Name: Sviluppo di modelli surrogati per esperimenti digitali nella saldatura (Video) | JoVE Journal
Uploaded: 2025-03-28T13:30:00.000+00:00
Duration: 9 min 17 s
Description: Scopri come sviluppare modelli surrogati con reti neurali artificiali per simulazioni di saldatura usando script Python. Questo metodo automatizza la generazione dei dati e migliora l'efficienza delle simulazioni.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Francis, J. A., Bhadeshia, H., Withers, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Welding+residual+stresses+in+ferritic+power+plant+steels%5BTitle%5D)+AND+%22Mater+Sci+Technol%22%5BJournal%5D)">Welding residual stresses in ferritic power plant steels.</a> Mater Sci Technol. 23 (9), 1009-1020 (2007).</li>
<li>Withers, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Residual+stress+and+its+role+in+failure%5BTitle%5D)+AND+%22Rep+Prog+Phys%22%5BJournal%5D)">Residual stress and its role in failure.</a> Rep Prog Phys. 70 (12), 2211(2007).</li>
<li>Hornbach, D. J., Preve´y, P. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effect+of+prior+cold+work+on+tensile+residual+stress+development+in+nuclear+weldments%5BTitle%5D)+AND+%22J.+Press+Vessel+Technol%22%5BJournal%5D)">The effect of prior cold work on tensile residual stress development in nuclear weldments.</a> J. Press Vessel Technol. 124 (3), 359-365 (2002).</li>
<li>Zondi, M. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Factors+that+affect+welding-induced+residual+stress+and+distortions+in+pressure+vessel+steels+and+their+mitigation+techniques%3A+a+review%5BTitle%5D)+AND+%22J+Press+Vessel+Technol%22%5BJournal%5D)">Factors that affect welding-induced residual stress and distortions in pressure vessel steels and their mitigation techniques: a review.</a> J Press Vessel Technol. 136 (4), 040801(2014).</li>
<li>Ohms, C., Wimpory, R. C., Katsareas, D. E., Youtsos, A. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NET+TG1%3A+Residual+stress+assessment+by+neutron+diffraction+and+finite+element+modeling+on+a+single+bead+weld+on+a+steel+plate%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">NET TG1: Residual stress assessment by neutron diffraction and finite element modeling on a single bead weld on a steel plate.</a> Int J Press Vessels Piping. 86 (1), 63-72 (2009).</li>
<li>Bouchard, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+NeT+bead-on-plate+benchmark+for+weld+residual+stress+simulation%5BTitle%5D)+AND+%22Int+J+Press+Vessel+Piping%22%5BJournal%5D)">The NeT bead-on-plate benchmark for weld residual stress simulation.</a> Int J Press Vessel Piping. 86 (1), 31-42 (2009).</li>
<li>Hofmann, M., Wimpory, R. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NET+TG1%3A+Residual+stress+analysis+on+a+single+bead+weld+on+a+steel+plate+using+neutron+diffraction+at+the+new+engineering+instrument+%27STRESS-SPEC%27%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">NET TG1: Residual stress analysis on a single bead weld on a steel plate using neutron diffraction at the new engineering instrument 'STRESS-SPEC'.</a> Int J Press Vessels Piping. 86 (1), 122-125 (2009).</li>
<li>Smith, M. C., Smith, A., Ohms, C., Wimpory, R. A review of the NeT TG4 international weld residual stress benchmark. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSmith%2C+MC+%22ASME+Press+Vessels+Piping+Conf+2015%22">ASME Press Vessels Piping Conf 2015</a>. 6B, (2015).</li>
<li>Akrivos, V., Smith, M. C. Material characterization on the nickel-based alloy 600/82 NeT-TG6 benchmark weldments. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aAkrivos%2C+V+%22Proc+ASME+Press+Vessels+Piping+Conf+2019%22">Proc ASME Press Vessels Piping Conf 2019</a>. Uddin, M., Brongers, M., Messner, M. 6B, (2019).</li>
