میکرو آلیاژ API X65-بررسی اثر ترکیب شیمیایی بر خواص مکانیکی فولاد X65
میکرو آلیاژ API X65
بررسی اثر ترکیب شیمیایی بر خواص مکانیکی فولاد میکرو آلیاژی گرید API X65
چکیده
در این تحقیق از شبکه عصبی پیشرو با الگوریتم پس انتشار خطا. برای پیشبینی اثر ترکیب شیمیایی بر خواص مکانیکی (مقاومت تسلیم، مقاومت کششی و ازدیاد طول نسبی). فولاد API X65 (مورد استفاده در ساخت لولههای قطور انتقال گاز ایران) استفاده گردید. دیتاهای تجربی با جدا کردن نمونه از 100 لوله تولیدی در مقیاس صنعتی (با ذوب و فرآیند ساخت یکسان). و انجام آنالیز شیمیایی و آزمون کشش فراهم شد.
از نمودار پراکندگی و معیارهای آماری ضریب همبستگی و مجذور میانگین مربعات خطای نسبی (MSRE)، برای ارزیابی شکبه استفاده شد. سپس با توجه به نتایج مناسب مورد حاصل از شبکه عصبی، از آن برای پیشبینی اثر کمی نیکل. مس و مجموع عناصر میکروآلیاژی (Nb+Ti+V+Al). بر خواص مکانیکی فولاد مورد مطالعه، استفاده گردید.
فولادهای میکروآلیاژی یا به عبارت دیگر فولادهای استحکام بالا کم آلیاژی (HSLA) در طی نیم قرن گذشته گسترش یافتهاند. و به طور گسترده در کاربردهایی نظیر کشتیسازی و ساخت لولههای قطور خطوط انتقال نفت و گاز به کار میروند. این فولادها اصولاً همان فولادهای کربن-منگنزی هستند. که با افزودن مقادیر کم عناصر میکروآلیاژی، استحکام آنها افزون گردید [1,2]. مشخصات آن دسته از این فولادها که در ساخت لولههای انتقال گاز و نفت مورد استفاده قرار میگیرند. توسط مؤسسه نفت آمریکا (American Petroleum Institute) API ، استاندارد شده است [3].
مقاومت تسلیم بالا، ازدیاد طول نسبی بالا، قابلیت جوشپذیری بالا و چقرمگی بالا و دمای انتقال شکست نرم. به شکست ترد پایین از ویژگیهای اصلی این فولادها است [3,4]. ریزساختار این فولادها ممکن است فریت- پرلیتی یا فریت سوزنی – باینتی باشد.
که ساختار اخیر به دلیل ترکیب بهتر استحکام و چقرمگی ارجحیت دارد [5-7]. در این فولادها دستیابی به ریزساختار و خواص مکانیکی مطلوب با ترکیب مناسب عناصر میکروآلیاژی و عملیات ترمومکانیکی میسر است [8-10]. موفقیت فرآیند و ترکیب صحیح عناصر مدنظر قرار دارد را میتوان با آنالیز شیمیایی (قابلیت جوشپذیری). انجام آزمون کشش (استحکام و ازدیاد طول نسبی) و انجام آزمون ضربه شارپی و آزمون وزنه سقوطی مطابق استاندارد APL 5L ارزیابی کرد [3,4].
در این فولادها به منظور بهبود قابلیت جوشکاری، درصد کربن، معمولاً پایین نگه داشته میشود. (کمتر از 0/1 درصد وزنی) و اثر کاهش استحکام ناشی از کاهش کربن با افزودن منگنز (معمولاً بین 1/4 تا 1/9 درصد وزنی). و مقادیر جزیی عناصر میکروآلیاژی نظیر Al,V,Ti,Nb جبران میشود. عناصر میکروآلیاژی با ریزدانه کردن فولاد منجر به افزایش همزمان استحکام و چقرمگی میشوند [1,2,11].
