Fast, physically-based algorithms for on-line calculations of texture and anisotrophy during fabrication of steel thin sheets

Die schnelle， prozessbegleitende Berechnung von texture and anisotropi im Verlauf von mehrstufigen Uniform- und Wärmbehandlungsverfahren ist bisher aufgrund der komplexen metallkundlichen Zusammenhänge hinter diesen tensororiellen Merkmalen mit empirischen Modellen晚上möglich。在此基础上，建立了一种基于纹理和各向异性的仿真模型，并对其进行了仿真。Er beruht auf drei Strängen: Strang beinhaltet die igentlichen Algorithmen zum directkten Einsatz f<e:1> schnelle, prozessbegleitende Berechnung von texture and Anisotropie and basiert aufaufeinder aufbauenden Modellen。Das erste ist ein k<e:1> nstliches Neuronales Netzwerk f<e:1> r die Walztexturentwicklung and Das zweite ist ein analytischer, Avramibasierter Texturkomponenten-Ansatz f<e:1> r die re结晶。北京Ansätze basieren auf der Evolution diskter Sätze von texturkomponentals function der Prozessparameter。Strang - B是一种基于工业纹理库的改进的基于Netzwerkes和zum - Anpassen - freier参数的再结晶模型。Strang C beinhaltet zwei metalphysikalische模型：<s:1> r den ersten Prozessteil (Kaltwalzen) wind - eine Texturkomponenten-Kristallplastizitäts-FE方法和den zweiten Prozessteil (Rekristallisation) ein Zellulärer Automat eingesetzt。计算机仿真，现代计算机训练，网络仿真等。zum Anpassen自由度参数。

Die schnelle, prozessbegleitende Berechnung von Textur und Anisotropie im Verlauf von mehrstufigen Uniform- und Wärmbehandlungsverfahren ist bisher aufgrund der komplexen metallkundlichen Zusammenhänge hinter diesen tensoriellen Merkmalen mit empirischen Modellen nicht möglich. Im vorliegenden Antrag soll erstmals ein Hybridansatz zur prozessbegleitenden Textur- und Anisotropiesimulation am Beispiel der Herstellung von Feinblech aus niedriglegiertem ferritischem Stahl für den Prozess des mehrstufigen Kaltwalzens und der abschließenden Weichglühung entwickelt werden. Er beruht auf drei Strängen: Strang A beinhaltet die eigentlichen Algorithmen zum direkten Einsatz für die schnelle, prozessbegleitende Berechnung von Textur und Anisotropie und basiert auf zwei aufeinander aufbauenden Modellen. Das erste ist ein Künstliches Neuronales Netzwerk für die Walztexturentwicklung und das zweite ist ein analytischer, Avramibasierter Texturkomponenten-Ansatz für die Rekristallisation. Beide Ansätze basieren auf der Evolution diskreter Sätze von Texturkomponenten als Funktion der Prozessparameter. Strang B beinhaltet eine umfangreiche Texturdatenbank aus industriell gefertigten Proben zum Training des Netzwerkes und zum Anpassen freier Parameter des Rekristallisationsmodells. Strang C beinhaltet zwei metallphysikalische Modelle: für den ersten Prozessteil (Kaltwalzen) wird eine Texturkomponenten-Kristallplastizitäts-FE Methode und den zweiten Prozessteil (Rekristallisation) ein Zellulärer Automat eingesetzt. Diese dienen nicht der direkten prozessbegleitenden Simulation, sondern nur zum Training des Netzwerkes bzw. zum Anpassen freier Parameter.