<li>Wimpory, R. C., Ohms, C., Hofmann, M., Schneider, R., Youtsos, A. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Statistical+analysis+of+residual+stress+determinations+using+neutron+diffraction%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">Statistical analysis of residual stress determinations using neutron diffraction.</a> Int J Press Vessels Piping. 86 (1), 48-62 (2009).</li>
<li>Ficquet, X., Smith, D. J., Truman, C. E., Kingston, E. J., Dennis, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measurement+and+prediction+of+residual+stress+in+a+bead-on-plate+weld+benchmark+specimen%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">Measurement and prediction of residual stress in a bead-on-plate weld benchmark specimen.</a> Int J Press Vessels Piping. 86 (1), 20-30 (2009).</li>
<li>Gilles, P., El-Ahmar, W., Jullien, J. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Robustness+analyses+of+numerical+simulation+of+fusion+welding+NeT-TG1+application%3A%26%2334%3BSingle+weld-bead-on-plate.%26%2334%3B%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">Robustness analyses of numerical simulation of fusion welding NeT-TG1 application:&#34;Single weld-bead-on-plate.&#34;.</a> Int J Press Vessels Piping. 86 (1), 3-12 (2009).</li>
<li>Shan, X., Davies, C. M., Wangsdan, T., O'dowd, N. P., Nikbin, K. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thermo-mechanical+modelling+of+a+single-bead-on-plate+weld+using+the+finite+element+method%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">Thermo-mechanical modelling of a single-bead-on-plate weld using the finite element method.</a> Int J Press Vessels Piping. 86 (1), 110-121 (2009).</li>
<li>Bate, S. K., Charles, R., Warren, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Finite+element+analysis+of+a+single+bead-on-plate+specimen+using+SYSWELD%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">Finite element analysis of a single bead-on-plate specimen using SYSWELD.</a> Int J Press Vessels Piping. 86 (1), 73-78 (2009).</li>
<li>Coules, H. E., Smith, D. J., Venkata, K. A., Truman, C. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+method+for+reconstruction+of+residual+stress+fields+from+measurements+made+in+an+incompatible+region%5BTitle%5D)+AND+%22Int+J+Solids+Str%22%5BJournal%5D)">A method for reconstruction of residual stress fields from measurements made in an incompatible region.</a> Int J Solids Str. 51 (10), 1980-1990 (2014).</li>
<li>Smith, M. C., Smith, A. C., Wimpory, R., Ohms, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+the+NeT+Task+Group+1+residual+stress+measurement+and+analysis+round+robin+on+a+single+weld+bead-on-plate+specimen%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">A review of the NeT Task Group 1 residual stress measurement and analysis round robin on a single weld bead-on-plate specimen.</a> Int J Press Vessels Piping. 120, 93-140 (2014).</li>
<li>Na, M. G., Kim, J. W., Lim, D. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+residual+stress+for+dissimilar+metals+welding+at+nuclear+power+plants+using+fuzzy+neural+network+models%5BTitle%5D)+AND+%22Nucl+Eng+Technol%22%5BJournal%5D)">Prediction of residual stress for dissimilar metals welding at nuclear power plants using fuzzy neural network models.</a> Nucl Eng Technol. 39 (4), 337-348 (2007).</li>
<li>Na, M. G., Kim, J. W., Lim, D. H., Kang, Y. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Residual+stress+prediction+of+dissimilar+metals+welding+at+NPPs+using+support+vector+regression%5BTitle%5D)+AND+%22Nucl+Eng+Design%22%5BJournal%5D)">Residual stress prediction of dissimilar metals welding at NPPs using support vector regression.</a> Nucl Eng Design. 238 (7), 1503-1510 (2008).</li>
