗಳಾಗಿವೆ.
ಅರ್ಧಗೋಳದ ಪರೀಕ್ಷೆಯ ಫಲಿತಾಂಶಗಳನ್ನು FIG ನಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ. ಚಿತ್ರವು ಮಿತಿಗಳ 6 ಆಕಾರದ ರೇಖಾಚಿತ್ರಗಳನ್ನು ತೋರಿಸುತ್ತದೆ, ಅವುಗಳಲ್ಲಿ 5 ವೈಯಕ್ತಿಕ ರೋಲ್ಡ್ ಶೀಟ್‌ಗಳ FLD. ಸುರಕ್ಷತಾ ಬಿಂದು ಮತ್ತು ಅದರ ಮೇಲಿನ ಮಿತಿಯ ಕರ್ವ್ ಅನ್ನು ಮಿತಿ ಕರ್ವ್ (FLC) ರೂಪಿಸುತ್ತದೆ. ಕೊನೆಯ ಅಂಕಿ ಎಲ್ಲಾ FLC ಗಳನ್ನು ಹೋಲಿಸುತ್ತದೆ. ಕೊನೆಯ ಚಿತ್ರದಿಂದ ನೋಡಬಹುದಾದಂತೆ, 316 ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೀಲ್‌ನಲ್ಲಿ ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಅನುಪಾತದಲ್ಲಿನ ಹೆಚ್ಚಳವು ಶೀಟ್ ಲೋಹದ ರಚನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಮತ್ತೊಂದೆಡೆ, ಮಾರ್ಟೆನ್ಸೈಟ್ ಪ್ರಮಾಣವನ್ನು ಹೆಚ್ಚಿಸುವುದರಿಂದ ಕ್ರಮೇಣ FLC ಅನ್ನು ಲಂಬ ಅಕ್ಷದ ಸಮ್ಮಿತೀಯ ಕರ್ವ್ ಆಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ. ಕೊನೆಯ ಎರಡು ಗ್ರಾಫ್‌ಗಳಲ್ಲಿ, ವಕ್ರರೇಖೆಯ ಬಲಭಾಗವು ಎಡಕ್ಕಿಂತ ಸ್ವಲ್ಪ ಹೆಚ್ಚಾಗಿರುತ್ತದೆ, ಅಂದರೆ ಬೈಯಾಕ್ಸಿಯಲ್ ಟೆನ್ಶನ್‌ನಲ್ಲಿನ ರಚನೆಯು ಏಕಾಕ್ಷೀಯ ಒತ್ತಡಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿರುತ್ತದೆ. ಇದರ ಜೊತೆಗೆ, ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಹೆಚ್ಚುತ್ತಿರುವ ಅನುಪಾತದೊಂದಿಗೆ ಕುತ್ತಿಗೆ ಹಾಕುವ ಮೊದಲು ಚಿಕ್ಕ ಮತ್ತು ಪ್ರಮುಖ ಎಂಜಿನಿಯರಿಂಗ್ ತಳಿಗಳು ಕಡಿಮೆಯಾಗುತ್ತವೆ.
316 ಮಿತಿ ಕರ್ವ್ ಅನ್ನು ರೂಪಿಸುತ್ತದೆ. ಆಸ್ಟೆನಿಟಿಕ್ ಉಕ್ಕಿನ ಹಾಳೆಗಳ ರಚನೆಯ ಮೇಲೆ ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಅನುಪಾತದ ಪ್ರಭಾವ. (ಸುರಕ್ಷತಾ ಬಿಂದು SF, ರಚನೆಯ ಮಿತಿ ಕರ್ವ್ FLC, ಮಾರ್ಟೆನ್ಸೈಟ್ M).
