Nature.com পরিদর্শন করার জন্য আপনাকে ধন্যবাদ. আপনি সীমিত CSS সমর্থন সহ একটি ব্রাউজার সংস্করণ ব্যবহার করছেন। সেরা অভিজ্ঞতার জন্য, আমরা আপনাকে একটি আপডেট করা ব্রাউজার ব্যবহার করার পরামর্শ দিই (অথবা ইন্টারনেট এক্সপ্লোরারে সামঞ্জস্য মোড অক্ষম করুন)৷ উপরন্তু, অবিরত সমর্থন নিশ্চিত করতে, আমরা শৈলী এবং জাভাস্ক্রিপ্ট ছাড়া সাইট দেখাই.
স্লাইডার প্রতি স্লাইডে তিনটি নিবন্ধ দেখাচ্ছে৷ স্লাইডগুলির মধ্য দিয়ে যেতে পিছনে এবং পরবর্তী বোতামগুলি ব্যবহার করুন, অথবা প্রতিটি স্লাইডের মধ্য দিয়ে যাওয়ার জন্য শেষে স্লাইড কন্ট্রোলার বোতামগুলি ব্যবহার করুন৷
স্টেইনলেস স্টিল শীটগুলির গঠনযোগ্যতার উপর মাইক্রোস্ট্রাকচারের প্রভাব শীট মেটালওয়ার্কিং ইঞ্জিনিয়ারদের জন্য একটি প্রধান উদ্বেগ। অস্টেনিটিক স্টিলের জন্য, মাইক্রোস্ট্রাকচারে বিকৃতি মার্টেনসাইট (\({\alpha}^{^{\prime))\)-মারটেনসাইট) উপস্থিতি উল্লেখযোগ্য শক্ত হয়ে যায় এবং গঠনযোগ্যতা হ্রাস করে। এই গবেষণায়, আমরা পরীক্ষামূলক এবং কৃত্রিম বুদ্ধিমত্তা পদ্ধতি দ্বারা বিভিন্ন মার্টেনসিটিক শক্তি সহ AISI 316 স্টিলের গঠনযোগ্যতা মূল্যায়ন করার লক্ষ্য রেখেছি। প্রথম ধাপে, 2 মিমি প্রাথমিক পুরুত্বের AISI 316 ইস্পাতকে অ্যানিল করা হয়েছিল এবং বিভিন্ন পুরুত্বে কোল্ড রোল করা হয়েছিল। পরবর্তীকালে, আপেক্ষিক স্ট্রেন মার্টেনসাইট এলাকা মেটালোগ্রাফিক পরীক্ষার দ্বারা পরিমাপ করা হয়েছিল। স্ট্রেন লিমিট ডায়াগ্রাম (এফএলডি) পাওয়ার জন্য একটি গোলার্ধ বিস্ফোরণ পরীক্ষা ব্যবহার করে রোলড শীটগুলির গঠনযোগ্যতা নির্ধারণ করা হয়েছিল। পরীক্ষা-নিরীক্ষার ফলে প্রাপ্ত তথ্য কৃত্রিম নিউরো-ফজি ইন্টারফারেন্স সিস্টেম (ANFIS) প্রশিক্ষণ ও পরীক্ষা করার জন্য আরও ব্যবহৃত হয়। ANFIS প্রশিক্ষণের পরে, নিউরাল নেটওয়ার্ক দ্বারা পূর্বাভাসিত প্রভাবশালী স্ট্রেনগুলি পরীক্ষামূলক ফলাফলের একটি নতুন সেটের সাথে তুলনা করা হয়েছিল। ফলাফলগুলি দেখায় যে কোল্ড রোলিং এই ধরণের স্টেইনলেস স্টিলের গঠনযোগ্যতার উপর নেতিবাচক প্রভাব ফেলে, তবে শীটের শক্তি ব্যাপকভাবে উন্নত হয়। উপরন্তু, পরীক্ষামূলক পরিমাপের তুলনায় ANFIS সন্তোষজনক ফলাফল দেখায়।
শীট ধাতু গঠনের ক্ষমতা, যদিও কয়েক দশক ধরে বৈজ্ঞানিক নিবন্ধের বিষয়, ধাতুবিদ্যায় গবেষণার একটি আকর্ষণীয় ক্ষেত্র হিসাবে রয়ে গেছে। নতুন প্রযুক্তিগত সরঞ্জাম এবং গণনামূলক মডেলগুলি গঠনযোগ্যতাকে প্রভাবিত করে এমন সম্ভাব্য কারণগুলি খুঁজে পাওয়া সহজ করে তোলে। সবচেয়ে গুরুত্বপূর্ণভাবে, আকৃতির সীমার জন্য মাইক্রোস্ট্রাকচারের গুরুত্ব সাম্প্রতিক বছরগুলিতে ক্রিস্টাল প্লাস্টিসিটি ফিনিট এলিমেন্ট মেথড (CPFEM) ব্যবহার করে প্রকাশিত হয়েছে। অন্যদিকে, স্ক্যানিং ইলেক্ট্রন মাইক্রোস্কোপি (SEM) এবং ইলেক্ট্রন ব্যাকস্ক্যাটার ডিফ্র্যাকশন (EBSD) এর প্রাপ্যতা গবেষকদের বিকৃতির সময় স্ফটিক কাঠামোর মাইক্রোস্ট্রাকচারাল কার্যকলাপ পর্যবেক্ষণ করতে সহায়তা করে। ধাতুর বিভিন্ন পর্যায়ের প্রভাব বোঝা, শস্যের আকার এবং অভিযোজন, এবং শস্য স্তরে মাইক্রোস্কোপিক ত্রুটিগুলি গঠনযোগ্যতার পূর্বাভাস দেওয়ার জন্য গুরুত্বপূর্ণ।
গঠনযোগ্যতা নির্ধারণ করা নিজেই একটি জটিল প্রক্রিয়া, কারণ গঠনযোগ্যতা 1, 2, 3 পাথের উপর অত্যন্ত নির্ভরশীল বলে দেখানো হয়েছে। তাই, চূড়ান্ত গঠনের স্ট্রেনের প্রচলিত ধারণাগুলি অসম লোডিং অবস্থার অধীনে অবিশ্বস্ত। অন্যদিকে, শিল্প অ্যাপ্লিকেশনগুলিতে বেশিরভাগ লোড পাথগুলি অ-আনুপাতিক লোডিং হিসাবে শ্রেণীবদ্ধ করা হয়। এই বিষয়ে, ঐতিহ্যগত গোলার্ধীয় এবং পরীক্ষামূলক মার্সিনিয়াক-কুচিনস্কি (এমকে) পদ্ধতি 4,5,6 সতর্কতার সাথে ব্যবহার করা উচিত। সাম্প্রতিক বছরগুলিতে, আরেকটি ধারণা, ফ্র্যাকচার লিমিট ডায়াগ্রাম (এফএফএলডি), অনেক গঠনযোগ্য প্রকৌশলীর দৃষ্টি আকর্ষণ করেছে। এই ধারণায়, শীট গঠনযোগ্যতার পূর্বাভাস দিতে একটি ক্ষতির মডেল ব্যবহার করা হয়। এই বিষয়ে, পথের স্বাধীনতা প্রাথমিকভাবে বিশ্লেষণে অন্তর্ভুক্ত করা হয়েছে এবং ফলাফলগুলি আনস্কেল করা পরীক্ষামূলক ফলাফল 7,8,9 এর সাথে ভাল চুক্তিতে রয়েছে। একটি শীট ধাতুর গঠনযোগ্যতা বিভিন্ন পরামিতি এবং শীটের প্রক্রিয়াকরণের ইতিহাসের পাশাপাশি ধাতুর মাইক্রোস্ট্রাকচার এবং ফেজ 10,11,12,13,14,15 এর উপর নির্ভর করে।