<li>Edwin Raja Dhas, J., Kumanan, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evolutionary+fuzzy+SVR+modeling+of+weld+residual+stress%5BTitle%5D)+AND+%22Appl+Soft+Comput+J%22%5BJournal%5D)">Evolutionary fuzzy SVR modeling of weld residual stress.</a> Appl Soft Comput J. 42, 423-430 (2016).</li>
<li>Koo, Y. D., Yoo, K. H., Na, M. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Estimation+of+residual+stress+in+welding+of+dissimilar+metals+at+nuclear+power+plants+using+cascaded+support+vector+regression%5BTitle%5D)+AND+%22Nucl+Eng+Technol%22%5BJournal%5D)">Estimation of residual stress in welding of dissimilar metals at nuclear power plants using cascaded support vector regression.</a> Nucl Eng Technol. 49 (4), 817-824 (2017).</li>
<li>Kitano, H., Nakamura, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+residual+weld+stress+distribution+with+an+adaptive+neuro-fuzzy+inference+system%5BTitle%5D)+AND+%22Int+J+Automat+Technol%22%5BJournal%5D)">Predicting residual weld stress distribution with an adaptive neuro-fuzzy inference system.</a> Int J Automat Technol. 12 (3), 290-296 (2018).</li>
<li>Mathew, J., Griffin, J., Alamaniotis, M., Kanarachos, S., Fitzpatrick, M. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+welding+residual+stresses+using+machine+learning%3A+Comparison+between+neural+networks+and+neuro-fuzzy+systems%5BTitle%5D)+AND+%22Appl+Soft+Comput+J%22%5BJournal%5D)">Prediction of welding residual stresses using machine learning: Comparison between neural networks and neuro-fuzzy systems.</a> Appl Soft Comput J. 70, 131-146 (2018).</li>
<li>Liu, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+welding+residual+stress+and+deformation+in+electro-gas+welding+using+artificial+neural+network%5BTitle%5D)+AND+%22Mater+Today+Comm%22%5BJournal%5D)">Prediction of welding residual stress and deformation in electro-gas welding using artificial neural network.</a> Mater Today Comm. 29 (May), 102786(2021).</li>
<li>Muransky, O., Hamelin, C. J., Smith, M. C., Bendeich, P. J., Edwards, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+effect+of+plasticity+theory+on+predicted+residual+stress+fields+in+numerical+weld+analyses%5BTitle%5D)+AND+%22Computat+Mater+Sci%22%5BJournal%5D)">The effect of plasticity theory on predicted residual stress fields in numerical weld analyses.</a> Computat Mater Sci. 54, 125-134 (2012).</li>
<li>Miao, Z., Margetts, L., Vasileiou, A. N., Yin, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Surrogate+model+development+using+simulation+data+to+predict+weld+residual+stress%3A+A+case+study+based+on+the+NeT-TG1+benchmark%5BTitle%5D)+AND+%22Int+J+Press+Vessels+Piping%22%5BJournal%5D)">Surrogate model development using simulation data to predict weld residual stress: A case study based on the NeT-TG1 benchmark.</a> Int J Press Vessels Piping. 206, 105014(2023).</li>
<li>Seeger, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gaussian+processes+for+machine+learning%5BTitle%5D)+AND+%22Int+J+Neural+Sys%22%5BJournal%5D)">Gaussian processes for machine learning.</a> Int J Neural Sys. 14 (02), 69-106 (2004).</li>
<li>Chen, S. J., Zhang, Z. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temperature+prediction+of+friction+stir+welding+based+on+Bayesian+neural+network%5BTitle%5D)+AND+%22Appl+Mech+Mater%22%5BJournal%5D)">Temperature prediction of friction stir welding based on Bayesian neural network.</a> Appl Mech Mater. 48, 1208-1212 (2011).</li>
</ol>

