Shima, Oyane

1

Università degli Studi di Roma “Tor Vergata”Dipartimento di Ingegneria Meccanica

2

3A 028.12 183.0 RB

21

2RA

3

1 2RB

2

1

C

C

R

RR

21

2RA

3

1 2RB

0

85.0

0

0

1

R

R

RR

Shima, Oyane

Lee, Kim

Kim

Modello operativo per la compattazione

2221

'2 RsJBJA Superficie di snervamento

f

R

21

2RA

3

1 2RB

Doraivelu, Lee, Kim R=1 Criterio di Von Mises

devIJ

IJ

2'2

11

Primo invariante del tensore delle tensioni

Secondo invariante del deviatorico del tensore tensioni

Modelli semi-sperimentali

2


Studio dei modelli esistenti

z

r

p

p

p

p

100

01

0

00

1

11 pJ

22'

2 1

21

3

2

pJ

Kuhn, Ferguson 25.0 R Cost

0.4

0.5

0.6

0.7

0.8

0.9

1

0 200 400 600 800 1000 1200

Pressione [MPa]

Den

sità

rel

ativ

a

DLK DLKSO SOLK LKK K

cost var

Piccola differenza se costante o variabileNecessità di maggiori parametri sperimentali

2221

'2 RsJBJA

3


-300 -200 -100 0 100 200 300-300

-140

20

180

0

50

100

150

200

250

300

3 [MPa]

1 [MPa]

2 [MPa]

250-300200-250150-200100-15050-1000-50

-300 -200 -100 0 100 200300

-300

-150

0

150

300

-300

-250

-200

-150

-100

-50

0

3 [MPa]

1 [MPa]

2 [MPa]

-50-0-100--50-150--100-200--150-250--200-300--250

R=0.8

Studio dei modelli esistenti

z

r

pz

r

z

r

z

r

pLa superficie di snervamento(Doraivelu, Lee, Kim)

Dipendenza da R

-300

-200

-100

0

100

200

300

-300 -200 -100 0 100 200 300

1 [MPa]

2 [

MP

a]

R=0.9R=0.8R=0.7

= 0

2221

'2 RsJBJA

4


Esecuzione di prove di compattazione

13 mm

F = 0.1-15 t

Misura non dipendente dalla massa del campione

0

0.5

1

0 2 4 6

Massa [g]

De

ns

ità

re

lati

va

p = 380 MPa

dev.st = 0.01

0.3

0.5

0.7

0.9

0 200 400 600 800 1000 1200

Pressione [MPa]

De

ns

ità

re

lati

va

Massa = 3.5 g

Curva di compattazione

5


0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

0 200 400 600 800 1000 1200

Pressione [MPa]

De

ns

ità

re

lati

va

SperimentaleModello

Scelta del modello di Kim

Scelta del modello operativo

0

0

0

1

R

n

R

RR

Correzione

Fitting della curva

37.0g/cm 4.5 03 Rf

MPa 309

45.0

5.1

s

v

n

0.4

0.5

0.6

0.7

0.8

0.9

1

0 200 400 600 800 1000 1200

Pressione [MPa]

Den

sità

rel

ativ

a

DLK DLKSO SOLK LKK KSperimentale

6


Pasticca iniziale

Z spost [mm]

Step strutturale

Nuova geometria

T [°C]

Step termico

Proprietà iniziali del materiale

t1

ti

t = tf

k(T), H(T)

(T,i-1), E(T,i-1) f

i

7


Mappa di densità [kg/m3]

Modellazione del processo di schiumatura

8


Problematiche per la schiumatura di un oggetto complesso

9


Rete neurale MLPSistema di elaborazione costituito da elementi interconnessi (neuroni) che elaborano le informazioni modificando la risposta dinamica in seguito ad input esterni.

Applicazione dei sistemi esperti

%SiC %TiH2 T tf

e OUTPUT LAYER

HIDDEN LAYER

INPUT LAYER

sinapsi

sinapsiiy

jyjiw ikw

Processing Element: nodo i

Funzione di attivazione Φ

n

jijjiii ywAy

1

Architettura

Trasmissione dei segnali

10


Modellazione degli andamenti sperimentali

Rete neurale MLP: la legge di apprendimento

La rete impara il valore dei pesi che collegano i neuroni in base ad una legge di apprendimento sul set di esempi determinato dal piano sperimentale.

ji

ji w

Ew

I pesi sinaptici vengono modificati nella direzione opposta al gradiente della funzione E

Error Back Propagation

22

1desideratomisuratoi OutputOutputE

Discesa lungo la superficie dell’errore cercando un minimo assoluto di E

0

jiw

E

11


Rete neurale MLP: i risultati

Numero di epoche 10000

Testing 60%

Cross Validation 65%

Training 87%

PE hidden layer 18

Capacità della rete neurale di dare una risposta significativa agli input di processo sperimentali

Overtraining

Piattaforma utilizzata: Neurosolutions 5.0

Dati sperimentali

Training data: per modificare i pesi sinattici

Cross Validation data: per arrestare l’overtraining

Testing data: testano la generalizzazione della rete

Il numero elevato di PE nello strato nascosto può essere causa di overtraining.