ধাতুগুলির মাইক্রোস্কোপিক বৈশিষ্ট্যগুলি বিবেচনা করার সময় আকার নির্ভরতা একটি সমস্যা। এটি দেখানো হয়েছে যে, ছোট বিকৃতির স্থানগুলিতে, কম্পন এবং বাকলিং বৈশিষ্ট্যগুলির নির্ভরতা উপাদানটির দৈর্ঘ্যের স্কেলের উপর দৃঢ়ভাবে নির্ভর করে16,17,18,19,20,21,22,23,24,25,26,27, 28,29,30। গঠনযোগ্যতার উপর শস্যের আকারের প্রভাব দীর্ঘদিন ধরে শিল্পে স্বীকৃত হয়েছে। ইয়ামাগুচি এবং মেলোর [৩১] তাত্ত্বিক বিশ্লেষণ ব্যবহার করে ধাতব শীটের প্রসার্য বৈশিষ্ট্যের উপর শস্যের আকার এবং বেধের প্রভাব অধ্যয়ন করেছেন। মার্সিনিয়াক মডেল ব্যবহার করে, তারা রিপোর্ট করে যে দ্বি-অক্ষীয় প্রসার্য লোডিংয়ের অধীনে, শস্যের আকারের পুরুত্বের অনুপাত হ্রাসের ফলে শীটের প্রসার্য বৈশিষ্ট্য হ্রাস পায়। উইলসন এট আল দ্বারা পরীক্ষামূলক ফলাফল। 32 নিশ্চিত করেছে যে বেধকে গড় শস্য ব্যাস (t/d) এ হ্রাস করার ফলে তিনটি ভিন্ন পুরুত্বের ধাতব শীটের দ্বি-অক্ষীয় প্রসারণযোগ্যতা হ্রাস পেয়েছে। তারা উপসংহারে পৌঁছেছেন যে 20-এর কম t/d মানগুলিতে, লক্ষণীয় বিকৃতি অসঙ্গতি এবং ঘাড় প্রধানত শীটের বেধে পৃথক দানা দ্বারা প্রভাবিত হয়। Ulvan এবং Koursaris33 304 এবং 316 অস্টেনিটিক স্টেইনলেস স্টিলের সামগ্রিক যন্ত্রের উপর শস্যের আকারের প্রভাব অধ্যয়ন করেছেন। তারা রিপোর্ট করে যে এই ধাতুগুলির গঠনযোগ্যতা শস্যের আকার দ্বারা প্রভাবিত হয় না, তবে প্রসার্য বৈশিষ্ট্যে ছোট পরিবর্তন দেখা যায়। এটি শস্যের আকার বৃদ্ধি যা এই স্টিলের শক্তি বৈশিষ্ট্য হ্রাসের দিকে পরিচালিত করে। নিকেল ধাতুর প্রবাহের চাপের উপর স্থানচ্যুতি ঘনত্বের প্রভাব দেখায় যে স্থানচ্যুতি ঘনত্ব ধাতুর প্রবাহের চাপ নির্ধারণ করে, শস্যের আকার নির্বিশেষে34। শস্য মিথস্ক্রিয়া এবং প্রাথমিক অভিযোজন অ্যালুমিনিয়াম টেক্সচারের বিবর্তনের উপরও একটি দুর্দান্ত প্রভাব ফেলে, যা বেকার এবং পঞ্চনাদিস্বরণ ক্রিস্টাল প্লাস্টিকতার পরীক্ষা এবং মডেলিং ব্যবহার করে তদন্ত করেছিলেন। তাদের বিশ্লেষণে সংখ্যাসূচক ফলাফলগুলি পরীক্ষার সাথে ভাল চুক্তিতে রয়েছে, যদিও কিছু সিমুলেশন ফলাফল প্রয়োগকৃত সীমানা শর্তগুলির সীমাবদ্ধতার কারণে পরীক্ষা থেকে বিচ্যুত হয়। স্ফটিক প্লাস্টিকতার নিদর্শন অধ্যয়ন করে এবং পরীক্ষামূলকভাবে সনাক্ত করে, ঘূর্ণিত অ্যালুমিনিয়াম শীটগুলি বিভিন্ন গঠনযোগ্যতা দেখায়36। ফলাফলগুলি দেখায় যে যদিও বিভিন্ন শীটের স্ট্রেস-স্ট্রেন বক্ররেখাগুলি প্রায় একই ছিল, প্রাথমিক মানের উপর ভিত্তি করে তাদের গঠনযোগ্যতার মধ্যে উল্লেখযোগ্য পার্থক্য ছিল। অ্যামেলিরাড এবং অ্যাসেমপুর অস্টেনিটিক স্টেইনলেস স্টিল শীটগুলির জন্য স্ট্রেস-স্ট্রেন কার্ভগুলি পেতে পরীক্ষাগুলি এবং CPFEM ব্যবহার করেছে37৷ তাদের সিমুলেশনগুলি দেখিয়েছে যে শস্যের আকার বৃদ্ধি FLD-তে ঊর্ধ্বমুখী হয়, একটি সীমাবদ্ধ বক্ররেখা তৈরি করে। উপরন্তু, একই লেখকরা শূন্যস্থান গঠনের উপর শস্য অভিযোজন এবং রূপবিদ্যার প্রভাব তদন্ত করেছেন 38।
অস্টেনিটিক স্টেইনলেস স্টিলগুলিতে শস্যের আকারবিদ্যা এবং ওরিয়েন্টেশন ছাড়াও, যমজ এবং গৌণ পর্যায়গুলির অবস্থাও গুরুত্বপূর্ণ। TWIP 39 ইস্পাতে শক্ত ও প্রসারিত করার প্রধান প্রক্রিয়া হল টুইনিং। Hwang40 রিপোর্ট করেছে যে TWIP স্টিলের গঠনযোগ্যতা যথেষ্ট প্রসার্য প্রতিক্রিয়া সত্ত্বেও দুর্বল ছিল। যাইহোক, অস্টেনিটিক স্টিল শীটগুলির গঠনযোগ্যতার উপর বিকৃতি যুগলের প্রভাব পর্যাপ্তভাবে অধ্যয়ন করা হয়নি। মিশ্র প্রমুখ। 