<table><tbody><tr><td>Abaqus</td><td>Dassault Systems</td><td>2020</td><td></td></tr><tr><td>Compilatore Intel Fortran Intel</td><td>Corporation</td><td>17.0.7</td><td></td></tr><tr><td>Keras</td><td>Open Source</td><td>2.6.0</td><td></td></tr><tr><td>Python</td><td>Open Source</td><td>3.8.18</td><td></td></tr></tbody></table>

sviluppo di modelli surrogati per esperimenti digitali nella saldatura

Surrogate Model Development for Digital Experiments in Welding

Una serie di simulazioni FE sono state eseguite utilizzando diverse combinazioni di lunghezza della corsa dell'arco, velocità di avanzamento dell'arco e tasso di energia immessa netta. Per il set di addestramento, l'intervallo di valori utilizzato per la lunghezza della corsa dell'arco era di 40 mm, 50 mm, 60 mm, 70 mm e 80 mm. L'intervallo di valori utilizzato per la velocità di avanzamento dell'arco era di 2 mm/s, 2,5 mm/s, 3 mm/s, 3,5 mm/s e 4 mm/s. L'intervallo di valori utilizzato per il tasso di energia netta assorbita era 1000 W, 1500 W, 2000 W, 2500 W e 3000 W. Per il set di test, l'intervallo di valori utilizzato per la lunghezza della corsa dell'arco era di 40 mm, 50 mm, 60 mm, 70 mm e 80 mm. L'intervallo di valori utilizzato per la velocità di avanzamento dell'arco era di 2,25 mm/s, 2,75 mm/s, 3,25 mm/s e 3,75 mm/s. L'intervallo di valori utilizzati per il tasso di energia netta assorbita era di 1250 W, 1750 W, 2250 W e 2750 W. Le sollecitazioni longitudinali lungo la linea BD di queste 205 simulazioni sono raccolte e mostrate nella Figura 2. Questo risultato è stato precedentemente pubblicato nel25. In particolare, i risultati dello studio di caso vengono utilizzati in tale studio per comprovare l'efficacia del flusso di lavoro. La presente ricerca va oltre le indagini precedenti, fornendo una spiegazione completa delle impostazioni specifiche applicate nella simulazione di saldatura e dettagliando la metodologia di scripting Python impiegata per la simulazione generale della saldatura.
Il modello ANN sviluppato è stato applicato per eseguire la previsione sul set di test. La discrepanza tra la previsione del modello e la simulazione FE è mostrata nella Figura 3. Su 1680 punti di test, la maggior parte delle differenze (759 occorrenze) tra l'analisi agli elementi finiti simulata e i valori di stress previsti dall'ANN rientrano nell'intervallo 0-2 MPa, rappresentando il 45,2% dei dati. La frequenza diminuisce all'aumentare della differenza, con pochissimi punti dati che mostrano differenze superiori a 10 MPa. Nella Figura 4 è mostrato un box plot per mostrare la distribuzione delle discrepanze assolute tra la sollecitazione simulata e la sollecitazione prevista per diversi livelli di sollecitazione simulata. Ogni casella rappresenta l'intervallo interquartile dei residui all'interno di un contenitore specifico di livelli di stress simulati, con la linea all'interno della casella che indica il valore mediano. L'istogramma sull'asse y secondario mostra il numero di punti dati di addestramento all'interno di ciascun contenitore del livello di sollecitazione, fornendo un contesto aggiuntivo sulla distribuzione dei dati utilizzata per l'addestramento del modello. Come mostrato nella figura, i contenitori del livello di stress con meno punti dati di addestramento tendono a mostrare discrepanze massime più elevate nel set di dati di test. Le prestazioni in queste regioni potrebbero essere potenzialmente migliorate aumentando la quantità di dati di allenamento disponibili per questi livelli di stress.
L'errore quadratico medio (MSE) è stato utilizzato per quantificare le prestazioni predittive e l'espressione per gli indicatori di prestazione MSE è:
<img alt="Equation 1" src="/files/ftp_upload/67576/67576eq01.jpg" style="margin: auto;">