عملیات ترمودینامیکی، شامل نورد کنترل شده و سرد کردن سریع میباشد. نورد کنترلی در دو مرحله نورد خشن و نورد پرداخت انجام میشود. نورد خشن (اولیه)، در دمایی بالاتر از دمای عدم تبلور مجدد انجام میگیرد. که هدف از این مرحله دستیابی به ریزساختار ریزدانهای از آستنیت تبلور مجدد یافت. نورد پرداخت (نورد نهایی) در دمایی زیر دمای عدم تبلور مجدد (TNR). و بالای Ar3 (دمای شروع تبدیل فاز آستنیت به فریت) انجام میگیرد تا ریزساختار آستنیت مورد کشیدگی (Pancaked) حاصل گردد.
در این ریزساختار با افزایش نسبت مرز به حجم دانه و تشکیل باندهای تغییر شکل. مکانهای جوانه زنی فریت افزایش مییابد و امکان ریز دانه شدگی فولاد فراهم میشود. با سرد کردن سریع از بالای خط Ar3 تا دمای کلاف پیچی بر مقدار ریزدانه شدن افزوده میشود [1,11,12].
میکرو آلیاژ API X65
عناصر میکروآلیاژی (Ti,V,Al,Nb) با تشکیل کاربیدها، نیتریدها و کربونیتریدها از رشد بیشتر دانههای آستنیت پایدار در طی گرم کردن مجدد تا شروع نرود جلوگیری میکنند. همچنین این عناصر با بالا بردن دمای TNR، محدوده تشکیل آستنیت کشیده شده را افزایش داده امکان ریزدانه شدن فولاد را افزایش میدهند. با بالا رفتن دمای TNR، امکان انجام نورد نهایی در دماهای بالاتر و نیروهای پایینتر فراهم میآید.
Nb بیشترین تأثیر را در بالا بردن دمای TNR دارد. و عناصر V,Al,Ti به ترتیب در رتبههای دوم تا چهارم قرار دارند. همچنین عناصر میکروآلیاژی با تشکیل رسوبات ریز در طی عبورهای نهایی نورد (در دمای پایین). و در هنگام سرد کردن، منجر به افزایش استحکام فولاد میشوند. این مسأله در مورد وانادیوم صادق است. زیرا در دمای بالاتر از 1000 درجه سانتیگراد کاملاً به صورت محلول جامد است و در هنگام سرد کردن، مجدد رسوب میکند [1].
در تحقیق انجامی توسط بکالاقلو [7] اثر پارامترهای فرآیند، نظیر دمای نورد نهایی، کاهش ضخامت. زمان بین مراحل نورد، زمان و سرعت سرد شدن، بر ریزساختار و خواص مکانیکی. (استحکام، ازدیاد طول نسبی و چقرمگی ضربه) فولاد HSLA گرید X52 مورد مطالعه قرار گرفت. و به منظور بهبود خواص استحکام و چقرمگی این فولاد نورد کنترلی در ناحیه دو فازی (α+γ) پیشنهاد گردید. ژاو و همکاران [13] اثر پارامترهای نورد کنترلی بر خواص مکانیکی و ریزساختار یک فولاد. خط لوله تجاری با ترکیب شیمیایی ثابت را مورد بررسی قرار داد. و معادلات رگرسیونی زیر را برای تعیین خواص مکانیکی (استخدام و ازدیاد طول نسبی) پیشنهاد کردهاند:
میکرو آلیاژ API X65
که در روابط فوق Vc,Tc,Tf,Ts به ترتیب دمای شروع نورد. دمای پایان نورد، دمای سرد کردن نهایی (دمای کلاف پیچی) برحسب درجه سانتیگراد و سرعت سرد کردن (درجه سانتیگراد بر ثانیه). از دمای نورد نهایی به دما کلاف پیچی میباشند. در مطالعه انجامی توسط زیاو و همکاران [14]، رفتار تغییر شکل گرم. و همچنین تأثیر آن بر انتقال فاز فولاد خط لوله فریت سوزنی با ترکیب شیمیایی ثابت. مطابق با گرید تجاری API X60 مورد بررسی قرار گرفت و بر مبنای این مطالعات پارامترهای بهینه عملیات ترمومکانیکال (TMCP) طراحی گردید.
علاوه بر این، آزمون نورد بر روی دستگاه نورد آزمایشگاهی انجام و نشان دهی شد. با کنترل مناسب پارامترهای فرآیند تولید TMCP، میتوان به مقاومت بالا و چقرمگی عالی دست یافت.