41 অস্টেনিটিক স্টেইনলেস স্টীল অধ্যয়ন করেছেন বিভিন্ন টেনসিল স্ট্রেন পাথের অধীনে যমজ দেখতে। তারা দেখতে পেল যে যমজ সন্তানের উৎপত্তি হতে পারে ক্ষয়ের উৎস থেকে অ্যানিলড টুইন এবং নতুন প্রজন্মের যমজ। এটি দেখা গেছে যে দ্বি-অক্ষীয় উত্তেজনার অধীনে বৃহত্তম যমজ গঠন করে। উপরন্তু, এটি উল্লেখ করা হয়েছিল যে অস্টেনাইটের \({\alpha}^{^{\prime}}\)-মারটেনসাইটের রূপান্তর স্ট্রেন পাথের উপর নির্ভর করে। হং এট আল। 42 316L অস্টেনিটিক স্টিলের নির্বাচনী লেজার গলে যাওয়া তাপমাত্রার একটি পরিসরে হাইড্রোজেন ভ্রূণের উপর স্ট্রেন-প্ররোচিত টুইনিং এবং মার্টেনসাইটের প্রভাব তদন্ত করেছে। এটি পর্যবেক্ষণ করা হয়েছিল যে, তাপমাত্রার উপর নির্ভর করে, হাইড্রোজেন ব্যর্থতার কারণ হতে পারে বা 316L ইস্পাতের গঠনের উন্নতি করতে পারে। শেন এট আল। 43 পরীক্ষামূলকভাবে বিভিন্ন লোডিং হারে প্রসার্য লোডিংয়ের অধীনে বিকৃতি মার্টেনসাইটের আয়তন পরিমাপ করেছে। এটি পাওয়া গেছে যে প্রসার্য স্ট্রেনের বৃদ্ধি মার্টেনসাইট ভগ্নাংশের ভলিউম ভগ্নাংশকে বাড়িয়ে তোলে।
এআই পদ্ধতিগুলি বিজ্ঞান ও প্রযুক্তিতে ব্যবহার করা হয় কারণ সমস্যার শারীরিক এবং গাণিতিক ভিত্তিগুলিকে অবলম্বন না করে জটিল সমস্যাগুলির মডেলিংয়ে তাদের বহুমুখীতার কারণে 44,45,46,47,48,49,50,51,52 এআই পদ্ধতির সংখ্যা বাড়ছে . মোরাদি এট আল। 44টি সূক্ষ্ম ন্যানোসিলিকা কণা তৈরি করার জন্য রাসায়নিক অবস্থার অপ্টিমাইজ করার জন্য মেশিন লার্নিং কৌশল ব্যবহার করেছে। অন্যান্য রাসায়নিক বৈশিষ্ট্যগুলি ন্যানোস্কেল উপকরণগুলির বৈশিষ্ট্যগুলিকেও প্রভাবিত করে, যা অনেক গবেষণা নিবন্ধে তদন্ত করা হয়েছে53। সি ই এট আল। 45 বিভিন্ন ঘূর্ণায়মান অবস্থার অধীনে প্লেইন কার্বন ইস্পাত শীট ধাতুর গঠনযোগ্যতা ভবিষ্যদ্বাণী করতে ANFIS ব্যবহার করেছে। কোল্ড রোলিংয়ের কারণে, হালকা ইস্পাতে স্থানচ্যুতি ঘনত্ব উল্লেখযোগ্যভাবে বৃদ্ধি পেয়েছে। প্লেইন কার্বন স্টিলগুলি তাদের শক্ত হওয়া এবং পুনরুদ্ধার করার পদ্ধতিতে অস্টেনিটিক স্টেইনলেস স্টিলের থেকে আলাদা। সাধারণ কার্বন ইস্পাতে, ধাতব মাইক্রোস্ট্রাকচারে ফেজ রূপান্তর ঘটে না। ধাতব পর্যায় ছাড়াও, ধাতুগুলির নমনীয়তা, ফ্র্যাকচার, ম্যাকিনিবিলিটি ইত্যাদি বিভিন্ন ধরণের তাপ চিকিত্সা, ঠান্ডা কাজ এবং বার্ধক্যের সময় ঘটে এমন আরও কয়েকটি মাইক্রোস্ট্রাকচারাল বৈশিষ্ট্য দ্বারা প্রভাবিত হয়। ,60। , 61, 62. সম্প্রতি, চেন এট আল। 63 304L স্টিলের গঠনযোগ্যতার উপর কোল্ড রোলিং এর প্রভাব অধ্যয়ন করেছে। তারা স্নায়বিক নেটওয়ার্ককে গঠনযোগ্যতার পূর্বাভাস দেওয়ার জন্য প্রশিক্ষণ দেওয়ার জন্য শুধুমাত্র পরীক্ষামূলক পরীক্ষায় ঘটনাগত পর্যবেক্ষণগুলিকে বিবেচনায় নিয়েছিল। প্রকৃতপক্ষে, অস্টেনিটিক স্টেইনলেস স্টিলের ক্ষেত্রে, শীটের প্রসার্য বৈশিষ্ট্য কমাতে বিভিন্ন কারণ একত্রিত হয়। Lu et al.64 ANFIS ব্যবহার করেছে গর্ত সম্প্রসারণ প্রক্রিয়ায় বিভিন্ন পরামিতির প্রভাব পর্যবেক্ষণ করতে।
উপরের পর্যালোচনায় সংক্ষিপ্তভাবে আলোচনা করা হয়েছে, আকৃতির সীমা ডায়াগ্রামে মাইক্রোস্ট্রাকচারের প্রভাব সাহিত্যে খুব কম মনোযোগ পেয়েছে। অন্যদিকে, অনেক মাইক্রোস্ট্রাকচারাল বৈশিষ্ট্য অবশ্যই বিবেচনায় নেওয়া উচিত। অতএব, বিশ্লেষণাত্মক পদ্ধতিতে সমস্ত মাইক্রোস্ট্রাকচারাল ফ্যাক্টর অন্তর্ভুক্ত করা প্রায় অসম্ভব। এই অর্থে, কৃত্রিম বুদ্ধিমত্তার ব্যবহার উপকারী হতে পারে। এই বিষয়ে, এই অধ্যয়নটি স্টেইনলেস স্টিল শীটগুলির গঠনযোগ্যতার উপর মাইক্রোস্ট্রাকচারাল ফ্যাক্টরগুলির একটি দিক, যেমন স্ট্রেস-প্ররোচিত মার্টেনসাইটের উপস্থিতিগুলির প্রভাব তদন্ত করে। এই অধ্যয়নটি গঠনযোগ্যতার ক্ষেত্রে অন্যান্য AI অধ্যয়ন থেকে আলাদা যে ফোকাস শুধুমাত্র পরীক্ষামূলক FLD বক্ররেখার পরিবর্তে মাইক্রোস্ট্রাকচারাল বৈশিষ্ট্যগুলির উপর। আমরা পরীক্ষামূলক এবং কৃত্রিম বুদ্ধিমত্তা পদ্ধতি ব্যবহার করে বিভিন্ন মার্টেনসাইট সামগ্রী সহ 316 স্টিলের গঠনযোগ্যতা মূল্যায়ন করার চেষ্টা করেছি। প্রথম ধাপে, 2 মিমি প্রাথমিক পুরুত্বের 316টি