7.8, 18.3 ಮತ್ತು 28.7%ನ ಮಾರ್ಟೆನ್ಸೈಟ್ ಭಿನ್ನರಾಶಿಗಳೊಂದಿಗೆ 60 ಸೆಟ್‌ಗಳ ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ನರಮಂಡಲವನ್ನು ತರಬೇತುಗೊಳಿಸಲಾಗಿದೆ. 15.4% ಮಾರ್ಟೆನ್ಸೈಟ್ನ ಡೇಟಾ ಸೆಟ್ ಅನ್ನು ಪರಿಶೀಲನೆ ಪ್ರಕ್ರಿಯೆಗಾಗಿ ಮತ್ತು 25.6% ಪರೀಕ್ಷಾ ಪ್ರಕ್ರಿಯೆಗಾಗಿ ಕಾಯ್ದಿರಿಸಲಾಗಿದೆ. 150 ಯುಗಗಳ ನಂತರ ದೋಷವು ಸುಮಾರು 1.5% ಆಗಿದೆ. ಅಂಜೂರದ ಮೇಲೆ. 9 ತರಬೇತಿ ಮತ್ತು ಪರೀಕ್ಷೆಗಾಗಿ ಒದಗಿಸಲಾದ ನಿಜವಾದ ಔಟ್‌ಪುಟ್ (\({\epsilon }_{1}\), ಮೂಲಭೂತ ಎಂಜಿನಿಯರಿಂಗ್ ಕೆಲಸದ ಹೊರೆ) ನಡುವಿನ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ತೋರಿಸುತ್ತದೆ. ನೀವು ನೋಡುವಂತೆ, ತರಬೇತಿ ಪಡೆದ NFS ಶೀಟ್ ಲೋಹದ ಭಾಗಗಳಿಗೆ \({\epsilon} _{1}\) ತೃಪ್ತಿಕರವಾಗಿ ಮುನ್ಸೂಚಿಸುತ್ತದೆ.
(ಎ) ತರಬೇತಿ ಪ್ರಕ್ರಿಯೆಯ ನಂತರ ಭವಿಷ್ಯ ಮತ್ತು ವಾಸ್ತವಿಕ ಮೌಲ್ಯಗಳ ನಡುವಿನ ಪರಸ್ಪರ ಸಂಬಂಧ, (ಬಿ) ತರಬೇತಿ ಮತ್ತು ಪರಿಶೀಲನೆಯ ಸಮಯದಲ್ಲಿ ಎಫ್‌ಎಲ್‌ಸಿಯಲ್ಲಿನ ಮುಖ್ಯ ಎಂಜಿನಿಯರಿಂಗ್ ಲೋಡ್‌ಗಳಿಗಾಗಿ ಊಹಿಸಲಾದ ಮತ್ತು ವಾಸ್ತವಿಕ ಮೌಲ್ಯಗಳ ನಡುವಿನ ದೋಷ.
ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ ಕೆಲವು ಹಂತದಲ್ಲಿ, ANFIS ನೆಟ್ವರ್ಕ್ ಅನಿವಾರ್ಯವಾಗಿ ಮರುಬಳಕೆಯಾಗುತ್ತದೆ. ಇದನ್ನು ನಿರ್ಧರಿಸಲು, "ಚೆಕ್" ಎಂದು ಕರೆಯಲ್ಪಡುವ ಸಮಾನಾಂತರ ತಪಾಸಣೆ ನಡೆಸಲಾಗುತ್ತದೆ. ಮೌಲ್ಯೀಕರಣ ದೋಷ ಮೌಲ್ಯವು ತರಬೇತಿ ಮೌಲ್ಯದಿಂದ ವಿಚಲನಗೊಂಡರೆ, ನೆಟ್ವರ್ಕ್ ಮರುತರಬೇತಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. ಚಿತ್ರ 9b ನಲ್ಲಿ ತೋರಿಸಿರುವಂತೆ, ಯುಗ 150 ಕ್ಕಿಂತ ಮೊದಲು, ಕಲಿಕೆ ಮತ್ತು ಮೌಲ್ಯೀಕರಣದ ವಕ್ರರೇಖೆಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಚಿಕ್ಕದಾಗಿದೆ ಮತ್ತು ಅವು ಸರಿಸುಮಾರು ಒಂದೇ ರೇಖೆಯನ್ನು ಅನುಸರಿಸುತ್ತವೆ. ಈ ಹಂತದಲ್ಲಿ, ದೃಢೀಕರಣ ಪ್ರಕ್ರಿಯೆಯ ದೋಷವು ಕಲಿಕೆಯ ರೇಖೆಯಿಂದ ವಿಪಥಗೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ, ಇದು ANFIS ಓವರ್‌ಫಿಟ್ಟಿಂಗ್‌ನ ಸಂಕೇತವಾಗಿದೆ. ಹೀಗಾಗಿ, 150 ರ ಸುತ್ತಿನ ANFIS ನೆಟ್ವರ್ಕ್ ಅನ್ನು 1.5% ದೋಷದೊಂದಿಗೆ ಸಂರಕ್ಷಿಸಲಾಗಿದೆ. ನಂತರ ANFIS ಗಾಗಿ FLC ಭವಿಷ್ಯವನ್ನು ಪರಿಚಯಿಸಲಾಗಿದೆ. ಅಂಜೂರದ ಮೇಲೆ. 10 ತರಬೇತಿ ಮತ್ತು ಪರಿಶೀಲನಾ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಬಳಸಲಾದ ಆಯ್ದ ಮಾದರಿಗಳಿಗೆ ಊಹಿಸಲಾದ ಮತ್ತು ನಿಜವಾದ ವಕ್ರರೇಖೆಗಳನ್ನು ತೋರಿಸುತ್ತದೆ. ಈ ವಕ್ರಾಕೃತಿಗಳ ಡೇಟಾವನ್ನು ನೆಟ್‌ವರ್ಕ್‌ಗೆ ತರಬೇತಿ ನೀಡಲು ಬಳಸಲಾಗಿರುವುದರಿಂದ, ಬಹಳ ನಿಕಟವಾದ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಗಮನಿಸುವುದು ಆಶ್ಚರ್ಯವೇನಿಲ್ಲ.