به منظور دستیابی به ریزساختار و خواص مکانیکی مطلوب (استحکام، چقرمگی و قابلیت جوشکاری). در تولید فولادها به دانش وسیعی در مورد پارامترهای فرآیند نیاز است. قطعاً طراحی فرآیند و طراحی آلیاژ برای تهیه فولاد پیچیده است. و به درک عمیقی از مفاهیم متالورژیکی در هر یک از مراحل تولید وابستگی دارد. اخیراً از سیستمهای یادگیری هوشمند نظیر شبکههای عصبی برای پیشبینی خواص مکانیکی فولادهای گوناگون. به منظور تهیه آلیاژ یا طراحی مسیر فرآیند استفاده شده است [15-18].
در تحقیق انجامی توسط کال و همکاران [19]، با انجام آزمونهای نورد بر روی فولادی با گرید تجاری API X65. با پنج ترکیب شیمیایی مختلف از شبکه عصبی رگرسیون تعمیم یافته. برای پیشبینی انرژی ضربه به عنوان تابعی از پارامترهای متالورژیکی و نورد مورد استفاده قرار گرفت.
در تحقیق حاضر از یک شبکه عصبی پیشرو با الگوریتم پس انتشار خطا برای پیشبینی اثر ترکیب شیمیایی. بر خواص مکانیکی (مقاومت تسلیم، مقاومت کششی و ازدیاد طول نسبی نسبی). فولاد میکروآلیاژی گرید API X65 استفاد شده است. این فولاد به طور گسترده در خطوط انتقال گاز ایران به شکل لولههای فولادی با ضخامت بالا، مورد استفاده قرار میگیرد. با توجه به عملکرد دقیق شبکه عصبی مورد آموزش دهی از آن برای بررسی کمی اثر نیکل. عناصر میکروآلیاژی (نیوبیوم، تیتانیوم، وانادیوم و آلومینیوم) و مس بر مقاومت تسلیم. مقاومت کششی و ازدیاد طول نسبی استفاده شده است.
مواد و روش تحقیق
به منظور دستیابی به اهداف تحقیق حاضر، نمونههایی از 100 لوله تولیدی در مقیاس صنعتی. (با جنس فولاد میکروآلیاژی گرید API X65 با قطر خارجی 1219mm. ضخامت دیواره 14/3mm با ذوب و فرآیند ساخت یکسان) جدا و آنالیز ترکیب شیمیایی به روش کوانتومتری انجام شد. مطابق استاندارد API 5L آنالیز شیمیایی، باید حداقل شامل عناصر: کربن، منگنز، فسفر، گوگرد، کرم،نیوبیوم. مس و مولیبدن، نیکل، سیلیسیوم، تیتانیوم،وانادیوم،بور (در صورتی که ترکیب شیمیایی نمونه مقدار آن را کمتر از 0/001% نشان دهد.
ذکر مقدار آن در ترکیب شیمیایی محصولات ضروری نمیباشد) و تمامی عناصر آلیاژی که در طول ساخت فولاد. برای اهدافی غیر از اکسیژنزدایی اضافه میشوند، باشد [3]. خلاصه آماری نتایج انجام آنالیز شیمیایی مطابق الزامات تعیینی از سوی استاندارد API 5L. بر روی این 100 نمونه شامل مقادیر حداقل، حداکثر و میانگین به همراه الزامات این استاندارد در جدول (1) نمایان و مشخص است. بررسی نتایج ترکیب شیمیایی (جدول 1) نشان میدهد که نتایج با حدود بالای تعیینی توسط استاندارد API برای گرید
میکرو آلیاژ API X65
مطابقت دارد. همچنین کربن معادل با توجه به رابطه مورد ارایه در استاندارد API 5L و درصد عناصر موجود در فولاد مورد مطالعه. حداکثر برابر 0/18 میباشد و از مقدار حداکثر (0/25) تعیینی در استاندارد کوچکتر است.