ইস্পাতকে অ্যানিল করা হয়েছিল এবং বিভিন্ন পুরুত্বে কোল্ড রোল করা হয়েছিল। তারপরে, মেটালোগ্রাফিক নিয়ন্ত্রণ ব্যবহার করে, মার্টেনসাইটের আপেক্ষিক এলাকা পরিমাপ করা হয়েছিল। স্ট্রেন লিমিট ডায়াগ্রাম (এফএলডি) পাওয়ার জন্য একটি গোলার্ধ বিস্ফোরণ পরীক্ষা ব্যবহার করে রোলড শীটগুলির গঠনযোগ্যতা নির্ধারণ করা হয়েছিল। তার কাছ থেকে প্রাপ্ত ডেটা পরে কৃত্রিম নিউরো-ফাজি ইন্টারফারেন্স সিস্টেম (ANFIS) প্রশিক্ষণ ও পরীক্ষা করার জন্য ব্যবহার করা হয়েছিল। ANFIS প্রশিক্ষণের পরে, নিউরাল নেটওয়ার্কের পূর্বাভাসগুলি পরীক্ষামূলক ফলাফলের একটি নতুন সেটের সাথে তুলনা করা হয়।
বর্তমান গবেষণায় ব্যবহৃত 316 অস্টেনিটিক স্টেইনলেস স্টীল ধাতব শীটটির একটি রাসায়নিক গঠন রয়েছে যা সারণী 1 এ দেখানো হয়েছে এবং প্রাথমিক বেধ 1.5 মিমি। 1050 ডিগ্রি সেলসিয়াস তাপমাত্রায় 1 ঘন্টার জন্য অ্যানিলিং এবং তারপরে শীটের অবশিষ্ট চাপগুলি উপশম করতে এবং একটি অভিন্ন মাইক্রোস্ট্রাকচার পেতে জল নিভিয়ে দেওয়া হয়।
অস্টেনিটিক স্টিলের মাইক্রোস্ট্রাকচার বেশ কয়েকটি এচ্যান্ট ব্যবহার করে প্রকাশ করা যেতে পারে। 120 s38 এর জন্য 1 ভিডিসিতে খোদাই করা পাতিত জলে 60% নাইট্রিক অ্যাসিডের মধ্যে একটি সেরা এচেন্ট। যাইহোক, এই ইচ্যান্টটি শুধুমাত্র শস্যের সীমানা দেখায় এবং ডবল গ্রেইনের সীমানা চিহ্নিত করতে পারে না, যেমন চিত্র 1a এ দেখানো হয়েছে। আরেকটি এচ্যান্ট হল গ্লিসারল অ্যাসিটেট, যেখানে যমজ সীমানাগুলি ভালভাবে কল্পনা করা যেতে পারে, কিন্তু শস্যের সীমানাগুলি নয়, যেমনটি চিত্র 1বি-তে দেখানো হয়েছে। উপরন্তু, মেটাস্টেবল অস্টেনিটিক ফেজকে \({\alpha }^{^{\prime}}\)-এ রূপান্তরের পরে গ্লিসারল অ্যাসিটেট এচ্যান্ট ব্যবহার করে মার্টেনসাইট ফেজ সনাক্ত করা যেতে পারে, যা বর্তমান গবেষণায় আগ্রহের বিষয়।
অ্যানিলিংয়ের পরে ধাতব প্লেট 316 এর মাইক্রোস্ট্রাকচার, বিভিন্ন এচ্যান্ট দ্বারা দেখানো হয়েছে, (a) 200x, 60% \({\mathrm{HNO}}_{3}\) 120 s জন্য 1.5 V এ পাতিত জলে, এবং (b) 200x , গ্লিসারিল অ্যাসিটেট।
অ্যানিলড শীটগুলি 11 সেমি চওড়া এবং 1 মিটার লম্বা শীটে কাটা হয়েছিল। কোল্ড রোলিং প্ল্যান্টে 140 মিমি ব্যাস সহ দুটি প্রতিসম রোল রয়েছে। কোল্ড রোলিং প্রক্রিয়াটি 316 স্টেইনলেস স্টিলে অস্টেনাইটকে বিকৃতি মার্টেনসাইটে রূপান্তরিত করে। বিভিন্ন পুরুত্বের মধ্য দিয়ে কোল্ড রোলিং করার পরে মার্টেনসাইট ফেজের সাথে অস্টেনাইট ফেজের অনুপাতের সন্ধান করা হচ্ছে। ডুমুর উপর. 2 শীট মেটালের মাইক্রোস্ট্রাকচারের একটি নমুনা দেখায়। ডুমুর উপর. 2a একটি ঘূর্ণিত নমুনার একটি ধাতব চিত্র দেখায়, যেমনটি শীটের লম্ব দিক থেকে দেখা হয়। ডুমুর উপর. 2b ImageJ65 সফ্টওয়্যার ব্যবহার করে, মার্টেনসিটিক অংশটি কালো রঙে হাইলাইট করা হয়েছে। এই ওপেন সোর্স সফটওয়্যারের টুল ব্যবহার করে মার্টেনসাইট ভগ্নাংশের ক্ষেত্রফল পরিমাপ করা যায়। সারণী 2 পুরুত্বের বিভিন্ন হ্রাসে ঘূর্ণায়মান হওয়ার পরে মার্টেনসিটিক এবং অস্টেনিটিক পর্যায়গুলির বিশদ ভগ্নাংশগুলি দেখায়।
একটি 316 L শীটের মাইক্রোস্ট্রাকচার 50% পুরুত্ব হ্রাস করার পরে, শীটের সমতলে লম্বভাবে দেখা হয়েছে, 200 বার বড় হয়েছে, গ্লিসারল অ্যাসিটেট।
সারণী 2-এ উপস্থাপিত মানগুলি একই ধাতব নমুনার বিভিন্ন স্থানে তোলা তিনটি ফটোগ্রাফের উপর মাপা মার্টেনসাইট ভগ্নাংশের গড় করে প্রাপ্ত হয়েছিল। উপরন্তু, ডুমুর মধ্যে. মার্টেনসাইটের উপর কোল্ড রোলিং এর প্রভাব আরও ভালভাবে বোঝার জন্য 3 চতুর্মুখী ফিটিং কার্ভ দেখায়। এটি দেখা যায় যে কোল্ড রোলড অবস্থায় মার্টেনসাইট এবং পুরুত্ব হ্রাসের অনুপাতের মধ্যে একটি প্রায় রৈখিক সম্পর্ক রয়েছে। যাইহোক, একটি দ্বিঘাত সম্পর্ক এই সম্পর্কটিকে আরও ভালভাবে উপস্থাপন করতে পারে।
একটি প্রাথমিকভাবে annealed 316 ইস্পাত শীট ঠান্ডা ঘূর্ণায়মান সময় বেধ হ্রাস একটি ফাংশন হিসাবে martensite অনুপাতের পরিবর্তন.
