A unique numerical iterative approach for modelling individual phase stress-strain curves in dual phase steel
Notice bibliographique
Résumé
Abstract Understanding the effects of martensite volume fractions (V m) in dual phase (DP) steel resulting from heat treatment is crucial for designing structures for mechanical impact resistance and optimizing manufacturing processes. DP steel’s material behaviour depends heavily on its microstructure properties. While stress-strain curves for individual phases in DP steels are often determined using empirical models, extensive experimental data is required to establish empirical model constants. This research aims to achieve two main objectives: firstly, to calibrate stress-strain curves for pure ferrite and pure martensite using limited experimental data using micromechanical adaptive iteration algorithm (MAIA). This calibration involves using stress-strain data from DP steels with varying V m during the calibration stage and additional data for verification. Secondly, to conduct a comprehensive sensitivity analysis of MAIA to assess its capabilities and limitations. Microstructure-based finite element (FE) models, simulated with ABAQUS/Standard, are employed to predict stress-strain curves under uniaxial tensile test conditions. The MAIA approach successfully calculated ferrite and martensite stress-strain curves that could predict plastic behaviour of DP steel with different V m, which agreed with experimental work. Key advantages of this approach include avoiding complex 3D microstructure geometries and requiring only two experimentally obtained stress-strain curves with different Vm for material constant calibration, along with another curve for validation. However, the experimental data selected for calibration must have a V m difference between 20%–50% and one of the DP steels must have a low martensite volume fraction. The FE micromechanical model could capture the effect of softening of martensite phase and strengthening of ferrite phase as compared to its bulk properties for DP steel. The effect of V m on strain hardening rate was also successfully captured. This technique comes with obvious shortcomings, such as excluding crystal plasticity behaviour, and change in chemical composition within the individual phase with varying martensite volume fraction.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».