Název:
Fracture Behaviour of Steels and Their Welds for Power Industry
Překlad názvu:
Fracture Behaviour of Steels and Their Welds for Power Industry
Autoři:
Al Khaddour, Samer ; Kohout, Jan (oponent) ; Válka, Libor (oponent) ; Dlouhý, Ivo (vedoucí práce) Typ dokumentu: Disertační práce
Rok:
2017
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstrakt: [eng][cze]
Práce byla zaměřena na ověření platnosti koncepce master křivky pro hodnocení heterogenních svarových spojů, resp. teplotně stárnutých svarů. Současně bylo cílem disertace vyvinout kvantitativní model pro predikci referenční teploty lokalizující tranzitní oblast na teplotní ose za použití dat získaných z tahové zkoušky, a to za použití metody umělých neuronových sítí. Studie je současně zaměřena na heterogenní svarový spoj připravený tavným svařováním. Je zacílena na hodnocení lomového chování v tranzitní oblasti nejméně odolné části svaru, tj. tepelně ovlivněné zóny ferritické oceli v blízkosti zóny natavení s vysokolegovaným materiálem. Pro predikci referenční teploty master křivky je použita zmíněná metoda neuronových sítí, a to za použití dat z tahových zkoušek a měření tvrdosti. Predikovaná referenční teplota byla ověřována na základě výsledku experimentálních měření. Vytvoření modelu za použití neuronových sítí vyžaduje dostatečné množství dat a není vždy snadno tuto podmínku splnit. V případě sledovaného problému to znamenalo použití dat z dostatečně věrohodných zdrojů (skupiny Křehký lom ÚFM AVČR) a se známou metalurgickou historií. Smysl práce je tak možno spatřovat ve vývoji modelu neuronové sítě, která bude dostatečně přesně predikovat referenční teplotu. Celkově byla pro tyto účely použita data z 29 nízkolegovaných ocelí. Pro účely vývoje byly použity kromě hladkých zkušebních tyčí, rovněž tahové zkoušky s obvodovým vrubem testované při kritické teplotě křehkosti (mez makroplastických deformací) a při teplotě pokojové. Při tvorbě modelu byla postupně v různých kombinacích využita všechna data z uvedených zkoušek. Studie ukázala, že referenční teplota charakterizující tranzitní chování lomové houževnatosti oceli s převažující feritickou strukturou je jedinečným parametrem predikovatelným na základě vybraných charakteristik tahových zkoušek.
The aim of the study is to verify the validity of the master curve concept for evaluation of the dissimilar weld joint and/or thermally aged weld joints. In addition, the thesis is focused on development of quantitative models for the prediction of reference temperature characterising position of the fracture toughness transition on the temperature axis using experimental data collected from tensile tests, together with a powerful computational technique known as neural network. This study focuses on the evaluation of the fracture behaviour of welds carried out by fusion welding. It aims to investigate the fracture behaviour in transition region of the structural steels and welds with ferritic basic microstructures by means of reference temperature. In order to obtain the reference temperature artificial neural network is used exploting tensile test and hardness test data. Creating a model using neural network method requires a sufficient amount of data and it is sometimes not possible to accomplish easily. Creating a truly general model requires a combination of data and metallurgical knowledge. So, the aim of this work is also to develop artificial neural network enabling to predict the reference temperature. In total 29 experimental data sets from low alloy steels have been applied to validate the model of reference temperature prediction. The tensile tests have been done at general yield temperature of circumferential notched tensile tests (purely general yield temperature) and at room temperature (purely ductile fracture temperature). To build the model all parameters of tensile test and hardness values were used as input variables. The study indicated that the reference temperature characterizing the fracture toughness transition behaviour in low alloy steels with predominantly ferritic structure is predictable on the basis of selected characteristics of tensile test.
Klíčová slova:
Master curve.; Steels; Fracture toughness; Tensile test; Artificial neural networks; Reference temperature; Lomová houževnatost; Master křivka.; Oceli; Referenční teplota; Tahová zkouška; Umělá neuronová síť
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/63776
host ::