ವಿವಿಧ ಮಾರ್ಟೆನ್ಸೈಟ್ ವಿಷಯ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ನಿಜವಾದ ಪ್ರಾಯೋಗಿಕ FLC ಮತ್ತು ANFIS ಮುನ್ಸೂಚಕ ವಕ್ರಾಕೃತಿಗಳು. ಈ ವಕ್ರಾಕೃತಿಗಳನ್ನು ತರಬೇತಿ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ.
ಕೊನೆಯ ಮಾದರಿಗೆ ಏನಾಯಿತು ಎಂದು ANFIS ಮಾದರಿಗೆ ತಿಳಿದಿಲ್ಲ. ಆದ್ದರಿಂದ, 25.6%ನ ಮಾರ್ಟೆನ್ಸೈಟ್ ಭಾಗದೊಂದಿಗೆ ಮಾದರಿಗಳನ್ನು ಸಲ್ಲಿಸುವ ಮೂಲಕ ನಾವು FLC ಗಾಗಿ ನಮ್ಮ ತರಬೇತಿ ಪಡೆದ ANFIS ಅನ್ನು ಪರೀಕ್ಷಿಸಿದ್ದೇವೆ. ಅಂಜೂರದ ಮೇಲೆ. 11 ANFIS FLC ಭವಿಷ್ಯ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ FLC ಅನ್ನು ತೋರಿಸುತ್ತದೆ. ಊಹಿಸಲಾದ ಮೌಲ್ಯ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಮೌಲ್ಯದ ನಡುವಿನ ಗರಿಷ್ಠ ದೋಷವು 6.2% ಆಗಿದೆ, ಇದು ತರಬೇತಿ ಮತ್ತು ಮೌಲ್ಯೀಕರಣದ ಸಮಯದಲ್ಲಿ ಊಹಿಸಲಾದ ಮೌಲ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿರುತ್ತದೆ. ಆದಾಗ್ಯೂ, FLC ಅನ್ನು ಸೈದ್ಧಾಂತಿಕವಾಗಿ ಊಹಿಸುವ ಇತರ ಅಧ್ಯಯನಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಈ ದೋಷವು ಸಹಿಸಬಹುದಾದ ದೋಷವಾಗಿದೆ.