37,38,45,66 গোলার্ধ বিস্ফোরিত পরীক্ষা ব্যবহার করে স্বাভাবিক পদ্ধতি অনুসারে আকারের সীমা মূল্যায়ন করা হয়েছিল। মোট, ছয়টি নমুনা পরীক্ষামূলক নমুনার একটি সেট হিসাবে চিত্র 4a-এ দেখানো মাত্রা সহ লেজার কাটিংয়ের মাধ্যমে তৈরি করা হয়েছিল। মার্টেনসাইট ভগ্নাংশের প্রতিটি রাজ্যের জন্য, পরীক্ষার নমুনার তিনটি সেট প্রস্তুত এবং পরীক্ষা করা হয়েছিল। ডুমুর উপর. 4b কাটা, পালিশ করা এবং চিহ্নিত নমুনা দেখায়।
নাকাজিমা ছাঁচনির্মাণ নমুনার আকার এবং কাটিং বোর্ডকে সীমাবদ্ধ করে। (a) মাত্রা, (b) কাটা এবং চিহ্নিত নমুনা।
2 মিমি/সেকেন্ড ভ্রমণের গতি সহ একটি হাইড্রোলিক প্রেস ব্যবহার করে হেমিস্ফেরিকাল পাঞ্চিং পরীক্ষা করা হয়েছিল। পাঞ্চ এবং শীটের যোগাযোগের পৃষ্ঠগুলি ভালভাবে লুব্রিকেট করা হয় যাতে সীমা তৈরিতে ঘর্ষণের প্রভাব কম হয়। নমুনায় উল্লেখযোগ্য সংকীর্ণতা বা বিরতি পরিলক্ষিত না হওয়া পর্যন্ত পরীক্ষা চালিয়ে যান। ডুমুর উপর. 5 ডিভাইসে ধ্বংস হওয়া নমুনা এবং পরীক্ষার পরে নমুনা দেখায়।
আকৃতির সীমাটি একটি হেমিস্ফেরিকাল বার্স্ট টেস্ট ব্যবহার করে নির্ধারণ করা হয়েছিল, (a) টেস্ট রিগ, (b) পরীক্ষার রিগ বিরতিতে নমুনা প্লেট, (c) পরীক্ষার পরে একই নমুনা।
Jang67 দ্বারা বিকশিত নিউরো-ফাজি সিস্টেমটি পাতার গঠন সীমা বক্ররেখার পূর্বাভাসের জন্য একটি উপযুক্ত হাতিয়ার। এই ধরনের কৃত্রিম নিউরাল নেটওয়ার্কে অস্পষ্ট বর্ণনা সহ পরামিতিগুলির প্রভাব অন্তর্ভুক্ত। এর মানে হল যে তারা তাদের ক্ষেত্রগুলিতে যে কোনও প্রকৃত মূল্য পেতে পারে। এই ধরণের মানগুলিকে তাদের মান অনুসারে আরও শ্রেণীবদ্ধ করা হয়। প্রতিটি বিভাগের নিজস্ব নিয়ম আছে। উদাহরণস্বরূপ, একটি তাপমাত্রার মান যেকোনো বাস্তব সংখ্যা হতে পারে এবং এর মানের উপর নির্ভর করে তাপমাত্রাকে ঠান্ডা, মাঝারি, উষ্ণ এবং গরম হিসাবে শ্রেণীবদ্ধ করা যেতে পারে। এই বিষয়ে, উদাহরণস্বরূপ, নিম্ন তাপমাত্রার নিয়ম হল "একটি জ্যাকেট পরুন" এবং উষ্ণ তাপমাত্রার নিয়ম হল "যথেষ্ট টি-শার্ট"। অস্পষ্ট যুক্তিতে নিজেই, আউটপুট নির্ভুলতা এবং নির্ভরযোগ্যতার জন্য মূল্যায়ন করা হয়। ফাজি লজিকের সাথে নিউরাল নেটওয়ার্ক সিস্টেমের সমন্বয় নিশ্চিত করে যে ANFIS নির্ভরযোগ্য ফলাফল প্রদান করবে।
Jang67 দ্বারা প্রদত্ত চিত্র 6 একটি সাধারণ নিউরাল ফাজি নেটওয়ার্ক দেখায়। যেমন দেখানো হয়েছে, নেটওয়ার্ক দুটি ইনপুট নেয়, আমাদের গবেষণায় ইনপুট হল মাইক্রোস্ট্রাকচারে মার্টেনসাইটের অনুপাত এবং ক্ষুদ্র স্ট্রেনের মান। বিশ্লেষণের প্রথম স্তরে, ইনপুট মানগুলি অস্পষ্ট নিয়ম এবং সদস্যতা ফাংশন (FC) ব্যবহার করে অস্পষ্ট করা হয়:
\(i=1, 2\) এর জন্য, যেহেতু ইনপুটটির বর্ণনার দুটি বিভাগ আছে বলে ধরে নেওয়া হয়। MF যেকোনো ত্রিভুজাকার, ট্র্যাপিজয়েডাল, গাউসিয়ান বা অন্য কোনো আকৃতি ধারণ করতে পারে।
বিভাগ \({A}_{i}\) এবং \({B}_{i}\) এবং লেভেল 2 এ তাদের MF মানের উপর ভিত্তি করে, চিত্র 7-এ দেখানো কিছু নিয়ম গৃহীত হয়। এতে স্তর, বিভিন্ন ইনপুট প্রভাব একরকম একত্রিত হয়. এখানে, মার্টেনসাইট ভগ্নাংশ এবং ক্ষুদ্র স্ট্রেন মানগুলির প্রভাবকে একত্রিত করতে নিম্নলিখিত নিয়মগুলি ব্যবহার করা হয়:
এই স্তরটির আউটপুট \({w}_{i}\) কে ইগনিশন তীব্রতা বলা হয়। এই ইগনিশনের তীব্রতা নিম্নোক্ত সম্পর্ক অনুসারে স্তর 3 এ স্বাভাবিক করা হয়:
লেয়ার 4-এ, ইনপুট প্যারামিটারের প্রারম্ভিক মানের প্রভাব বিবেচনা করার জন্য তাকাগি এবং সুজেনো নিয়মগুলি 67,68 গণনায় অন্তর্ভুক্ত করা হয়েছে। এই স্তরটির নিম্নলিখিত সম্পর্ক রয়েছে:
ফলস্বরূপ \({f}_{i}\) স্তরগুলির স্বাভাবিক মান দ্বারা প্রভাবিত হয়, যা চূড়ান্ত ফলাফল দেয়, প্রধান ওয়ার্প মানগুলি:
যেখানে \(NR\) নিয়মের সংখ্যা উপস্থাপন করে। এখানে নিউরাল নেটওয়ার্কের ভূমিকা হল অজানা নেটওয়ার্ক প্যারামিটার সংশোধন করতে এর অভ্যন্তরীণ অপ্টিমাইজেশান অ্যালগরিদম ব্যবহার করা। অজানা পরামিতিগুলি হল ফলাফলের পরামিতি \(\left\{{p}_{i}, {q}_{i}, {r}_{i}\right\}\), এবং MF সম্পর্কিত পরামিতিগুলি সাধারণীকৃত উইন্ড চাইমস আকৃতি ফাংশন হিসাবে বিবেচিত হয়:
আকৃতির সীমা ডায়াগ্রাম রাসায়নিক গঠন থেকে শীট ধাতুর বিকৃতি ইতিহাস পর্যন্ত অনেক পরামিতির উপর নির্ভর করে। কিছু পরামিতি মূল্যায়ন করা সহজ, যার মধ্যে প্রসার্য পরীক্ষার পরামিতি রয়েছে, অন্যদের জন্য আরও জটিল পদ্ধতির প্রয়োজন যেমন ধাতববিদ্যা বা অবশিষ্ট স্ট্রেস নির্ধারণ। বেশিরভাগ ক্ষেত্রে, শীটের প্রতিটি ব্যাচের জন্য একটি স্ট্রেন সীমা পরীক্ষা করার পরামর্শ দেওয়া হয়। যাইহোক, কখনও কখনও অন্যান্য পরীক্ষার ফলাফল আনুমানিক আকার সীমা ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, বেশ কয়েকটি গবেষণায় শীট গঠনযোগ্যতা নির্ধারণের জন্য প্রসার্য পরীক্ষার ফলাফল ব্যবহার করা হয়েছে69,70,71,72। অন্যান্য গবেষণায় তাদের বিশ্লেষণে আরও পরামিতি অন্তর্ভুক্ত করা হয়েছে, যেমন শস্যের বেধ এবং আকার 31,73,74,75,76,77। যাইহোক, সমস্ত অনুমোদিত পরামিতি অন্তর্ভুক্ত করা গণনাগতভাবে সুবিধাজনক নয়। এইভাবে, ANFIS মডেলগুলির ব্যবহার এই সমস্যাগুলি মোকাবেলা করার জন্য একটি যুক্তিসঙ্গত পদ্ধতি হতে পারে45,63৷
এই কাগজে, একটি 316 অস্টেনিটিক ইস্পাত শীটের আকার দেওয়ার সীমা ডায়াগ্রামে মার্টেনসাইট সামগ্রীর প্রভাব তদন্ত করা হয়েছিল। এই বিষয়ে, পরীক্ষামূলক পরীক্ষা ব্যবহার করে একটি ডেটা সেট প্রস্তুত করা হয়েছিল। উন্নত সিস্টেমে দুটি ইনপুট ভেরিয়েবল রয়েছে: মেটালোগ্রাফিক পরীক্ষায় পরিমাপ করা মার্টেনসাইটের অনুপাত এবং ছোট ইঞ্জিনিয়ারিং স্ট্রেনের পরিসর। ফলাফল গঠনের সীমা বক্ররেখার একটি প্রধান প্রকৌশল বিকৃতি। তিন ধরনের মার্টেনসিটিক ভগ্নাংশ রয়েছে: সূক্ষ্ম, মাঝারি এবং উচ্চ ভগ্নাংশ। কম মানে মার্টেনসাইটের অনুপাত 10% এর কম। মাঝারি অবস্থার অধীনে, মার্টেনসাইটের অনুপাত 10% থেকে 20% পর্যন্ত হয়। মার্টেনসাইটের উচ্চ মানগুলিকে 20% এরও বেশি ভগ্নাংশ হিসাবে বিবেচনা করা হয়। উপরন্তু, গৌণ স্ট্রেনের উল্লম্ব অক্ষের কাছাকাছি -5% এবং 5% এর মধ্যে তিনটি স্বতন্ত্র বিভাগ রয়েছে, যেগুলি FLD0 নির্ধারণ করতে ব্যবহৃত হয়। ইতিবাচক এবং নেতিবাচক ব্যাপ্তি হল অন্য দুটি বিভাগ।
অর্ধগোলাকার পরীক্ষার ফলাফল FIG এ দেখানো হয়েছে। চিত্রটি সীমার 6 আকৃতির ডায়াগ্রাম দেখায়, যার মধ্যে 5টি পৃথক রোলড শীটের FLD। একটি নিরাপত্তা বিন্দু এবং তার ঊর্ধ্ব সীমা বক্ররেখা একটি সীমা বক্ররেখা (FLC) প্রদত্ত। শেষ চিত্রটি সমস্ত FLC এর তুলনা করে। শেষ চিত্র থেকে দেখা যায়, 316 অস্টেনিটিক ইস্পাতে মার্টেনসাইটের অনুপাত বৃদ্ধি শীট ধাতুর গঠনযোগ্যতা হ্রাস করে। অন্যদিকে, মার্টেনসাইটের অনুপাত বৃদ্ধি ধীরে ধীরে এফএলসিকে উল্লম্ব অক্ষ সম্পর্কে একটি প্রতিসম বক্ররেখায় পরিণত করে। শেষ দুটি গ্রাফে, বক্ররেখার ডান দিকটি বাম দিকের চেয়ে সামান্য বেশি, যার অর্থ হল দ্বিঅক্ষীয় উত্তেজনায় গঠনযোগ্যতা অক্ষীয় উত্তেজনার চেয়ে বেশি। এছাড়াও, মারটেনসাইটের ক্রমবর্ধমান অনুপাতের সাথে নেকিংয়ের আগে ছোট এবং বড় উভয় প্রকৌশলগত স্ট্রেন হ্রাস পায়।