در مرحله بعد نمونههای آزمون کشش از این 100 لوله مطابق الزامات تعیینی توسط استاندارد API 5L جدا شد. موقعیت و جهت تهیه نمونههای آزمون کشش (مربوط به فلز پایه). و همچنین هندسه این نمونهها به ترتیب در شکلهای (1-الف و ب) نمایان و مشخص است. همانگونه که معلوم است نمونههای مربوط به فلز پایه در جهت محیطی بریده میشوند. به منظور تهیه نمونههای محیطی در شکل (1-الف) از حرف B مورد استفاده قرار گرفت.
همچنین موقعیت تهیه آنها با فاصله نصف گام مارپیچ درز جوش (1/2a) در شکل، مشخص گردید. در این شکل حرف C نشان دهنده جهت تهیه نمونههای عرضی (عمود بر مقطع جوش مارپیچ) و خارج از بحث مقاله حاضر است. ضخامت نمونههای تخت برابر ضخامت کامل لوله (t=14.3 mm) مد نظر قرار گرفت.
تا خواص مواد به دقت تعیین شود. نمونههای آزمون کشش (با ابعاد بزرگتر) ابتدا به وسیله شعله اکسی استیلن از لولهها در جهت محیطی، جدا شدند. لازم به ذکر است که حداکثر دما در این فرآیند 1900 درجه سانتیگراد و عرض ناحیه متأثر از حرارت حدود 20 میلیمتر است.
به منظور عدم تأثیرپذیری سنجه در نمونههای آزمون کشش از حرارت ایجادی. ابعاد نمونهها تا حدود 50 میلیمتر در هر طرف مطابق استاندارد بزرگتر انتخاب میگردد [3,20]. سپس نمونهها مطابق استاندارد قبل از ماشینکاری به ابعاد نهایی توسط پرس هیدرولیکی تخت شدند (به منظور حذف انحنای اولیه). این فرآیند مقداری جزیی پیش کرنش در نمونه ایجاد میکند. که در استاندارد مورد اغماض قرار گرفت [3]. در نهایت ماشینکاری نمونههای، تا ابعاد نهایی انجام شد.
از ماشین آزمون کشش 400 کیلونیوتنی Zwick با گیرههای هیدرولیک و دیتا نگار کامپیوتری استفاده گردید. آزمونهای کشش در دمای محیط و با سرعت حرکت mm/s 05/0 (فک فوقانی) انجام گرفت. به کمک نرمافزار کامپیوتری مقاومت تسلیم (در 0/5 درصد ازدیاد طول نسبی کلی مطابق استاندرد API). و مقاومت کششی و ازدیاد طول نسبی نمونه تا نقطه شکست (در طول سنجه mm50) برای کلیه نمونهها حاصل گردید. نتایج آزمون کشش به همراه الزامات تعیینی از سوی استاندارد API 5L در جدول (2) نمایان و مشخص است.
همانگونه که نمایان و مشخص است نتایج آزمون کشش برای گرید X65 با الزامات تعیینی از سوی استاندارد
مطابقت دارد.
مدل شبکه عصبی
معماری شبکه ارایه شده. در تحقیق حاضر از شبکه عصبی پیشرو با الگوریتم پس انتشار خطا برای پیشبینی خواص مکانیکی فولاد میکروآلیاژی گرید API X65 ا بکار گیری شد. این نوع شبکه قابلیت تخمین هر تابعی با نقاط ناپیوستگی نامحدود را دارد. در طراحی شبکههای عصبی پیشرو اغلب از یک لایه ورودی، یک یا چند لایه پنهان از توابع انتقال سیگموبیدی. و یک لایه خروجی با تابع انتقال خطی استفاده میشود [21].
تعداد گرهها در لایههای ورودی و خروجی، به ترتیب برابر با تعداد ورودیها و خروجیهای شبکه تعیین میشوند. و تعداد لایهها و گرهها در لایه مخفی در طی آزموزش و آزمون شبکه با سعی و خطا حاصل میشود. تعداد لایههای میانی معمولاً به ندرت بیش از 2 یا 3 لایه انتخاب میشوند.
و انتخاب تعداد لایه بیشتر منجر به بهبود عملکرد شبکه نمیشود [22]. همچنین نمایان و مشخص است که شبکه عصبی سه لایه. (شامل یک لایه ورودی، یک لایه خروجی و یک لایه مخفی) به همراه یک تابع انتقال سیگموندی. قادر به مدل کردن همه مسایل عملی میباشد [23].