dove yi è il valore di sollecitazione prima dell'inversione della standardizzazione per l'i-esimo punto di campionamento, <img alt="Equation 2" src="/files/ftp_upload/67576/67576eq02.jpg" style="margin: auto;"> è il valore di sollecitazione previsto prima dell'inversione della standardizzazione per l'i-esimo campione e n è il numero totale di campioni.
La previsione dello stress dell'ANN era molto vicina ai risultati della simulazione FE, con un MSE di 0,0024. Le previsioni su quattro casi di test selezionati sono mostrate nella Figura 5; l'apporto di calore per questi quattro casi di test è rispettivamente di 333 J/mm, 538 J/mm, 692 J/mm e 1222 J/mm. Tra tutti questi quattro casi, le previsioni ANN mostrano un buon accordo con i risultati della simulazione FE in generale. Tuttavia, negli scenari in cui la velocità di saldatura è di 2,25 mm/s con una corsa di 50 mm e un tasso di energia netta di 2750 W o quando la velocità di saldatura è di 3,75 mm/s con una corsa di 40 mm e un tasso di energia netta di 1250 W, si osservano discrepanze relativamente grandi nella parte inferiore della linea BD (vicino a 17 mm di profondità). Queste discrepanze possono essere attribuite all'aumentata complessità delle regole che governano questa regione, risultando in una varietà più intricata all'interno di queste specifiche regioni dello spazio dei parametri. Una possibile soluzione sarebbe quella di aumentare la densità del set di dati di addestramento in quest'area.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/67576/67576fig01.jpg"> 
Figura 1: Flusso di lavoro. Il flusso di lavoro proposto prevede quattro passaggi (indicati in blocchi blu): creazione di modelli FE di base, scripting, generazione di dati e sviluppo di modelli surrogati. I blocchi arancioni rappresentano l'input di ogni passaggio e i blocchi verdi rappresentano l'output di ogni passaggio. <a href="https://www.jove.com/files/ftp_upload/67576/67576fig01large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/67576/67576fig02.jpg"> 
Figura 2: Set di dati generato. Vengono illustrati un totale di 205 serie di dati sulle sollecitazioni longitudinali, ciascuno corrispondente a una combinazione unica di lunghezza della corsa, tasso di energia netta assorbita e velocità di saldatura. All'interno di ogni set, vengono tracciati 20 punti dati per diversi nodi lungo la linea BD. Per differenziare i set, ognuno è rappresentato da un colore diverso, che corrisponde al suo tasso di apporto termico netto. Questo valore può essere calcolato dividendo il tasso di energia netta assorbita per la velocità di saldatura. Questa cifra è stata modificata da25. <a href="https://www.jove.com/files/ftp_upload/67576/67576fig02large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/67576/67576fig03.jpg"> 
Figura 3: Frequenza della discrepanza tra i risultati della simulazione FE e le previsioni ANN. Le differenze tra i risultati della simulazione FE e le previsioni ANN nel set di dati del test sono classificate in 10 livelli. Le annotazioni all'interno del grafico indicano la frequenza e la percentuale di occorrenze per ogni livello di differenza nei casi di test. <a href="https://www.jove.com/files/ftp_upload/67576/67576fig03large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/67576/67576fig04.jpg"> 
Figura 4: Distribuzione dei residui assoluti medi e set di dati di addestramento tra diversi livelli di stress. Il box plot descrive la distribuzione delle discrepanze assolute tra la sollecitazione simulata e la sollecitazione prevista per diversi livelli di sollecitazione simulata. La linea arancione all'interno di ogni casella rappresenta la mediana, indicando il punto medio delle discrepanze assolute. L'altezza di ogni casella corrisponde all'intervallo interquartile, che copre il 50% medio dei dati (dal 25° al 75° percentile), riflettendo la variabilità delle discrepanze. I baffi si estendono dalla scatola per mostrare i valori minimo e massimo di discrepanza. L'istogramma blu mostra il numero di punti dati di addestramento corrispondenti a ciascun livello di stress nel set di dati di addestramento. <a href="https://www.jove.com/files/ftp_upload/67576/67576fig04large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/67576/67576fig05.jpg"> 
