Desenvolvimento de modelo substituto para experimentos digitais em soldagem

O escopo da minha pesquisa se concentra no desenvolvimento de modelos substitutos eficientes usando aprendizado de máquina, particularmente redes neurais artificiais para prever o estresse residual induzido pela soldagem. Nosso foco principal é abordar como automatizar a geração de dados para simulação de soldagem para aumentar a eficiência. Estabelecemos que automatizar a geração de dados com scripts Python e funções de macro reduz significativamente o tempo de configuração da simulação, permitindo a criação de grandes conjuntos de dados.

Além disso, nosso modelo de circuito baseado em rede neural artificial prevê com precisão a tensão residual induzida pela soldagem, alcançando um erro quadrático médio relativo de 0,0024. alcançando um erro quadrático médio relativo de 0,0024. Nosso protocolo oferece vantagens ao automatizar a geração de dados por meio de scripts Python e funções de macro, reduzindo o tempo e o esforço necessários para a configuração da simulação e extração de dados.

Isso garante consistência e permite a criação de um conjunto de dados extenso para treinar modelos de aprendizado de máquina. Para começar, abra o Abaqus e clique em arquivo, seguido de definir diretório de trabalho para definir o diretório de trabalho. Em seguida, clique sequencialmente no arquivo macromanager trabalho e crie uma macro chamada gravação térmica.

Crie um modelo para amostras de soldagem. Use um único cordão de solda no caso de referência da estrutura da placa como exemplo. Clique na parte seguida de criar peça.

Crie um meio modelo deformável 3D da amostra extrudando um esboço quadrado no plano XY. Agora clique na peça, navegue até criar o plano de datum e selecione o deslocamento do plano principal. Defina os pontos inicial e final da soldagem especificando deslocamentos do plano YZ com base no comprimento do cordão.

Em seguida, crie dois planos de datum adicionais para a profundidade e a largura do cordão especificando deslocamentos do plano XY e do plano XZ, respectivamente. Clique na peça e selecione a opção de célula de partição usar plano de datum para criar partições de célula da amostra usando os quatro planos de datum. Em seguida, clique na peça e selecione criar extrusão sólida.

Crie um esboço em um dos planos de datum para definir a parte do cordão de solda abaixo da superfície superior da amostra. Use um arco e duas linhas seguindo as dimensões do cordão. Faça a extrusão do esboço até a profundidade do comprimento do cordão para criar o corte.

Em seguida, faça a extrusão do esboço para o comprimento do cordão enquanto seleciona manter limites internos. Clique na peça e, em seguida, selecione criar plano de datum e ajuste a partir do plano principal. Esboce o cordão de solda usando dois arcos em uma linha em um dos planos de datum.

Clique na peça, selecione a célula de partição e use o plano de datum para criar partições de célula da amostra usando os quatro planos de datum para localizar. Para definir o material do aço inoxidável AISI 316 LN, clique na propriedade e crie o material e, em seguida, defina a densidade no menu geral e a condutividade e o calor específico no menu térmico usando dados dependentes da temperatura. Em seguida, atribua material ao modelo.

Clique na propriedade e, em seguida, em criar uma seção sólida homogênea com o material definido. Clique na propriedade, atribuir seção para atribuir a seção criada ao modelo. Agora clique na etapa, seguida de criar etapa para criar uma etapa de transferência de calor chamada soldagem com um período de tempo de 26,43 e um incremento de tempo fixo de 0,1, garantindo que não haja não linearidade da geometria.

Crie outra etapa de transferência de calor chamada resfriamento com um período de tempo de 70 usando incrementos de tempo adaptáveis com tamanhos de incremento inicial, mínimo e máximo definidos como 0,1, 0,05 e 5, respectivamente. definido como 0,1, 0,05 e 5, respectivamente. Por fim, crie uma etapa de transferência de calor chamada resfriamento dois com um período de tempo de 2.000 usando incrementos de tempo adaptáveis com tamanhos de incremento inicial, mínimo e máximo definidos como 5, 1 e 100, respectivamente.