میکرو آلیاژ API X65
در تحقیق حاضر از شبکه سه لایه استفاده شده است. شبکه از یازده متغیر ورودی شامل درصد وزنی عناصر Ca,S,P,Cu,Mo,Cr,Ni,Mn,Si,C. و مجموع درصد وزنی عناصر میکروآلیاژی (Nb+Ti+V+Al) در ترکیب شیمیایی فولاد مورد مطالعه. و سه متغیر خروجی حاصل از انجام آزمون کشش شامل مقاوت تسلیم، مقاومت کششی و ازدیاد طول نسبی تشکل گردید. بنابراین شبکه دارای 11 گره در لایه ورودی و 3 گره در لایه خروجی میباشد. تعداد گرههای لایه پنهان طی آموزش و آزمون شبکه حاصل شد. معماری شبکه عصبی مورد طراحی در شکل (2) نمایان و مشخص است.
آموزش و آزمون شبکه، از نتایج آنالیز شیمیایی و نتایج آزمون کشش فولاد. که بر روی نمونههایی در مقیاس صنعتی انجام شده است، برای آزمون شبکه استفاده شد. از 100 آزمایش انجامی (جداول 1 و 2)، 70 آزمایش برای آموزش و 30 آزمایش (با انتخاب تصادفی) برای آزمون شبکه استفاده شد. در بسیاری از موارد نرمالیزه کردن دیتاها، سبب افزایش دقت شبکه میشود. در عملیات نرمالیزه کردن مقادیر دیتاهای ورودی و خروجی قبل از اعمال به شبکه در یک بازه از پیش تعیینی مقیاس میشوند. و در اینجا با توجه به این که دیتاهای ورودی در بازه 0 و 1 قرار داشتند. فقط دیتاهای خروجی با استفاده از رابطه (3) در بازه بین 0 و 1 نرمالیزه شدند:
در رابطه فوق Xmax,Xmin,Xn به ترتیب مقادیر نرمالیزه شده، حداقل و حداکثر پارامتر خروجی X میباشند. پس از آموزش و آزمون شبکه برای غیر نرمالیزه کردن خروجیهای حاصل از شبکه از رابطه (4) استفاده شده است.
از تابع انتقال لجستیک سیگمویید (رابطه 5) در لایه پنهان و از تابع انتقال خطی (رابطه 6) در لایه خروجی بکارگیری گردید.
logsig(x) = 1/(1+exp(-x)) (5)
purelin(x) = x (6)
تابع انتقال لجستیک سیگمویید مقادیر ورودی در بازه ∞- تا ∞+ را در بازه بین 0 تا 1 فشرده میسازد. و تابع انتقال خطی همان مقدار ورودی به تابع را به عنوان خروجی بر میگرداند. در شبکههای عصبی، با استفاده از یک تابع کارآیی وزنها و بایاسها به منظور کمینه شدن تابع کارایی به روز میشوند. تابع کارآیی رایج مورد استفاده در شبکههای پیشرو، تباع (Mean Squared Error (MSE)) میباشد که به صورت میانگین مجموع مربعات خطا تعریف میشود.
N تعداد کل نمونههای آموزشی، ti مقدار خروجی واقعی و ai مقدار خروجی شبکه برای دیتا i ام میباشد. در این تحقیق به منظور بهبود عمومیت شبکه از الگوریتم آموزش شبکه تنظیم بیزین بکارگیری شد. در این الگوریتم، وزنها و بایاسها با استفاده از الگوریتم بهینهسازی لونبرگ-مارکوآت به روز میشوند.
و بهبود عمومیت شبکه با کمینه کردن ترکیبی از مجموع مربعات خطا (MSE)، و مجموع مربعات وزنهای شبکه به دست میآید. وزنها به شکل متغیرهایی تصادفی با توزیع گوسی مد نظر قرار گرفت [21]. این الگوریتم اولین بار توسط مک-کی ارایه [21]. و توسط هاگان و فورسی در الگوریتم آموزش شبکه لونبرگ-مارکو آت مورد استفاده قرار گرفت [25].
