Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Đặc trưng hóa hiện tượng tuổi thọ mỏi của các thành phần thép dựa trên thông số rò rỉ từ từ tính
Tóm tắt
Phương pháp ký ức từ kim loại (MMM) rất hiệu quả trong việc đánh giá mức độ hư hại sớm, chẳng hạn như nứt mỏi trong các thành phần từ tính sắt do sự tồn tại của các khu vực tập trung ứng suất (SCZs). Tuy nhiên, có rất ít nghiên cứu về mối quan hệ giữa tham số tín hiệu từ tính trong dự đoán tuổi thọ mỏi của các thành phần từ tính sắt. Với sự xuất hiện của thông tin liên quan đến tuổi thọ mỏi, nguy cơ hỏng hóc của một thành phần có thể được giảm thiểu, nếu không muốn nói là tránh được. Do đó, nghiên cứu này được thực hiện bằng phương pháp MMM để thiết lập mối quan hệ giữa các tham số tín hiệu từ tính trong SCZ với các đặc tính mỏi trong việc dự đoán tuổi thọ mỏi của mẫu vật. Một bài kiểm tra tuần hoàn đã được thực hiện trên các mẫu thép SAE 1045 bằng cách sử dụng ứng suất kéo-nén có biên độ không đổi với tỷ lệ ứng suất là -1. Để điều tra ảnh hưởng của giá trị tải lên tuổi thọ mỏi của các mẫu, bảy giá trị phần trăm của độ bền kéo tối đa (UTS) đã được sử dụng: 50%, 55%, 60%, 65%, 70%, 75%, và 80%. Trong quá trình thử nghiệm tăng trưởng nứt mỏi, cảm biến MMM đã được sử dụng để quét dữ liệu tín hiệu từ tính. Sau đó, dữ liệu được phân tích bằng phần mềm MMM Lifetime 2.0 để thu được tuổi thọ mỏi. Các đồ thị tương quan đã được vẽ để xác định mối quan hệ giữa tuổi thọ còn lại của MMM Lifetime 2.0 và tuổi thọ còn lại thực nghiệm. Kết quả thực nghiệm cho thấy sự phân bố của tín hiệu từ tính bị ảnh hưởng bởi số vòng lặp và dây đo. Khi số vòng lặp tăng lên, sự thay đổi tín hiệu từ tính trở nên rõ ràng hơn. Đối với dây đo, khi dây nằm gần điểm khởi phát nứt, sự phân bố tín hiệu từ tính trở nên rõ ràng hơn nhờ sự hiện diện của SCZ. Đánh giá sự biến đổi của độ dốc tối đa, Kmax, cũng giúp đánh giá mức độ tuổi thọ mỏi dựa trên ba giai đoạn hình thành nứt mỏi. Trong khi đó, đối với đánh giá tuổi thọ mỏi, đường đo thứ hai (L2) và giá trị co lại 0.7 được tìm thấy là phù hợp để dự đoán tuổi thọ mỏi của các mẫu bằng phần mềm MMM Lifetime 2.0. Tuổi thọ mỏi thực nghiệm và phân bố tuổi thọ mỏi của MMM Lifetime 2.0 của cả hai tham số nằm trong khoảng hai yếu tố với hệ số tương quan, R2 là 0.9983. Vì vậy, các kết quả dự đoán mỏi là chấp nhận được. Theo đó, nghiên cứu này đã chứng minh rằng phương pháp MMM có thể được sử dụng để dự đoán tuổi thọ còn lại của các thành phần từ tính sắt nếu các tham số đúng được sử dụng.