ಉದ್ಯಮದಲ್ಲಿ, ರಚನೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ನಿಯತಾಂಕಗಳನ್ನು ನಾಲಿಗೆಯ ರೂಪದಲ್ಲಿ ವಿವರಿಸಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, "ಒರಟಾದ ಧಾನ್ಯವು ರಚನೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ" ಅಥವಾ "ಹೆಚ್ಚಿದ ಶೀತ ಕೆಲಸವು FLC ಅನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ". ಮೊದಲ ಹಂತದಲ್ಲಿ ANFIS ನೆಟ್‌ವರ್ಕ್‌ಗೆ ಇನ್ಪುಟ್ ಅನ್ನು ಕಡಿಮೆ, ಮಧ್ಯಮ ಮತ್ತು ಹೆಚ್ಚಿನದಂತಹ ಭಾಷಾ ವರ್ಗಗಳಾಗಿ ವರ್ಗೀಕರಿಸಲಾಗಿದೆ. ನೆಟ್ವರ್ಕ್ನಲ್ಲಿ ವಿವಿಧ ವರ್ಗಗಳಿಗೆ ವಿಭಿನ್ನ ನಿಯಮಗಳಿವೆ. ಆದ್ದರಿಂದ, ಉದ್ಯಮದಲ್ಲಿ, ಈ ರೀತಿಯ ಜಾಲವು ಅವರ ಭಾಷಾ ವಿವರಣೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಹಲವಾರು ಅಂಶಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ವಿಷಯದಲ್ಲಿ ಬಹಳ ಉಪಯುಕ್ತವಾಗಿದೆ. ಈ ಕೆಲಸದಲ್ಲಿ, ANFIS ನ ಸಾಧ್ಯತೆಗಳನ್ನು ಬಳಸಲು ನಾವು ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್ಗಳ ಮೈಕ್ರೊಸ್ಟ್ರಕ್ಚರ್ನ ಮುಖ್ಯ ಲಕ್ಷಣಗಳಲ್ಲಿ ಒಂದನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸಿದ್ದೇವೆ. 316 ರ ಒತ್ತಡ-ಪ್ರೇರಿತ ಮಾರ್ಟೆನ್ಸೈಟ್ ಪ್ರಮಾಣವು ಈ ಒಳಸೇರಿಸುವಿಕೆಯ ಶೀತ ಕೆಲಸದ ನೇರ ಪರಿಣಾಮವಾಗಿದೆ. ಪ್ರಯೋಗ ಮತ್ತು ANFIS ವಿಶ್ಲೇಷಣೆಯ ಮೂಲಕ, ಈ ರೀತಿಯ ಆಸ್ಟೆನಿಟಿಕ್ ಸ್ಟೇನ್ಲೆಸ್ ಸ್ಟೀಲ್‌ನಲ್ಲಿ ಮಾರ್ಟೆನ್ಸೈಟ್ ಪ್ರಮಾಣವನ್ನು ಹೆಚ್ಚಿಸುವುದು ಪ್ಲೇಟ್ 316 ನ FLC ನಲ್ಲಿ ಗಮನಾರ್ಹ ಇಳಿಕೆಗೆ ಕಾರಣವಾಗುತ್ತದೆ ಎಂದು ಕಂಡುಬಂದಿದೆ, ಇದರಿಂದಾಗಿ ಮಾರ್ಟೆನ್ಸೈಟ್ ಪ್ರಮಾಣವನ್ನು 7.8% ರಿಂದ 28.7% ಕ್ಕೆ ಹೆಚ್ಚಿಸುವುದು ಕಡಿಮೆಯಾಗುತ್ತದೆ. 0.35 ರಿಂದ FLD0. ಕ್ರಮವಾಗಿ 0.1 ವರೆಗೆ. ಮತ್ತೊಂದೆಡೆ, ತರಬೇತಿ ಪಡೆದ ಮತ್ತು ಮೌಲ್ಯೀಕರಿಸಿದ ANFIS ನೆಟ್ವರ್ಕ್ ಲಭ್ಯವಿರುವ ಪ್ರಾಯೋಗಿಕ ಡೇಟಾದ 80% ಅನ್ನು 6.5% ನಷ್ಟು ಗರಿಷ್ಠ ದೋಷದೊಂದಿಗೆ ಬಳಸಿಕೊಂಡು FLC ಅನ್ನು ಊಹಿಸಬಹುದು, ಇದು ಇತರ ಸೈದ್ಧಾಂತಿಕ ಕಾರ್ಯವಿಧಾನಗಳು ಮತ್ತು ವಿದ್ಯಮಾನ ಸಂಬಂಧಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ದೋಷದ ಸ್ವೀಕಾರಾರ್ಹ ಅಂಚು.
ಪ್ರಸ್ತುತ ಅಧ್ಯಯನದಲ್ಲಿ ಬಳಸಿದ ಮತ್ತು/ಅಥವಾ ವಿಶ್ಲೇಷಿಸಿದ ಡೇಟಾಸೆಟ್‌ಗಳು ಸಮಂಜಸವಾದ ವಿನಂತಿಯ ಮೇರೆಗೆ ಆಯಾ ಲೇಖಕರಿಂದ ಲಭ್ಯವಿದೆ.
