همگن سازی آلیاژهای حافظه دار متخلخل با استفاده از روش مونت کارلو
Publish place: Modares Mechanical Engineering، Vol: 19، Issue: 8
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 33
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_MME-19-8_019
Index date: 11 March 2025
همگن سازی آلیاژهای حافظه دار متخلخل با استفاده از روش مونت کارلو abstract
در این مقاله پاسخ سوپرالاستیک آلیاژهای حافظه دار متخلخل شامل تخلخل های کروی شکل و درصد تخلخل مابین ۴۰-۵% مورد بررسی قرار گرفته است. توزیع تخلخل ها با استفاده از برآورد توزیع آنها در عکس های نمونه های آلیاژ نیکل تیتانیوم به دست آمده است. در این روش، توزیع تخلخل ها در عکس های دوبعدی با استفاده از پردازش تصویر به دست آورده شده و سپس توزیع تصادفی تخلخل ها در مدل های سه بعدی با روش مونت کارلو تخمین زده و براساس آنها مدل های سه بعدی تخلخل ایجاد شده است. برای بررسی رفتار سوپرالاستیک آلیاژهای حافظه دار متخلخل، از مدل لاگوداس استفاده شده است که در آن یک تابع سختی بهبودداده شده مورد استفاده قرار گرفت. در روش همگن سازی پیشنهادی، مدول الاستیسیته و تابع سختی به صورت توابعی از درصد تخلخل در نظر گرفته می شوند. برای شبیه سازی رفتار ماده، یک الگوریتم عددی پیشنهاد شده و در نرم افزار اباکوس با نوشتن یک برنامه یومت عملیاتی شده است. نتایج حاصل بیانگر تغییرات تقریبا خطی مدول الاستیسیته و تابع سختی نسبت به درصد تخلخل است. نتایج شبیه سازی ها نشان دهنده آن بوده که این روش همگن سازی به خوبی توانسته است رفتار سوپرالاستیک آلیاژهای حافظه دار متخلخل را پیش بینی نماید.
همگن سازی آلیاژهای حافظه دار متخلخل با استفاده از روش مونت کارلو Keywords:
همگن سازی آلیاژهای حافظه دار متخلخل با استفاده از روش مونت کارلو authors
مستوره حیدری
Faculty of Mechanical Engineering, Urmia University of Technology, Urmia, Iran
سیدحامد حسینی
Faculty of Mechanical Engineering, Urmia University of Technology, Urmia, Iran
شیرکو فاروقی
Faculty of Mechanical Engineering, Urmia University of Technology, Urmia, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
