Prediction of flow stress characteristics of P92 steel using a simple physically-based constitutive modelling
Notice bibliographique
Résumé
This study reports the flow stress behavior of three P92 steels with different compositions. Uniaxial compression tests were conducted in the deformation temperature range of 575 °C to 650 °C and strain rate range of 0.001-0.5 s-1 using a Gleeble® 3500 thermo-mechanical simulator. A simple physically-based constitutive model was used to analyse the effects of deformation conditions (temperature and strain rate) on the metal flow stress behavior during the deformation process. The method accounts for the temperature dependence of Young’s modulus and the lattice self-diffusion coefficient of Fe in the ferrite. Constitutive equations describing the flow stress behavior of the three P92 steels were developed. From the results, the stress exponent n of 26.13(steel A), 21.61(steel B) and 27.55 (steel C) were obtained using the self-diffusion activation energy in the physically-based constitutive equation. From the results, the three steels had variation in the stress exponent values, which was attributed to differences in elemental content, such as chromium and tungsten. The developed constitutive equations were verified using statistical parameters: Pearson’s correlation coefficient (R) and average absolute relative errors (AARE). Statistical analysis showed that the three steels had the same R of 0.98, while AARE was: 1.68 (steel A), 1.72 (steel B), and 1.82 (steel C). The constitutive equations developed showed a good correlation between the experimental and predicted flow stress data. Hence, the method is applicable in describing flow stress behavior in the metalworking process in the industry.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».