Từ khóa
#phương pháp ký ức từ kim loại #tuổi thọ mỏi #thép SAE 1045 #khu vực tập trung ứng suất #dộ bền kéo tối đaTài liệu tham khảo
Santecchia, E., Hamouda, A.M.S., Musharavati, F., Zalnezhad, E., Cabibbo, M., El Mehtedi, M., Spigarelli, S.: A review on fatigue life prediction methods for metals. Advances in Materials Science and Engineering. 1–26 (2016). ID 9573524. https://doi.org/10.1155/2016/9573524
Li, J., Zhang, Y., Shen, G.: Study on the character of metal magnetic memory signal in the course of high-cycle fatigue experiment for 16MnR steel. 17th World Conference on Nondestructive Testing. 25–28 Oct 2008, Shanghai, China
Huang H, Jiang S, Yang C, Liu Z (2014) Stress concentration impact on the magnetic memory signal of ferromagnetic structural steel. Non-destructive Testing and Evaluation 29:377–390. https://doi.org/10.1080/10589759.2014.949710
Wang ZD, Gu Y, Wang YS (2012) A review of three magnetic NDT technologies. J Magn Magn Mater 324:382–388. https://doi.org/10.1016/j.jmmm.2011.08.048
Dubov AA (1997) A study of metal properties using the method of magnetic memory. Metal Science and Heat Treatment 39:401–405
Pengpeng S, Xiaojing Z (2015) Magnetic charge model for 3D MMM signals. Nondestructive Testing and Evaluation 31:45–60. https://doi.org/10.1080/10589759.2015.1064121
Hu, B., Chen, G., Shen, G., Li, L., Chen, X.: Study on Magnetic Memory Method (MMM) for fatigue evaluation. 17th World Conference on Nondestructive Testing, 25–28Oct 2008, Shanghai, China
Wang HP, Dong LH, Dong SY, Xu BS (2014). Fatigue damage evaluation by metal magnetic memory testing. J Cent South Univ 21:65–70. https://doi.org/10.1007/s11771-014-1916-5
Arifin A, Jusoh WZW, Abdullah S, Jamaluddin N, Ariffin AK (2015) Investigating the fatigue failure characteristics of A283 Grade C steel using magnetic flux detection. Steel and Composite Structures 19:601–614. https://doi.org/10.12989/scs.2015.19.3.601
Mkaddem A, Benabou A, El Mansori M, Clénet S (2013) Analytical modelling to predict the cutting behaviour of ferromagnetic steels: a coupled magnetic-mechanical approach. Int J of Solids and Structures 50:2078–2086. https://doi.org/10.1016/j.ijsolstr.2013.03.010
Dowling NE, Katakam S, Narayanasamy R (2012) Mechanical behaviour of materials: engineering methods for deformation. In: Fracture and Fatigue. Pearson Education Limited, Boston
Mei J, Xing S, Vasu A, Chung J, Desai R, Dong P (2020) The fatigue limit prediction of notched components-A critical review and modified stress gradient based approach. International Journal of Fatigue 135
Juvinall RC, Marshek KM (2017) Fundamentals of machine component design, Sixth edn. Wiley, Hoboken
Mohamed SAN, Abdullah S, Arifin A, Ariffin AK, Padzi MM (2016) Characterization of the biaxial fatigue behaviour on medium carbon steel using the strain-life approach. International Journal of Automotive and Mechanical Engineering 13:3262–3277
Ni C, Hua L, Wang X (2018) Crack propagation analysis and fatigue life prediction for structural alloy steel based on metal magnetic memory testing. J Magn Magn Mater 462:144–152. https://doi.org/10.1016/j.jmmm.2018.05.019
Chongchong L, Lihong D, Haidou W, Guolu L, Binshi X (2016) Metal magnetic memory technique used to predict the fatigue crack propagation behavior of 0.45%C steel. J Magn Magn Mater 405:150–157. https://doi.org/10.1016/j.jmmm.2015.12.035
Dubov, A.: Energy diagnostics - is a physical basis of the metal magnetic memory method. 19th World Conference on Non-Destructive Testing. 13–17June 2016, Munich, Germany
Sahadan SN, Abdullah S, Arifin A (2018) Time-based magnetic flux leakage assessment of SAE1045 steel for biaxial fatigue failure. International Journal of Engineering & Technology 7:1524–1528
Kolarík K, Simecek J, Kriz A, Capek J (2017) Using the Barkhausen-noise analysis and metal-magnetic-memory method for material characteristics under fatigue damage. Materials and Technology 51:437–441
Ahmad MIM, Arifin A, Abdullah S, Jusoh WZW, Singh SSK (2015) Steel and Composite Structures 19:1549–1560. https://doi.org/10.12989/scs.2015.19.6.1549
Xu K, Qiu X, Tian X (2017) Investigation of metal magnetic memory signals of welding cracks. J Nondestruct Eval 36. https://doi.org/10.1007/s10921-017-0402-z
Ahmad MIM, Arifin A, Abdullah S, Jusoh WZW, Singh SSK (2019) The probabilistic analysis of fatigue crack effect based on magnetic flux leakage. Int J Reliab Saf 13:18–30
Xu K, Yang K, Liu J, Wang Y (2020) Study on metal magnetic memory signal of buried defect in fracture process. J Magn Magn Mater 498:166139. https://doi.org/10.1016/j.jmmm.2019.166139