[논문]이방성 가공경화를 고려한 냉간 압연강판의 넥킹 예측

인정제; 김권희; 함주희

문제 정의

본 논문에서는 Kim과 Yin이 제안한 운동학적 회전 및 결정립 변형에 의한 회전을 동시에 고려한 직교대칭축 회전모델을 개선하였다. 또한, 예변형된 압연강판에 직교 대칭축과 다른 각도로 인장변형이 일어나는 경우의 넥킹 을 개선된 직교대칭축의 회전모델을 이용하여 예측하고 실험과 비교하였다.
본 연구에서는 Kim과 Yin이 실험적 관찰결과에 근거 하여 제안한 직교대칭축 회전모델을 실험결과의 예측정도를 높이도록 개선하였다.

가설 설정

이방성 소재의 넥킹을 예측하기 위해서는 앞서 제시된 직교대칭축 회전 모델과 더불어 가공경화 특성을 기술할 수 있어야 한다. 여기서는, 앞서의 항복곡면의 형상이 닮 은꼴을 유지한다는 가정 이외에 항복곡면의 체적은 소성 일의 함수로 정해진다는 가정을 도입한다.

제안 방법

실험결과(꼬) 에 의하면 직교대칭축의 방향 변화속도는 예변형률이 커질수록 둔화되고, 인장축과 가까운 직교대 칭축과의 사이의 각도가 커질수록 빨라지는 것으로 나타났다. Kim과 Yine 이러한 경향을 반영하기 위해 소성 일과 8의 함수로 회전계수 Cs 를 제안한 바 있는데㉒, 본 논문에서는 실험치와 예측치의 일치도를 높이기 위해 회전계수 Cs 를 다음과 같이 개선하였다.
먼저, 1차 예변형 후의 넥킹 거동을 살펴보기 위해 압 연방향으로 3%와 6%의 1차 예변형률을 가한 시편에서 압연 방향에 대하여 10° 간격으로 넥킹 실험을 위한 소 형 인장시편을 채취하였다. 또한, 2차 예변형 후의 넥킹 거동을 살펴보기 위해 압연방향으로 3% 1차 예변형 후 예변형 방향에 직각으로 5%, 10%의 2차 예변형을 각각 가한 시편으로부터 10° 간격으로 소형 인장시편을 채취 하였다. 마찬가지로 압연방향으로 6% 1차 예변형 후 예 변형 방향에 직각방향으로 5%, 10%, 15%의 2차 예변형 을 각각 가한 시편으로부터 10° 간격으로 소형 인장시편 을 채취하였다.
본 논문에서는 Kim과 Yin이 제안한 운동학적 회전 및 결정립 변형에 의한 회전을 동시에 고려한 직교대칭축 회전모델을 개선하였다. 또한, 예변형된 압연강판에 직교 대칭축과 다른 각도로 인장변형이 일어나는 경우의 넥킹 을 개선된 직교대칭축의 회전모델을 이용하여 예측하고 실험과 비교하였다.
또한, 2차 예변형 후의 넥킹 거동을 살펴보기 위해 압연방향으로 3% 1차 예변형 후 예변형 방향에 직각으로 5%, 10%의 2차 예변형을 각각 가한 시편으로부터 10° 간격으로 소형 인장시편을 채취 하였다. 마찬가지로 압연방향으로 6% 1차 예변형 후 예 변형 방향에 직각방향으로 5%, 10%, 15%의 2차 예변형 을 각각 가한 시편으로부터 10° 간격으로 소형 인장시편 을 채취하였다.
먼저, 1차 예변형 후의 넥킹 거동을 살펴보기 위해 압 연방향으로 3%와 6%의 1차 예변형률을 가한 시편에서 압연 방향에 대하여 10° 간격으로 넥킹 실험을 위한 소 형 인장시편을 채취하였다. 또한, 2차 예변형 후의 넥킹 거동을 살펴보기 위해 압연방향으로 3% 1차 예변형 후 예변형 방향에 직각으로 5%, 10%의 2차 예변형을 각각 가한 시편으로부터 10° 간격으로 소형 인장시편을 채취 하였다.
이렇게 채취된 인장시편들을 이용하여 시편이 파단될 때까지 인장응력-인장변형률 데이터를 기록하고 최대하 중점에서의 인장변형률로 넥킹 변형률을 측정하였다.
이방성 소재의 불안정 변형률을 측정하기 위한 실험은 1차 예변형 후의 상태와 2차 예변형 후의 상태 각각에 대하여 수행되었다.

성능/효과

Hill의 직교대칭축의 방향에 대한 가정은 비틀림에는 실험결과와 일치하지만, 일반적인 평면변형 조건에는 적 합하지 않다는 것이 확인되었다.^19,20 소성회전(plastic spin) 개념에 근거한 Dafalias등의 이론 또한 실험결과와 일치하지 않는다는 것이 확인되었다.
또한 예변형된 압연 강판에서 여러 각도로 넥킹 시험 을 실시한 결과 예변형률이 증가하면 인장 방향이 예변 형 방향에서 벗어날수록 직교 대칭축 회전의 결과로 넥 킹 변형률이 급격히 낮아지는 현상을 나타내었다.
본 연구에서 제안된 단순한 모델은 직교이방성 대칭축 의 방향 변화와 여러 조건에서의 넥킹 발생 시점을 비교적 양호하게 예측할 수 있었다.
실험결과(꼬) 에 의하면 직교대칭축의 방향 변화속도는 예변형률이 커질수록 둔화되고, 인장축과 가까운 직교대 칭축과의 사이의 각도가 커질수록 빨라지는 것으로 나타났다. Kim과 Yine 이러한 경향을 반영하기 위해 소성 일과 8의 함수로 회전계수 Cs 를 제안한 바 있는데㉒, 본 논문에서는 실험치와 예측치의 일치도를 높이기 위해 회전계수 Cs 를 다음과 같이 개선하였다.
이상의 실험결과와 예측치를 비교하면, Hill의 2차 이 방성 항복함수와 개선된 직교대칭축의 회전 모델을 사용하여 비교적 양호하게 넥킹 발생시점을 예측하고있다. 하지만 실험결과에서는 예변형 방향에서 60 ° 이상 회전 하여 변형이 발생하면 예변형률의 크기가 작을 때는 넥 킹 발생 시점이 늦어지고, 예변형률의 크기가 커지면 금 방 넥킹이 발생한다.

후속연구

하지만 실험결과에서는 예변형 방향에서 60 ° 이상 회전 하여 변형이 발생하면 예변형률의 크기가 작을 때는 넥 킹 발생 시점이 늦어지고, 예변형률의 크기가 커지면 금 방 넥킹이 발생한다. 그러나 실제 금속판재의 성형 중에 변형률의 방향이 이 정도로 급격하게 변하는 경우는 거의 없으므로 본 연구에서 제안된 모델은 박판 성형시의 넥킹 발생을 예측하기 위한 모델로 적용될 수 있을 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

이방성 가공경화를 고려한 냉간 압연강판의 넥킹 예측
Prediction of Sheet Metal Necking with Anisotropic Hardening 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

이방성 가공경화를 고려한 냉간 압연강판의 넥킹 예측 Prediction of Sheet Metal Necking with Anisotropic Hardening 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

인정제 (9) 김권희 (33) 함주희 (1)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

이방성 가공경화를 고려한 냉간 압연강판의 넥킹 예측
Prediction of Sheet Metal Necking with Anisotropic Hardening 원문보기

AI 본문요약
AI-Helper