Dall’ epoca 2440 la rete tende a memorizzare i risultati: perdita di generalizzazione

Modellazione degli andamenti sperimentali

12


Schiume di acciaio

- MgCO3 e SrCO3 (carbonato di magnesio e carbonato di stronzio). - Temperature di dissociazione rispettivamente di 1290 °C e 1310 °C

13


A. Czekanski, M. A. Elbestawi, and S. A. Meguid, ‘On the FE modeling of closed-cell Aluminum Foam’, International Journal of Mechanics and Materials in Design (2005) 2: 23–34.

Banhart J., ‘Manufacture, characterization and application of cellular metals and metal foams’, Progress in Materials Science, 2001, 46, 559–632.Banhart, J., Ashby, M. F. and Fleck, N. A., Metal Foams and Porous Metal Structures. MIT-Verlag, Bremen, 1999.

Banhart, J., Baumeister, J. and Weber, M., Powder metallurgical technology for the production of metal foam, in Proceedings of the European Conference on Advanced PM Materials. Birmingham 23±25 October, 1995, p. 201.

Banhart, P. and Weigand, P., Powder metallurgical process for the production of metallic foams, in Proc. Fraunhofer USA Symposium Metallic Foams, ed. J. Banhart and H. Eifert. MIT-Verlag, Bremen, 1998, p. 13.

Barletta M., Guarino S., Montanari R. and Tagliaferri V., Metal foams for structural applications: design and manufacturing, proceedings of International Manufacturing Leaders Forum on “Global Competitive Manufacturing” 27th February - 2nd March 2005, Adelaide, Australia

Baumeister U.J., J. Banhart, M. Weber, Aluminum foams for transport industry, Materials & Design , 1997, 18, pp. 217,220.Belkessam O. and Fritsching U., Modeling and simulation of continuous metal foaming process, Modeling Simul. Mater. Sci. Eng. 2003, 11, 823–

837.C. Motz and R. Pippan, ‘Deformation behaviour of closed-cell aluminium foams in tension’, Acta Mater. 49 (2001) 2463–2470.

C.Y. Zhao, T.J. Lu, H.P. Hodson, ‘Thermal radiation in ultralight metal foams with open cells’, International Journal of Heat and Mass Transfer 47 (2004) 2927–2939.

Design and Analysis of Experiments edited by Montgomery, D. C.,John Wiley & Sons, New York, 1997.Duarte I., Banhart J., ‘A study of aluminum foam formation kinetics and microstructure’, Acta Materialia, 2000, 48, 2349-2362.

Gisario A., Guarino S., Production of metal foams and behaviour characterization, proceedings of “7° AITEM Conference Enhancing the Science of Manufacturing” (7-9 September 2005, Lecce , Italy).

Guarino S., Tagliaferri V., Fabrication of aluminum foam components by using powder compact melting method, ESDA2004: 7th Biennial Conference on Engineering Systems Design and Analysis, 2004 , Manufacturing Engineering 58607.

Hong-Wei Song, Zi-Jie Fan, Gang Yu, Qing-Chun Wang, A. Tobota, ‘Partition energy absorption of axially crushed aluminum foam-filled hat sections’, International Journal of Solids and Structures 42 (2005) 2575–2600.

Kathuria Y.P., Nd-YAG laser assisted aluminum foaming, Journal of Materials Processing Technology, 2003, 142, 466–470.K. Boomsma, D. Poulikakos, F. Zwick, ‘Metal foams as compact high performance heat exchangers’, Mechanics of Materials 35 (2003) 1161–1176.

Ma L., Song Z., He D., ‘Cellular structure controllable aluminum foams produced by high pressure infiltration process, Scripta Materialia, 1999, 41(7), 785–789.

Maxime Gauthier, Louis-Philippe Lefebvre, Yannig Thomas, Martin N. Bureau, ‘Production of Metallic Foams Having Open Porosity Using a Powder Metallurgy Approach’, Materials and Manufacturing Processes, 2004, 19 (5), 793 – 811.

Taguchi's Quality Engineering Handbook edited by Taguchi G., Chowdhury S., Wu Y., Wiley-Interscience, 2004.Yang C.C., Nakae H., Foaming characteristics control during production of aluminum alloy foam’, Journal of Alloys and Compounds, 2000, 313,

188–191.

Bibliografia

Documents

Shima, Oyane