Effets de la réduction d'épaisseur lors du processus de laminage à froid sur la formabilité des tôles à l'aide d'ANFIS

Rapports scientifiques volume 12, Numéro d'article : 10434 (2022) Citer cet article

1469 Accès

4 citations

Détails des métriques

Le laminage à froid a un effet néfaste sur la formabilité des tôles. Ceci est cependant inévitable pour produire des surfaces en tôle de haute qualité. Les effets du laminage à froid sur les limites de formage des feuilles étirables ne sont pas étudiés de manière exhaustive dans la littérature. Dans cette étude, une étude expérimentale approfondie est menée pour observer l'effet de différentes réductions d'épaisseur de laminage à froid sur la formabilité des tôles. Étant donné que la procédure expérimentale de tels tests est coûteuse, une intelligence artificielle est également adoptée pour prédire les effets de la réduction de l'épaisseur à froid sur la formabilité des tôles. À cet égard, les tôles St14 sont examinées à l'aide d'expériences de traction, de métallographie, de laminage à froid et de poinçonnage hémisphère de Nakazima. Les données obtenues sont en outre utilisées pour former et tester un modèle de système d'inférence floue de réseau neuronal adaptatif (ANFIS). Les résultats indiquent que le laminage à froid réduit la formabilité des tôles dans des conditions de chargement par étirement. De plus, le comportement en traction de la tôle se modifie considérablement en raison de la réduction de l'épaisseur à froid de la même tôle. Le modèle ANFIS entraîné a également été entraîné et testé avec succès dans la prédiction de la formation de diagrammes de limites. Ce modèle pourrait être utilisé pour déterminer les déformations limites de formation dans d'autres conditions de réduction d'épaisseur. Il est discuté du fait que la détermination des diagrammes limites de formage n'est pas une propriété intrinsèque d'une composition chimique des tôles et que de nombreux autres facteurs doivent être pris en compte.

La détermination de la limite de formage de la tôle est essentielle dans la conception de la géométrie finale des produits en tôle. Il s’agit également de l’un des principaux tests de contrôle qualité dans les usines d’emboutissage profond et de formage de tôles. Contrairement aux essais de traction, la détermination des limites de formage implique un nombre plus élevé d'éprouvettes et une procédure d'essai compliquée. Pour tenter d'éviter des tests aussi coûteux et longs, il existe de nombreuses méthodes analytiques proposées dans la littérature sur le calcul des FLD utilisant les données des courbes d'essai de traction uniaxiale1,2,3,4,5. Cependant, les courbes de traction uniaxiales ne peuvent pas constituer une source fiable pour déterminer les limites de formage6. Comme Wu et al.7 ont montré expérimentalement que les feuilles présentant des différences mineures dans les courbes de traction uniaxiales présentaient des différences considérables dans leurs FLD en raison des effets de leurs textures. Par conséquent, bien que les courbes de traction donnent une idée intuitive des limites de formation, elles ne suffisent pas pour calculer les FLD exactes.

Il est actuellement admis que la meilleure façon d'obtenir les courbes limites de formage consiste à effectuer des tests expérimentaux pour chaque lot de produits en feuilles. Les limites de formage dépendent de nombreux facteurs, notamment les conditions de chargement, l'épaisseur de la feuille ainsi que les propriétés microstructurales de la feuille. Il n’existe pas de modèle prenant en compte tous les paramètres géométriques, de chargement et microstructuraux. Ainsi, les modèles ne peuvent pas être fiables même s’ils présentent des résultats acceptables dans des circonstances spécifiques.

Récemment, on a assisté à une utilisation croissante de l’intelligence artificielle et de la logique floue dans de nombreux domaines de recherche. Les effets des paramètres géométriques sur les limites de formation ont été examinés par Elangovan et al.8 à l'aide d'un réseau de neurones artificiels (ANN). Le modèle ANN a été formé à l'aide d'un ensemble de dates obtenu à partir d'expériences. Le modèle entraîné a ensuite été engagé pour prédire le FLD pour un ensemble de nouveaux paramètres géométriques de la feuille. Le comportement de la limite de formation dans différentes conditions de chargement et de température a été étudié par Kotkunde et al.9 à l'aide d'ANN. Les limites de formation prévues à l'aide de la méthode ANN étaient en accord acceptable avec les résultats expérimentaux. Les conditions thermiques et de taux de chargement extrêmes sont expérimentalement difficiles à appliquer et à examiner sur les limites de formage. Dans une étude de Mohamed et al.10, il a été démontré que l'ANN pourrait être utilisé pour prédire la FLD. Derogar et Djavanroodi11 ont démontré la capacité de l'ANN à prédire les limites de formage des tôles.