میکرو آلیاژ API X65
به دست آوردن تعداد گرههای بهینه لایه مخفی بسیار مهم است. زیرا شبکههای پیشرو به این گرهها بسیار حساس هستند. تعداد گرههای کم، باعث عدم انطباق و تعداد زیاد گره، باعث بیش برازش میشود. برای ارزیابی عملکرد شبکه میتوان از معیارهای مجذور میانگین مربعات خطای نسبی. Mean Squared Relative Errors (MSRE)) مطابق رابطه (8) و یا ضریب همبستگی (R) مطابق رابطه (9) استفاده کرد:
در روابط فوق V m,i مقدار واقعی دیتای i ام از متغیر V p,i مقدار مورد پیشبینی . برای دیتای i ام متغیر V و n تعداد کل دیتاهای متغیر V میباشد. در این مقاله از MSRE به عنوان معیار ارزیابی شبکه، برای تعیین تعداد گرههای لایه پنهان مورد استفاده قرار گرفت. مقدار این خطا برای دیتاهای آموزش و آزمون شبکههایی با 4 تا 24 گره در لایه میانی محاسبه شد. مشخص شد که شبکه با 16 گره در لایه میانی، دارای کمترین میزان خطا برای دیتاهای آزمون است. و افزایش تعداد این گرهها باعث بهبود نتایج شبکه برای دیتاهای آموزش نمیشود. در نتیجه ساختار شبکه مورد استفاده 3-16-11 میباشد.
در این تحقیق، از نمودارهای پراکندگی دیتاهای حاصل از پیشبینی شبکه نسبت به دیتاهای تجربی. (دیتاهای اندازهگیری شده) و معیارهای آماری خطای نسبی مجوع مربعات (MSRE). و ضریب همبستگی (R) برای ارزیابی عملکرد مدل شبکه عصبی ارایه و مورد استفاده قرار گرفت.
نمودارهای پراکندگی مورد حاصل به همراه مقادیر R , MSRE مورد محاسبه. هم برای دیتاهای آموزش و هم برای دیتاهای آزمون برای هر یک از متغیرهای خروجی (ازدیاد طول نسبی. مقاومت کششی و مقاومت تسلیم) به ترتیب در شکلهای (3-الف) تا (3-ج) و (4-الف) تا (4-ج) نمایان و مشخص است. نتایج نشان میدهد دقت بالای شبکه عصبی توسعه دهی گردید.
میکرو آلیاژ API X65
نتایج و بحث
بررسی تغییرات خواص مکانیکی فولاد بر حسب درصد عناصر نیکل، مس و مجموع عناصر میکروآلیاژی.
از نتایج آنالیز شیمیایی و نتایج آزمون کشش فولاد که بر روی نمونههایی در مقیاس صنعتی انجام گردید. به همراه شبکه مورد طراحی برای بررسی اثر نیکل، مس و مجموع عناصر میکروآلیاژی (Nb+Ti+V+Al). بر مقاومت تسلیم، مقاومت کششی و ازدیاد طول نسبی استفاده گردید. به این منظور سه گروه فولاد مطابق جدول (3) طراحی شده است.
گروه فولاد شماره 1 با هدف شبیهسازی اثر نیکل و مس بر خواص مکانیکی فولاد مورد مطالعه. با اسفاده از شبکه عصبی توسعه دهی گردید و طراحی شد. در این گروه مقادیر نیکل و مس (بر حسب درصد). بین مقادیر حداقل و حداکثر مورد حاصل از ترکیب شیمیایی 100 نمونه مورد مطالعه تغییر میکند. همچنین مقادیر سایر عناصر (بر حسب درصد) برابر با مقدار میانگین حاصل از ترکیب شیمیایی مد نظر قرار گرفت. در این گروه با تقسیم بازه تغییرات هر یک از این دو عنصر به 10 قسمت مساوی در مجموع 121 فولاد حاصل شده است.