ಇಫ್ತಿಕರ್, CMA, ಮತ್ತು ಇತರರು. ಅನುಪಾತದ ಮತ್ತು ಪ್ರಮಾಣಾನುಗುಣವಲ್ಲದ ಲೋಡಿಂಗ್ ಪಥಗಳ ಅಡಿಯಲ್ಲಿ ಹೊರತೆಗೆದ AZ31 ಮೆಗ್ನೀಸಿಯಮ್ ಮಿಶ್ರಲೋಹದ ನಂತರದ ಇಳುವರಿ ಮಾರ್ಗಗಳ ವಿಕಸನ: CPFEM ಪ್ರಯೋಗಗಳು ಮತ್ತು ಸಿಮ್ಯುಲೇಶನ್‌ಗಳು. ಆಂತರಿಕ ಜೆ. ಪ್ರಾಸ್ಟ್. 151, 103216 (2022).
ಇಫ್ತಿಕರ್, TsMA ಮತ್ತು ಇತರರು. ಅನೆಲ್ಡ್ AA6061 ಮಿಶ್ರಲೋಹದ ಪ್ರಮಾಣಾನುಗುಣ ಮತ್ತು ಪ್ರಮಾಣಾನುಗುಣವಲ್ಲದ ಲೋಡಿಂಗ್ ಪಥಗಳ ಉದ್ದಕ್ಕೂ ಪ್ಲಾಸ್ಟಿಕ್ ವಿರೂಪತೆಯ ನಂತರದ ನಂತರದ ಇಳುವರಿ ಮೇಲ್ಮೈಯ ವಿಕಸನ: ಪ್ರಯೋಗಗಳು ಮತ್ತು ಸ್ಫಟಿಕ ಪ್ಲಾಸ್ಟಿಟಿಯ ಸೀಮಿತ ಅಂಶ ಮಾಡೆಲಿಂಗ್. ಆಂತರಿಕ ಜೆ. ಪ್ಲಾಸ್ಟ್ 143, 102956 (2021).
ಮಾನಿಕ್, ಟಿ., ಹೋಲ್ಮೆಡಲ್, ಬಿ. & ಹಾಪರ್‌ಸ್ಟಾಡ್, ಓಎಸ್ ಸ್ಟ್ರೆಸ್ ಟ್ರಾನ್ಸಿಯಂಟ್‌ಗಳು, ವರ್ಕ್ ಗಟ್ಟಿಯಾಗುವುದು ಮತ್ತು ಸ್ಟ್ರೈನ್ ಪಥ ಬದಲಾವಣೆಗಳಿಂದಾಗಿ ಅಲ್ಯೂಮಿನಿಯಂ ಆರ್ ಮೌಲ್ಯಗಳು. ಆಂತರಿಕ ಜೆ. ಪ್ರಾಸ್ಟ್. 69, 1–20 (2015).
ಮಮುಶಿ, ಎಚ್. ಮತ್ತು ಇತರರು. ಸಾಮಾನ್ಯ ಒತ್ತಡದ ಪರಿಣಾಮವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಸೀಮಿತಗೊಳಿಸುವ ಆಕಾರ ರೇಖಾಚಿತ್ರವನ್ನು ನಿರ್ಧರಿಸಲು ಹೊಸ ಪ್ರಾಯೋಗಿಕ ವಿಧಾನ. ಆಂತರಿಕ ಜೆ. ಅಲ್ಮಾ ಮೇಟರ್ ರೂಪ. 15(1), 1 (2022).
ಯಾಂಗ್ Z. ಮತ್ತು ಇತರರು. ಡಕ್ಟೈಲ್ ಫ್ರಾಕ್ಚರ್ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳ ಪ್ರಾಯೋಗಿಕ ಮಾಪನಾಂಕ ನಿರ್ಣಯ ಮತ್ತು AA7075-T6 ಶೀಟ್ ಮೆಟಲ್‌ನ ಸ್ಟ್ರೈನ್ ಮಿತಿಗಳು. ಜೆ. ಅಲ್ಮಾ ಮೇಟರ್ ಪ್ರಕ್ರಿಯೆ. ತಂತ್ರಜ್ಞಾನಗಳು. 291, 117044 (2021).
ಪೆಟ್ರಿಟ್ಸ್, ಎ. ಮತ್ತು ಇತರರು. ಅಲ್ಟ್ರಾ-ಫ್ಲೆಕ್ಸಿಬಲ್ ಫೆರೋಎಲೆಕ್ಟ್ರಿಕ್ ಪರಿವರ್ತಕಗಳು ಮತ್ತು ಸಾವಯವ ಡಯೋಡ್‌ಗಳನ್ನು ಆಧರಿಸಿದ ಗುಪ್ತ ಶಕ್ತಿ ಕೊಯ್ಲು ಸಾಧನಗಳು ಮತ್ತು ಬಯೋಮೆಡಿಕಲ್ ಸಂವೇದಕಗಳು. ರಾಷ್ಟ್ರೀಯ ಕಮ್ಯೂನ್. 12(1), 2399 (2021).
