نام پژوهشگر: فرنوش فروزان

پیش بینی شرایط بهینه عملیات ترمومکانیکی پیشرفته جهت تولید فولادهای زنگ نزن آستنیتی نیمه پایدار نانوساختار به روش هوش مصنوعی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان 1389
  فرنوش فروزان   عباس نجفی زاده

فولاد های زنگ نزن آستنیتی معمولاً مقاومت به خوردگی بسیار عالی، چقرمگی، جوش پذیری و ازدیاد طول خوبی را از خود نشان می دهند، اما دارای استحکام تسلیم نسبتاً پایینی در حالت آنیل شده می باشند. خواص مکانیکی فولادهای زنگ نزن آستنیتی به ترکیب شیمیایی و مشخصه های ریزساختاری (برای مثال اندازه دانه) وابسته است. در میان مکانیزم های استحکام دهی مختلف، ریز کردن دانه-ها تنها روشی است که منجر به بهبود همزمان استحکام و چقرمگی می شود. با توجه به این که فولادهای زنگ نزن آستنیتی در دماهای آنیل مرسوم دچار دگرگونی فازی نمی شوند تنها روش ریزدانه کردن آن ها آنیل بعد از نورد سرد می باشد اما به علت دماهای بالای آنیل در این فولادها رسیدن به اندازه دانه های بسیار ریز با محدودیت روبرو است. در سال های اخیر تکنیک های آزمایشگاهی جهت تولید فولاد های فوق ریز دانه شده از دو منظر قابل بررسی است: اولاً تکنیک های تغییرشکل پلاستیکی شدید و ثانیاً فرآیندهای ترمومکانیکی پیشرفته نظیر فرایند بازگشت مارتنزیت (شامل نورد سرد سنگین به منظور تشکیل ساختار کاملاً مارتنزیتی و به دنبال آن بازگشت مارتنزیت به آستنیت در دماهای به مراتب پایین تر از دماهای تبلور مجدد) می باشد. در این پژوهش جهت دستیابی به ریزساختاری با اندازه دانه های نانو/ زیرمیکرون شرایط بهینه ی عملیات ترمومکانیکی پیشرفته به روش هوش مصنوعی پیش بینی شده است. بدین منظور فرایند نورد سرد در دو دمای c° 15- و c° 20 روی فولاد زنگ نزن آستنیتی aisi 304l صورت گرفت. پس از آن آنیل در دماها و زمان های مختلف روی نمونه های 90% کارسرد شده انجام شد. در این مسیر آزمایشات پراش پرتو ایکس، فریتوسکوپی، متالوگرافی به کمک میکروسکوپ های نوری و الکترونی روبشی و همچنین سختی سنجی در هر دو مرحله کارسرد و آنیل صورت گرفت. با استفاده از این آزمایشات اثر نورد سرد روی تشکیل مارتنزیت ناشی از کرنش و همچنین اثر دما و زمان آنیل روی بازگشت مارتنزیت ناشی از کرنش به آستنیت در اندازه دانه های نانو/ زیرمیکرون روی فولاد زنگ نزن آستنیتی نیمه پایدار مورد بررسی قرار گرفت. نتایج این آزمایشات جهت مدل سازی به کمک شبکه های عصبی مصنوعی به کار گرفته شد و از روی آن ها شش شبکه ی مختلف جهت پیش بینی ساختار و خواص مکانیکی فولاد مذکور در این دو دمای نورد سرد طراحی گردید. نمودار های حاصله را می توان به عنوان نقشه راهنمائی جهت تدوین برنامه عملیات حرارتی با توجه به درصد های فازهای موجود در ساختار، اندازه دانه و خواص مکانیکی مورد نیاز تلقی کرد.