|
|
Fracture Behaviour of Steels and Their Welds for Power Industry
Al Khaddour, Samer ; Kohout, Jan (oponent) ; Válka, Libor (oponent) ; Dlouhý, Ivo (vedoucí práce)
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.
|
|
|
Predikce teplotní závislosti lomové houževnatosti
Václavík, Martin ; Pantělejev, Libor (oponent) ; Válka, Libor (vedoucí práce)
Diplomová práce je zaměřena na predikci teplotní závislosti lomové houževnatosti prostřednictvím univerzální křivky lomové houževnatosti (též master křivky). Pro výpočet parametrů univerzální křivky lomové houževnatosti jsou využity výsledky měření lomové houževnatosti a tahových zkoušek konstrukční oceli P91. Teoretická část práce je založena na shrnutí podstatných informací z oblasti lomové mechaniky a tranzitního lomového chování ocelí, důležitých pro pochopení lomově-deformační odezvy materiálů v závislosti na podmínkách zatěžování. Experimentální část práce obsahuje výsledky praktických měření a analýz, které byly využity jednak pro určení parametrů univerzální křivky lomové houževnatosti, jednak pro hodnocení lomového chování a popis vlivu strukturních parametrů na toto chování v případě oceli P91.
|
|
|
Fracture Behaviour of Steels and Their Welds for Power Industry
Al Khaddour, Samer ; Kohout, Jan (oponent) ; Válka, Libor (oponent) ; Dlouhý, Ivo (vedoucí práce)
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.
|
|
|
Predikce teplotní závislosti lomové houževnatosti
Václavík, Martin ; Pantělejev, Libor (oponent) ; Válka, Libor (vedoucí práce)
Diplomová práce je zaměřena na predikci teplotní závislosti lomové houževnatosti prostřednictvím univerzální křivky lomové houževnatosti (též master křivky). Pro výpočet parametrů univerzální křivky lomové houževnatosti jsou využity výsledky měření lomové houževnatosti a tahových zkoušek konstrukční oceli P91. Teoretická část práce je založena na shrnutí podstatných informací z oblasti lomové mechaniky a tranzitního lomového chování ocelí, důležitých pro pochopení lomově-deformační odezvy materiálů v závislosti na podmínkách zatěžování. Experimentální část práce obsahuje výsledky praktických měření a analýz, které byly využity jednak pro určení parametrů univerzální křivky lomové houževnatosti, jednak pro hodnocení lomového chování a popis vlivu strukturních parametrů na toto chování v případě oceli P91.
|
host ::
RSS.