ಬಸಾಕ್, S. ಮತ್ತು ಪಾಂಡಾ, Yld 2000–2d ಇಳುವರಿ ಮಾದರಿಯನ್ನು ಬಳಸಿಕೊಂಡು ಧ್ರುವೀಯ ಪರಿಣಾಮಕಾರಿ ಪ್ಲಾಸ್ಟಿಕ್ ವಿರೂಪತೆಯ ಪಥಗಳಲ್ಲಿ ವಿವಿಧ ಪೂರ್ವರೂಪಿತ ಫಲಕಗಳ ಕುತ್ತಿಗೆ ಮತ್ತು ಮುರಿತದ ಮಿತಿಗಳ SK ವಿಶ್ಲೇಷಣೆ. ಜೆ. ಅಲ್ಮಾ ಮೇಟರ್ ಪ್ರಕ್ರಿಯೆ. ತಂತ್ರಜ್ಞಾನಗಳು. 267, 289–307 (2019).
ಬಸಾಕ್, ಎಸ್. ಮತ್ತು ಪಾಂಡಾ, ಅನಿಸೊಟ್ರೊಪಿಕ್ ಶೀಟ್ ಮೆಟಲ್ಸ್‌ನಲ್ಲಿ ಎಸ್‌ಕೆ ಫ್ರಾಕ್ಚರ್ ಡಿಫಾರ್ಮೇಷನ್ಸ್: ಎಕ್ಸ್‌ಪಿರಿಮೆಂಟಲ್ ಎವಾಲ್ಯುಯೇಶನ್ ಮತ್ತು ಥಿಯರೆಟಿಕಲ್ ಪ್ರಿಡಿಕ್ಶನ್ಸ್. ಆಂತರಿಕ ಜೆ. ಮೆಚಾ ವಿಜ್ಞಾನ. 151, 356–374 (2019).
Jalefar, F., Hashemi, R. & Hosseinipur, SJ ಮೋಲ್ಡಿಂಗ್ ಮಿತಿ ರೇಖಾಚಿತ್ರ AA5083 ಮೇಲೆ ಒತ್ತಡದ ಪಥವನ್ನು ಬದಲಾಯಿಸುವ ಪರಿಣಾಮದ ಪ್ರಾಯೋಗಿಕ ಮತ್ತು ಸೈದ್ಧಾಂತಿಕ ಅಧ್ಯಯನ. ಆಂತರಿಕ ಜೆ. ಅಡ್ವ. ತಯಾರಕ. ತಂತ್ರಜ್ಞಾನಗಳು. 76(5–8), 1343–1352 (2015).
ಹಬೀಬಿ, ಎಂ. ಮತ್ತು ಇತರರು. ಯಾಂತ್ರಿಕ ಗುಣಲಕ್ಷಣಗಳ ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನ, ರಚನೆ, ಮತ್ತು ಘರ್ಷಣೆಯ ಸ್ಟಿರ್ ವೆಲ್ಡ್ ಖಾಲಿ ಜಾಗಗಳ ಆಕಾರ ರೇಖಾಚಿತ್ರವನ್ನು ಸೀಮಿತಗೊಳಿಸುತ್ತದೆ. ಜೆ. ಮೇಕರ್ ಪ್ರಕ್ರಿಯೆ. 31, 310–323 (2018).
ಹಬೀಬಿ, ಎಂ., ಮತ್ತು ಇತರರು. ಬಾಗುವಿಕೆಯ ಪ್ರಭಾವವನ್ನು ಪರಿಗಣಿಸಿ, MC ಮಾದರಿಯನ್ನು ಸೀಮಿತ ಅಂಶ ಮಾಡೆಲಿಂಗ್‌ಗೆ ಸೇರಿಸುವ ಮೂಲಕ ಮಿತಿ ರೇಖಾಚಿತ್ರವನ್ನು ರಚಿಸಲಾಗಿದೆ. ಪ್ರಕ್ರಿಯೆ. ಫರ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್. ಯೋಜನೆ. L 232(8), 625–636 (2018).
ಪೋಸ್ಟ್ ಸಮಯ: ಜೂನ್-08-2023