Título

ANÁLISE DO EFEITO DA COMPOSIÇÃO QUÍMICA NO COMPORTAMENTO A QUENTE DOS AÇOS MA340 E AP04 POR REDES NEURAIS

ANALYSIS OF THE CHEMICAL COMPOSITION EFFECT OF MA304 AND AP04 STEELS HOT BEHAVIOR BY MEANS OF NEURAL NETWORKS

Autoria

Penha, Renata Neves; Canale, Lauralice Franceschini; Cabrera, José Maria

DOI

10.5151/2594-5327-14793

Downloads

Baixar Artigo 62 Downloads

Resumo

Uma rede neural foi construída para predizer a tensão de pico obtida em ensaios de tração, torção e compressão, a partir de dados publicados de aços carbono no estado austenítico e deformados a velocidades menores que 1s-1. A rede foi construída para que fosse possível obter dados da curva tensão-deformação sem a realização de testes experimentais. A máxima tensão alcançada é calculada a partir da composição química, temperatura de teste, velocidade de deformação e tipo de teste. Sabe-se, por exemplo, que a quantidade de carbono provoca alterações na tensão de escoamento. Em altas temperaturas e a baixas velocidades de deformação, quanto maior o teor de carbono, menor a tensão de fluência. O objetivo deste trabalho é utilizar esta rede para avaliar o efeito da composição química de diferentes tipos de aço carbono na tensão de pico, considerando o parâmetro de Zener-Hollomon (Z) constante.

 

A neural network was constructed to predict the peak stress obtained from tensile, torsion and compressive tests, from published data of plain carbon steels on austenitic state and deformed at rates lower than 1s-1. The network was made to obtain experimental data from stress-strain curve without doing experimental tests. The higher stress reached is calculated by means of chemical composition, test temperature, deformation rate and kind of test. It is known, for example, that high level of carbon promotes changes on tensile stress. At high temperatures, higher the carbon content, lower is the flow stress. The goal of this work is to use this neural network to evaluate the effect of chemical composition of different kinds of carbon steels on peak stress, considering the Zener-Hollomon (Z) parameter as a constant.

Palavras-chave

Simulação; Tensão de pico; Deformação a quente; Redes neurais.

Simulation; Peak stress; Hot deformation; Neural networks.