316 একটি সীমা বক্ররেখা গঠন করে। অস্টেনিটিক ইস্পাত শীট গঠনযোগ্যতার উপর মার্টেনসাইটের অনুপাতের প্রভাব। (নিরাপত্তা বিন্দু SF, গঠন সীমা বক্ররেখা FLC, martensite M)।
নিউরাল নেটওয়ার্ক 7.8, 18.3 এবং 28.7% এর মার্টেনসাইট ভগ্নাংশ সহ পরীক্ষামূলক ফলাফলের 60 সেটে প্রশিক্ষিত হয়েছিল। 15.4% মার্টেনসাইটের একটি ডেটা সেট যাচাইকরণ প্রক্রিয়ার জন্য এবং 25.6% পরীক্ষার প্রক্রিয়ার জন্য সংরক্ষিত ছিল। 150 যুগের পরে ত্রুটি প্রায় 1.5%। ডুমুর উপর. 9 প্রশিক্ষণ এবং পরীক্ষার জন্য প্রদত্ত প্রকৃত আউটপুট (\({\epsilon }_{1}\), মৌলিক প্রকৌশল কাজের চাপ) এর মধ্যে পারস্পরিক সম্পর্ক দেখায়। আপনি দেখতে পাচ্ছেন, প্রশিক্ষিত NFS শীট মেটাল অংশগুলির জন্য সন্তোষজনকভাবে \({\epsilon} _{1}\) ভবিষ্যদ্বাণী করে।
(a) প্রশিক্ষণ প্রক্রিয়ার পরে পূর্বাভাসিত এবং প্রকৃত মানগুলির মধ্যে সম্পর্ক, (b) প্রশিক্ষণ এবং যাচাইকরণের সময় FLC-তে প্রধান প্রকৌশল লোডগুলির জন্য পূর্বাভাসিত এবং প্রকৃত মানগুলির মধ্যে ত্রুটি।
প্রশিক্ষণের সময় কিছু সময়ে, ANFIS নেটওয়ার্ক অনিবার্যভাবে পুনর্ব্যবহৃত হয়। এটি নির্ধারণ করতে, একটি সমান্তরাল চেক সঞ্চালিত হয়, যাকে "চেক" বলা হয়। যদি বৈধতা ত্রুটি মান প্রশিক্ষণ মান থেকে বিচ্যুত হয়, নেটওয়ার্ক পুনরায় প্রশিক্ষণ শুরু হয়. চিত্র 9b তে দেখানো হয়েছে, 150 যুগের আগে, শেখার এবং বৈধতা বক্ররেখার মধ্যে পার্থক্য কম, এবং তারা মোটামুটি একই বক্ররেখা অনুসরণ করে। এই মুহুর্তে, যাচাইকরণ প্রক্রিয়ার ত্রুটিটি শেখার বক্ররেখা থেকে বিচ্যুত হতে শুরু করে, যা ANFIS ওভারফিটিং এর লক্ষণ। এইভাবে, রাউন্ড 150-এর জন্য ANFIS নেটওয়ার্ক 1.5% এর ত্রুটির সাথে সংরক্ষিত। তারপর ANFIS এর জন্য FLC পূর্বাভাস চালু করা হয়। ডুমুর উপর. 10 প্রশিক্ষণ এবং যাচাইকরণ প্রক্রিয়ায় ব্যবহৃত নির্বাচিত নমুনার জন্য পূর্বাভাসিত এবং প্রকৃত বক্ররেখা দেখায়। যেহেতু এই কার্ভগুলি থেকে ডেটা নেটওয়ার্ককে প্রশিক্ষণের জন্য ব্যবহার করা হয়েছিল, তাই খুব কাছাকাছি ভবিষ্যদ্বাণীগুলি পর্যবেক্ষণ করা আশ্চর্যজনক নয়।
প্রকৃত পরীক্ষামূলক FLC এবং ANFIS ভবিষ্যদ্বাণীমূলক বক্ররেখা বিভিন্ন martensite বিষয়বস্তু অবস্থার অধীনে। এই বক্ররেখাগুলি প্রশিক্ষণ প্রক্রিয়ায় ব্যবহৃত হয়।
ANFIS মডেল জানে না শেষ নমুনার কি হয়েছে। অতএব, আমরা 25.6% মার্টেনসাইট ভগ্নাংশ সহ নমুনা জমা দিয়ে FLC-এর জন্য আমাদের প্রশিক্ষিত ANFIS পরীক্ষা করেছি। ডুমুর উপর. 11 ANFIS FLC ভবিষ্যদ্বাণীর পাশাপাশি পরীক্ষামূলক FLC দেখায়। পূর্বাভাসিত মান এবং পরীক্ষামূলক মানের মধ্যে সর্বাধিক ত্রুটি হল 6.2%, যা প্রশিক্ষণ এবং বৈধতার সময় পূর্বাভাসিত মানের চেয়ে বেশি। যাইহোক, এই ত্রুটিটি অন্যান্য গবেষণার তুলনায় একটি সহনীয় ত্রুটি যা FLC তাত্ত্বিকভাবে ভবিষ্যদ্বাণী করে37।
শিল্পে, গঠনযোগ্যতাকে প্রভাবিত করে এমন পরামিতিগুলি একটি জিহ্বার আকারে বর্ণনা করা হয়। উদাহরণস্বরূপ, "মোটা শস্য গঠনযোগ্যতা হ্রাস করে" বা "বর্ধিত ঠান্ডা কাজ FLC হ্রাস করে"। প্রথম পর্যায়ে ANFIS নেটওয়ার্কে ইনপুটকে নিম্ন, মাঝারি এবং উচ্চের মতো ভাষাগত বিভাগে শ্রেণীবদ্ধ করা হয়। নেটওয়ার্কে বিভিন্ন বিভাগের জন্য বিভিন্ন নিয়ম রয়েছে। অতএব, শিল্পে, এই ধরণের নেটওয়ার্ক তাদের ভাষাগত বর্ণনা এবং বিশ্লেষণে বেশ কয়েকটি কারণ অন্তর্ভুক্ত করার ক্ষেত্রে খুব কার্যকর হতে পারে। এই কাজে, আমরা ANFIS এর সম্ভাবনাগুলি ব্যবহার করার জন্য অস্টেনিটিক স্টেইনলেস স্টিলের মাইক্রোস্ট্রাকচারের একটি প্রধান বৈশিষ্ট্য বিবেচনা করার চেষ্টা করেছি। 