Figura 5: Confronto tra i risultati della simulazione e i risultati previsti dall'ANN. In questa figura sono mostrati quattro casi di test, con (A) la velocità di saldatura è di 3,75 mm/s, la lunghezza della corsa è di 40 mm e la velocità di ingresso dell'energia netta è di 1250 W; (B) la velocità di saldatura è di 3,25 mm/s, la lunghezza della corsa è di 60 mm e la velocità di ingresso dell'energia netta è di 1750 W; (C) la velocità di saldatura è di 3,25 mm/s, la lunghezza della corsa è di 50 mm e il tasso di energia netta in ingresso è di 2250 W; e (D) la velocità di saldatura è di 2,25 mm/s, la lunghezza della corsa è di 50 mm e la velocità di ingresso dell'energia netta è di 2750 W. La discrepanza più notevole tra tutti i casi di test è evidenziata con un riquadro blu, che mostra una differenza di 19,4 MPa a una profondità di 17 mm dalla superficie superiore nel caso di test (D). <a href="https://www.jove.com/files/ftp_upload/67576/67576fig05large.jpg" target="_blank">Clicca qui per visualizzare una versione più grande di questa figura.</a>
Tabella 1: Informazioni sulla geometria per il campione di saldatura, la regione della mesh di affinamento e il cordone. La lunghezza, la larghezza e la profondità del campione di saldatura rettangolare e della regione della mesh di affinamento sono elencate nella tabella. Le dimensioni del cordone di saldatura sono illustrate con uno schizzo. Nel processo di modellazione, la larghezza deve essere dimezzata poiché è stata creata solo metà del modello. <a href="https://www.jove.com/files/ftp_upload/67576/Table%201_RE.xlsx" target="_blank">Clicca qui per scaricare questa tabella.</a>
Tabella 2: Proprietà dei materiali di AISI 316LN14. La densità e il coefficiente di Poisson sono trattati come indipendenti dalla temperatura, mentre le altre proprietà fisiche sono trattate come dipendenti dalla temperatura. <a href="https://www.jove.com/files/ftp_upload/67576/Table2_RE.xlsx" target="_blank">Clicca qui per scaricare questa tabella.</a>
Tabella 3: Proprietà meccaniche plastiche dell'AISI 316LN24. Proprietà meccaniche dell'acciaio inox AISI 316LN in funzione della temperatura; sforzo di snervamento a deformazione plastica zero; parametri cinematici di tempra (C1, Gamma 1, C2, Gamma 2); parametro di indurimento isotropo (Q-inf); e il parametro di indurimento (b). <a href="https://www.jove.com/files/ftp_upload/67576/Table3_RE.xlsx" target="_blank">Clicca qui per scaricare questa tabella.</a>
File di codifica supplementare 1: Create_input_files.py <a href="https://www.jove.com/files/ftp_upload/67576/Create_input_files.zip" target="_blank">Fare clic qui per scaricare questo file.</a>
File di codifica supplementare 2: Run_thermal <a href="https://www.jove.com/files/ftp_upload/67576/Run_Thermal.zip" target="_blank">Fare clic qui per scaricare questo file.</a>
File di codifica supplementare 3: DFLUX.for <a href="https://www.jove.com/files/ftp_upload/67576/DFLUX.zip" target="_blank">Fare clic qui per scaricare questo file.</a>
File di codifica supplementare 4:Run_Mechanical <a href="https://www.jove.com/files/ftp_upload/67576/Run_Mechanical.zip" target="_blank">Fare clic qui per scaricare questo file.</a>
File di codifica supplementare 5: extract_data.py <a href="https://www.jove.com/files/ftp_upload/67576/extract_data.zip" target="_blank">Fare clic qui per scaricare questo file.</a>
File di codifica supplementare 6: ANN_development.py <a href="https://www.jove.com/files/ftp_upload/67576/ANN_development.zip" target="_blank">Fare clic qui per scaricare questo file.</a>