Para definir os atributos do modelo, clique em modelo, editar atributo. para acessar as configurações de atributo. Defina a temperatura zero absoluta para 273,15.

Defina a temperatura zero absoluta para 273,15. Especifique a constante de Stefan-Boltzmann como 5,67 x 10 elevado a 11. Clique na etapa e crie a saída de campo para definir uma solicitação de temperatura nodal para todo o modelo.

Em seguida, clique em assembly e criar instância para criar uma instância dependente. Em seguida, clique sequencialmente na interação, crie a interação e a condição do filme de superfície para criar uma interação de condição de filme de superfície com um coeficiente de filme de 15 e uma temperatura de sumidouro de 20 em todas as superfícies do modelo, exceto no plano simétrico. Defina a etapa inicial como soldagem.

Agora clique sequencialmente na interação, crie interação e radiação de superfície para criar uma interação de radiação de superfície com uma emissividade de 0,7 e uma temperatura ambiente de 20 em todas as superfícies do modelo, exceto no plano simétrico. Defina a etapa inicial como soldagem, defina as cargas no módulo de carga. Clique em carregar, criar carga térmica e fluxo de calor do corpo para criar uma carga de fluxo de calor do corpo definida pelo usuário que começa na etapa de soldagem e fica inativa durante as duas etapas de resfriamento.

Em seguida, clique em carregar, criar campo predefinido, outro e campo para criar um campo de temperatura predefinido a partir da etapa inicial para representar uma temperatura ambiente de 20. Para criar uma malha no módulo de malha, clique em malha, selecione o objeto a ser parte e propague a peça para propagar a peça por um tamanho global de 0,0024. Clique na malha e, em seguida, semeie as bordas para semear as bordas da profundidade e da largura do cordão por um número de 3.

Semeie a borda do arco por um número de 3 e a borda do comprimento do cordão por um tamanho de 0,0015. Em seguida, clique na malha, atribua controles de malha e use o elemento de forma TET com a técnica livre para a região do cordão. Clique na malha, atribua o tipo de elemento e defina o tipo de elemento como DC 3D 10 e, em seguida, crie a malha da peça.

Use a malha e, em seguida, as arestas de propagação para as arestas de propagação colineares com o eixo X dentro da região de malha fina com um tamanho de 0,0015, as arestas do eixo Y com um tamanho de 0,0011 e as arestas do eixo Z com um tamanho de 0,00075. e as arestas do eixo Z com tamanho de 0,00075. Agora clique na malha, seguida pelos controles de malha atribuídos para atribuir o controle de malha para a região restante, usando o elemento de forma hexadecimal com a técnica de varredura.

Em seguida, clique na malha, atribua o tipo de elemento e defina o tipo de elemento para DC 3D 20, seguido pela malha da peça. Clique no trabalho, crie o trabalho para criar um trabalho chamado análise térmica e anexe a sub-rotina do usuário de fluxo D. Pare a gravação da macro.

Confirme se um arquivo Python chamado abaqusMacros. py é gerado no diretório de trabalho. Por fim, clique em trabalho, gerenciador de trabalho e envie.

Um arquivo de resultado chamado ThermalAnalysis. odb será gerado. As tensões longitudinais ao longo da linha BD mostraram variação consistente em diferentes combinações de comprimento de curso do arco, velocidade avançada do arco e taxa líquida de entrada de energia com a tensão atingindo o pico mais próximo da superfície e diminuindo em profundidades mais profundas.

A maioria das discrepâncias entre a simulação de elementos finitos e as previsões de redes neurais artificiais caiu na faixa de 0 a 2 megapascais, representando 45,2% dos dados de teste. Os compartimentos de nível de estresse com menos pontos de dados de treinamento exibiram discrepâncias máximas mais altas no conjunto de dados de teste, conforme observado em resíduos absolutos de compartimentos específicos. As previsões de redes neurais artificiais corresponderam aos resultados da simulação de elementos finitos com um erro quadrático médio de 0,0024.