316 এর স্ট্রেস-প্ররোচিত মার্টেনসাইটের পরিমাণ এই সন্নিবেশগুলির ঠান্ডা কাজের একটি সরাসরি ফলাফল। পরীক্ষা-নিরীক্ষা এবং ANFIS বিশ্লেষণের মাধ্যমে দেখা গেছে যে এই ধরনের অস্টেনিটিক স্টেইনলেস স্টিলে মার্টেনসাইটের অনুপাত বৃদ্ধির ফলে প্লেট 316-এর এফএলসি উল্লেখযোগ্যভাবে হ্রাস পায়, যাতে মার্টেনসাইটের অনুপাত 7.8% থেকে 28.7% বৃদ্ধি পায়। 0.35 থেকে FLD0। যথাক্রমে 0.1 পর্যন্ত। অন্যদিকে, প্রশিক্ষিত এবং বৈধ ANFIS নেটওয়ার্ক 80% উপলব্ধ পরীক্ষামূলক ডেটা ব্যবহার করে FLC-এর ভবিষ্যদ্বাণী করতে পারে সর্বোচ্চ 6.5% ত্রুটি সহ, যা অন্যান্য তাত্ত্বিক পদ্ধতি এবং ঘটনা সংক্রান্ত সম্পর্কের তুলনায় ত্রুটির একটি গ্রহণযোগ্য মার্জিন।
বর্তমান গবেষণায় ব্যবহৃত এবং/অথবা বিশ্লেষণ করা ডেটাসেটগুলি যুক্তিসঙ্গত অনুরোধের ভিত্তিতে সংশ্লিষ্ট লেখকদের কাছ থেকে পাওয়া যায়।
ইফতিখার, সিএমএ, এবং অন্যান্য। আনুপাতিক এবং অ-আনুপাতিক লোডিং পাথের অধীনে এক্সট্রুডেড AZ31 ম্যাগনেসিয়াম অ্যালয় "যেমন আছে" এর পরবর্তী ফলন পথের বিবর্তন: CPFEM পরীক্ষা এবং সিমুলেশন। অভ্যন্তরীণ জে. প্রস্ট 151, 103216 (2022)।
ইফতিখার, টিএসএমএ ইত্যাদি। অ্যানিলড AA6061 অ্যালোয়ের আনুপাতিক এবং অ-আনুপাতিক লোডিং পাথ বরাবর প্লাস্টিকের বিকৃতির পরে পরবর্তী ফলন পৃষ্ঠের বিবর্তন: ক্রিস্টাল প্লাস্টিকতার পরীক্ষা এবং সসীম উপাদান মডেলিং। অভ্যন্তরীণ জে প্লাস্ট 143, 102956 (2021)।
মানিক, টি., হোলমেডাল, বি এবং হপারস্ট্যাড, ওএস স্ট্রেস ট্রানজিয়েন্টস, ওয়ার্ক হার্ডেনিং এবং অ্যালুমিনিয়াম আর ভ্যালু স্ট্রেন পাথ পরিবর্তনের কারণে। অভ্যন্তরীণ জে. প্রস্ট 69, 1–20 (2015)।
মামুশি, এইচ. এট আল। স্বাভাবিক চাপের প্রভাব বিবেচনা করে সীমিত আকারের ডায়াগ্রাম নির্ধারণের জন্য একটি নতুন পরীক্ষামূলক পদ্ধতি। অভ্যন্তরীণ জে. আলমা ম্যাটার। ফর্ম 15(1), 1 (2022)।
ইয়াং জেড. এট আল। AA7075-T6 শীট মেটালের নমনীয় ফ্র্যাকচার প্যারামিটার এবং স্ট্রেন সীমার পরীক্ষামূলক ক্রমাঙ্কন। জে. আলমা ম্যাটার। প্রক্রিয়া প্রযুক্তি 291, 117044 (2021)।
পেট্রিটস, এ. এট আল। অতি-নমনীয় ফেরোইলেকট্রিক রূপান্তরকারী এবং জৈব ডায়োডের উপর ভিত্তি করে লুকানো শক্তি সংগ্রহের ডিভাইস এবং বায়োমেডিকাল সেন্সর। জাতীয় কমিউন। 12(1), 2399 (2021)।
বসাক, এস. এবং পান্ডা, এসকে Yld 2000–2d ফলন মডেল ব্যবহার করে মেরু কার্যকরী প্লাস্টিক বিকৃতির পথে বিভিন্ন পূর্ব-বিকৃত প্লেটের ঘাড় এবং ফ্র্যাকচার সীমার বিশ্লেষণ। জে. আলমা ম্যাটার। প্রক্রিয়া প্রযুক্তি 267, 289–307 (2019)।
বসাক, এস এবং পান্ডা, এসকে ফ্র্যাকচার ডিফর্মেশনস ইন অ্যানিসোট্রপিক শিট মেটাল: পরীক্ষামূলক মূল্যায়ন এবং তাত্ত্বিক ভবিষ্যদ্বাণী। অভ্যন্তরীণ জে. মেচা। বিজ্ঞান 151, 356–374 (2019)।
জালেফার, এফ., হাশেমি, আর. ও হোসেনিপুর, এসজে ছাঁচনির্মাণ সীমা ডায়াগ্রাম AA5083-এ স্ট্রেন ট্র্যাজেক্টোরি পরিবর্তনের প্রভাবের পরীক্ষামূলক এবং তাত্ত্বিক অধ্যয়ন। অভ্যন্তরীণ জে. অ্যাড. প্রস্তুতকারক প্রযুক্তি 76(5–8), 1343–1352 (2015)।
হাবিবি, এম. এট আল। যান্ত্রিক বৈশিষ্ট্যের পরীক্ষামূলক অধ্যয়ন, গঠনযোগ্যতা, এবং ঘর্ষণ ঢালাই করা ফাঁকা স্থানগুলিকে সীমিত আকার দেওয়ার চিত্র। জে মেকার। প্রক্রিয়া 31, 310–323 (2018)।
হাবিবি, এম., এট আল। নমনের প্রভাব বিবেচনা করে, সীমার চিত্রটি এমসি মডেলকে সসীম উপাদান মডেলিং-এ অন্তর্ভুক্ত করে গঠিত হয়। প্রক্রিয়া পশম ইনস্টিটিউট। প্রকল্প এল 232(8), 625–636 (2018)।
পোস্টের সময়: জুন-০৮-২০২৩