میکرو آلیاژ API X65
به طور مشابه فولادهای گروه 2 (جمعاً 121 فولاد) با هدف شبیهسازی اثر نیکل و عناصر میکروآلیاژی (Nb+Ti+V+Al). و فولادهای گروه 3 (جمعاً 121 فولاد) با هدف شبیهسازی اثر مس و عناصر میکروآلیاژی (Nb+Ti+V+Al). بر خواص مکانیکی فولاد مورد مطالعه شدهاند (جدول 3). نتایج شبیهسازی خواص مکانیکی با استفاده از شبکه عصبی آموزش دهی گردید. برای گروههای فولاد 2,1 و 3 به ترتیب در شکلهای (7-5) نشان دهی گردید.
بررسی شکلهای (7-5) نشان میدهد خواص مکانیکی (محور عمودی). به صورت مداوم بر حسب درصد وزنی عناصر مورد تحقیق (محورهای صفحهای) تغییر مینماید. که حاصل آن رویههای هموار (بدون نقطه تیز یا شکستگی در رویه) میباشد. این پیوستگی به دلیل کارایی الگوریتم آموزش شبکه مورد استفاده در تحقیق حاضر میباشد. با بررسی این رویهها مشخص میشود نیکل باعث افزایش مقاومت (تسلیم و کششی) فولاد میشود.
و اثر آن بر ازدیاد طول نسبی در محدوده مورد مطالعه ناچیز است. این عنصر با پایین آوری دمای استحاله آستنیت به فریت و افزایش ناحیه تشکیل آستنیت پنکیکی شکل. طی نورد پرداخت منجر به ریز دانه شدگی فولاد. و تشکیل فریت سوزنی میشود [26] که ساختاری با خواص مکانیکی مناسب است.
همچنین مس با مکانیزم استحکام بخشی رسوب سختی بر مقاومت (تسلیم و کششی) فولاد میافزاید. و به طور نسبی منجر به کاهش ازدیاد طول نسبی میشود [27]. حتی مقادیر کم مس نیز میتواند باعث افزایش مقاومت (تسلیم و کششی) فولاد گردد. دلیل، این است که مس با پایدار کردن آستنیت، دمای تبدیل فاز آستنیت – فریت را کاهش میدهد. و منجر به تولید دانههای ریزتر فریتی در ریزساختار فولاد میشود.
علاوه بر این مجموع عناصر میکروآلیاژی (آلومینیوم، تیتانیوم، نیوبیوم و وانادیوم). با ریز دانه کردن فولاد منجر به افزایش همزمان مقاومت (تسلیم و کششی)، ازدیاد طول نسبی و چقرمگی میشوند [1,2]. نشان داده شده است.
که برای فولادهای استحکام بالای کم آلیاژی با افزایش 0/01 درصدی در مقدار عناصر تیتانیوم، نیوبیوم و وانادیوم. به ترتیب منجر به افزایش 18,30,17 مگاپاسکال در مقاومت و ازدیاد طول نسبی. و اثر کمی سایر عناصر میکروآلیاژی بر ازدیاد طول نسبی در فولادهای میکروآلیاژی اطلاعات زیادی در دسترس نیست [28]. تنها افزایش 1/1 درصدی در ازدیاد طول نسبی فولاد کم کربن ST14 به ازای افزایش 0/01 درصدی در مقدار تیتانیوم گزارش شده است [29].
مقایسه مقادیر حداکثر خواص مکانیکی در سه گروه فولاد طراحی شده
بررسی کمّی اطلاعات نشان داده شده در شکلهای (7-5) به طور خلاصه در جدولهای (6-4) خلاصه گردید. در این جداول مقادیر حداقل، حداکثر و متوسط خواص مکانیکی (مقاومت تسلیم، مقاومت کششی و ازدیاد طول نسبی). برای هر یک از سه گروه فولاد طراحی شده (جدول 3) ارایه شده است.
با توجه به جداول (6-4) مشخص میشود تغییرات مقاومت تسلیم برابر 118 مگاپاسکال.(بین حداقل 484 و حداکثر 602 مگاپاسکال)، تغییرات مقاومت کششی برابر 71 مگاپاسکال (بین حداقل 592 و حداکثر 663 مگاپاسکال). تغییرات ازدیاد طول نسبی برابر 8% (بین حداقل 29% و حداکثر 37%) میباشد. از نتایج مورد حاصل، حداکثر مقاومت (مقاومت تسلیم برابر 602 مگاپاسکال و مقاومت کششی برابر 663 مگاپاسکال). در گروه دوم فولاد به ازای مجموع عناصر میکروآلیاژی با 0/155 درصد وزنی، نیکل با 0/016 درصد وزنی. و مس با 0/016 درصد وزنی حاصل میشود. در این گروه با همین ترکیب شیمیایی حداکثر ازدیاد طول نسبی (برابر 35%) میباشد.
