Un modelo numérico para la simulación de disolución de precipitados en aleaciones de aluminio con endurecimiento utilizando redes neuronales

ResumenEl objetivo de este trabajo es el modelado de la disolución de precipitados con endurecimiento y evolución de la dureza para aleaciones de aluminio en procesos de soldadura por batido y fricción y/o procesos de tratamientos térmicos. El modelo utilizado toma como punto de partida el modelo propuesto por Myhr y Grong (1991), basado en la cinética de la disolución de precipitados con endurecimiento para aleaciones de aluminio. Este modelo contiene una única variable independiente, el tiempo, y una única variable de estado, la fracción volumétrica de precipitados. Puntos cruciales del modelo son la identificación de la energía de activación efectiva para la disolución de precipitados con endurecimiento y la obtención de la denominada curva maestra que define el modelo y viene dada en forma de tabla. El objetivo de este trabajo es obtener una estimación de la energía de activación efectiva y modelar la tasa de disolución de precipitados por unidad de tiempo en aleaciones de aluminio con endurecimiento utilizando redes neuronales y, por lo tanto, evitando la utilización de tablas. Para conseguir este objetivo se define una nueva, más conveniente, parametrización de la curva maestra, se propone una clase de redes neuronales, se define un funcional objetivo a minimizar y se formula y resuelve un problema variacional asociado que incluye parámetros independientes. La metodología propuesta se ha aplicado a diferentes aleaciones de aluminio, incluyendo las AA 6005A T6, AA 7449 T79 y AA 2198 T8. Para obtener la dureza Vickers HV1 de estas aleaciones de aluminio se han llevado a cabo una serie de ensayos experimentales sometiendo las aleaciones de aluminio a distintos tratamientos isotérmicos a diferentes temperaturas y durante distintas duraciones. Finalmente, como resultados fundamentales del modelo se han obtenido para las distintas aleaciones de aluminio consideradas en este trabajo, utilizando distintas arquitecturas de redes neuronales, la energía de activación efectiva y la curva maestra del modelo de disolución de precipitados.

The motivation of this work is the modeling of the hardening precipitate and hardness evolutions of fully hardened heat treatable aluminium alloys during friction stir welding (FSW) and/or heat treatment processes. The model used is based on the kinetics of dissolution of precipitates model for hardened aluminium alloys given by Myhr and Grong (1991). This model contains a single independent variable, the time, and a single state variable, the volume fraction of hardening precipitates. A key point of this model is the identification of the effective activation energy for precipitates dissolution and the master curve defining the model, which was given by a look-up table. The goal of this work is to find an estimation of the effective activation energy and to model the dissolution rate of hardening precipitate in aluminium alloys using neural networks, avoiding the use of look-up tables. For this purpose a new and more convenient parametrization of the master curve is defined, a neural networks class is proposed, an objective functional is defined and a variational problem including independent parameters is solved. The novel methodology has been applied to different aluminium alloys, including the AA 6005A T6, AA 7449 T79 and AA 2198 T8. Experimental tests have been carried out for those aluminium alloys in order to get the HV1 hardness after isothermal heat treatments at different temperatures and for different treatment time durations. The effective activation energy for hardening precipitates dissolution and the master curve of the model have been obtained, using different network architectures, for the aluminium alloys considered in this work.