Sviluppo di modelli surrogati per esperimenti digitali nella saldatura

The manufacturing industry heavily relies on welding processes to join materials, forming integral components across various sectors. Many aspects will ...

surrogate-model-development-for-digital-experiments-in-welding

Research

Ricerca

JoVE Journal

Engineering

Ingegneria

L'obiettivo di questo protocollo è quello di costruire un equivalente tridimensionale a tutto spessore della pelle, che assomiglia alla pelle naturale. Con un dispositivo di ferimento automatizzato appositamente costruito, è possibile generare ferite precise e riproducibili in caso di mantenimento della sterilità.

Generazione di una tridimensionale a tutto spessore della pelle Equivalent e Automated Ferimento

Viene descritta una procedura semplice per la saldatura a ultrasuoni di cesoi compositi termoplastici per prove meccaniche di base. Le caratteristiche principali di questo processo di saldatura a ultrasuoni sono l'uso di direttori di energia piatti per una preparazione semplificata del processo e l'uso di dati di processo per la rapida definizione delle condizioni di lavorazione ottimali.

Saldatura ad ultrasuoni di tagliandi termoplastico composito per la caratterizzazione meccanica dei giunti saldati attraverso singolo giro Shear Test

Un protocollo sperimentale per strumentato rotativo caldo formazione di leghe di alluminio del cast che impiegano un apparato di misura in scala industriale è presentato. Considerazioni sperimentali compresi gli effetti termici e meccanici sono discussi, nonché similitudine con l'elaborazione completo delle rotelle automobilistiche.

Procedura sperimentale per filatura caldo dei componenti in alluminio pressofuso

È stato progettato un flusso di lavoro per la creazione di modelli ibridi virtuali tridimensionali (3D) basati su set di dati di tomografia computerizzata a fascio conico e scansioni ottiche intraorali utilizzando metodi di segmentazione delle immagini radiografiche e modellazione di superfici a forma libera. I modelli digitali vengono utilizzati per la pianificazione virtuale delle procedure chirurgiche dentoalveolari ricostruttive.

Preparazione del modello ibrido digitale per la pianificazione virtuale delle procedure chirurgiche dentoalveolari ricostruttive

Questo lavoro descrive un sistema di sperimentazione online che fornisce esperimenti visualizzati, tra cui la visualizzazione di teorie, concetti e formule, la visualizzazione del processo sperimentale con banchi di prova virtuali tridimensionali (3D) e la visualizzazione del sistema di controllo e monitoraggio utilizzando widget come grafici e telecamere.

Sistema di sperimentazione online interattivo e visualizzato per l'istruzione e la ricerca ingegneristica

Questo lavoro presenta un esperimento di simulazione virtuale tridimensionale per la deformazione e il cedimento del materiale che fornisce processi sperimentali visualizzati. Attraverso una serie di esperimenti, gli utenti possono familiarizzare con le apparecchiature e apprendere le operazioni in un ambiente di apprendimento immersivo e interattivo.

Un esperimento di simulazione virtuale di meccanica: deformazione e guasto del materiale basato sulla microscopia elettronica a scansione

Attraverso l'incorporazione della progettazione dell'esperienza di interazione e dell'analisi dei requisiti dell'utente, introduciamo un innovativo raschietto cellulare che migliora i saggi di guarigione delle ferite cellulari in termini di riproducibilità, affidabilità, praticità, integrità cellulare ed esperienza utente.

Uno strumento per creare automaticamente gap stabili e riproducibili senza cellule per migliorare l'affidabilità del saggio di guarigione delle ferite cellulari

Le ferite rappresentano una sfida sanitaria globale. Questo studio ha sviluppato una cabina fotografica standardizzata utilizzando la planimetria digitale per ridurre al minimo la variabilità della misurazione della ferita. Il monitoraggio delle ferite nei topi per 14 giorni ha rivelato un aumento iniziale dell'area e del perimetro della ferita, seguito da una chiusura graduale. Questa metodologia può aiutare a valutare la cinetica di chiusura della ferita in modelli preclinici.

Planimetria digitale per la valutazione della cinetica di chiusura della ferita in un modello murino

Viene descritto un processo per l'acquisizione della metrologia quasi in tempo reale dei cordoni di saldatura e la preparazione automatica della geometria risultante per l'analisi degli elementi finiti.

Acquisizione automatica della geometria basata su laser per l'analisi agli elementi finiti dei cordoni di saldatura

Il design robusto dispositivo di frange di campo elettrostatico attuatori MEMS risultati in condizioni di smorzamento squeeze film intrinsecamente bassi e lunghi tempi di assestamento durante l'esecuzione di operazioni di commutazione con passo polarizzazione convenzionale. Commutazione miglioramento del tempo con forme d'onda DC-dinamici in tempo reale riduce il tempo di assestamento di frange campo MEMS attuatori durante le transizioni tra up-to-down e down-to-up Stati.

Real-Time DC-dinamica Metodo di polarizzazione per il tempo di commutazione miglioramento Severamente sottosmorzato frangente campo elettrostatico MEMS Attuatori

Scopri come sviluppare modelli surrogati con reti neurali artificiali per simulazioni di saldatura usando script Python. Questo metodo automatizza la generazione dei dati e migliora l'efficienza delle simulazioni.

Sviluppo di modelli surrogati per esperimenti digitali nella saldatura

Esplora altri video