همچنین حداکثر ازدیاد طول نسبی (برابر 37%). در گروه سوم فولاد به ازای مجموع عناصر میکروآلیاژی با 0/155 درصد وزنی. نیکل با 0/011 درصد وزنی و مس با 0/011 درصد وزنی حاصل میگردد. گرچه مقاومت تسلیم (582 مگاپاسکال) و مقاومت کششی (657 مگاپاسکال) در این فولاد از مقادیر حداکثر مورد حاصل برای گروه دوم فولاد کمتر میباشند.
در مجموع میتوان نتیجه گرفت ترکیب شیمیایی شامل عناصر میکروآلیاژی با 0/155 درصد وزنی. نیکل با 0/016 درصد وزنی، مس با 0/016 درصد وزنی و سایر عناصر در حد میانگین (مطابق جدول 3). فولادی با بهترین خواص مکانیکی را به دست خواهد داد.
میکرو آلیاژ API X65
نتیجهگیری
در تحقیق حاضر از شبکه عصبی پیشرو با الگوریتم پس انتشار خطا برای پیشبینی اثر ترکیب شیمیایی. بر خواص مکانیکی (مقاومت تسلیم، مقاومت کششی و ازدیاد طول نسبی). فولاد میکروآلیاژی گرید API X65 استفاده شد. عملکرد شبکه توسط نمودارهای پراکندگی و معیارهای آماری ضریب همبستگی و مجذور میانگین مربعات خطای نسبی (MSRE) مورد ارزیابی قرار گرفت.
سپس با توجه به عملکرد مناسب شبکه عصبی توسعه دهی شد که از آن برای بررسی اثر نیکل. مس و مجموع عناصر میکروآلیاژی (Nb+Ti+V+Al) بر مقاومت تسلیم، مقاومت کششی و ازدیاد طول نسبی استفاده گردید. نتایج حاصل از شبکه مورد طراحی نشان داد. بهترین خواص مکانیکی فولاد با ترکیب شیمیایی شامل عناصر میکروآلیاژی با 0/155 درصد وزنی. نیکل با 0/016 درصد وزنی، مس با 0/016 درصد وزنی و سایر عناصر در حد میانگین حاصل میگردد.
همچنین مشاهده شده افزایش درصد عناصر نیکل، مس و عناصر میکروآلیاژی (Nb+Ti+V+Al) در ترکیب شیمیایی فولاد مورد مطالعه منجر به افزایش مقاومت فولاد میشود. تغییر درصد نیکل در محدوده مورد بررسی اثری بر درصد ازدیاد طول نسبی ندارد. افزاش درصد مس و عناصر میکرو آلیاژی (Nb+Ti+V+Al) به ترتیب منجر به کاهش و افزایش درصد ازدیاد طول نسبی میشود.
به طور خلاصه میتوان گفت که نیکل در بین عناصر مورد بررسی بیشترین تأثیر را بر افزایش مقاومت دارد. که میتواند دلیل استفاده از این عنصر برای تهیه گریدهای بالاتر فولادهای میکروآلیاژی نظیر API X65 باشد. عدم کاهش درصد ازدیاد طول نسبی فولاد با کاربرد نیکل بر مزیت استفاده از این عنصر نسبت به مس.(که باعث کاهش درصد ازدیاد طول نسبی میشود). برای دستیابی به فولادهایی با استحکام بالاتر میافزاید.
سید حجت هاشمی(1) مسعود رخش خورشید(2)
تشکر و قدردانی
از شرکت لوله و تجهیزات سدید به لحاظ همکاری در انجام آنالیز شیمیایی و آزمایشهای مکانیکی فولاد API X65 قدردانی میگردد
مراجع
میکرو آلیاژ API X65