La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Prédiction de distorsions induites lors du procédé de trempe de brames d’acier de fortes dimensions : modélisation et validation expérimentale

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Bouissa, Yassine (2020). Prédiction de distorsions induites lors du procédé de trempe de brames d’acier de fortes dimensions : modélisation et validation expérimentale. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[thumbnail of BOUISSA_ Yassine.pdf]
Prévisualisation
PDF
Télécharger (27MB) | Prévisualisation
[thumbnail of BOUISSA_ Yassine-web.pdf]
Prévisualisation
PDF
Télécharger (2MB) | Prévisualisation

Résumé

L’industrie du forgeage a recours à la trempe comme procédé de traitement thermique post forgeage par excellence pour durcir l’acier par le biais de la transformation de phases. Ceci permet aux entreprises de conférer aux produits forgés les meilleures propriétés mécaniques recherchées, telles qu’un profil de dureté bien déterminé à travers l’épaisseur et une répartition bien définie de la microstructure. Le grand nombre de variables et de paramètres impliqués durant la trempe de pièces à l’échelle industrielle (jusqu’à 40 pouces d’épaisseur) exige l’exploitation d’outils prédictifs qui aident à mieux contrôler les fluctuations du procédé. La modélisation de la trempe de brames de grandes dimensions a été conduite dans ce travail en utilisant la méthode d’éléments finis pour pouvoir prédire l’évolution de tous les domaines physiques impliqués durant ce processus (thermique, transformation de phase et mécanique) jusqu’à la fin de la trempe.

Dans la première partie, nous avons utilisé une méthode d’optimisation qui combine un modèle éléments finis (EF) tridimensionnels avec un réseau de neurones artificiel progressif pour prédire le coefficient de transfert thermique. Le modèle EF utilisé tient compte du couplage entre le modèle thermique et métallurgique pour pouvoir considérer la transformation de phases afin d’améliorer les prédictions de température grâce à la libération de la chaleur latente. Le modèle EF a initialement intégré différents modèles de coefficients de transfert thermique (HTC) issus de la littérature pour simuler l’effet de la variabilité du HTC sur le comportement thermique de la brame. Le modèle de réseau de neurones artificiel (ANN) développé utilise initialement les températures issues du modèle EF comme entrant ainsi que leurs HTC correspondant (utilisés comme des conditions aux limites) comme sortants pour l’entrainement. L’instrumentation de la brame a été réalisée pour comparer la validité de la réponse de la température simulée dans la brame par rapport à celle mesurée aux emplacements des thermocouples à la suite des différentes excitations par HTC. La simulation du modèle ANN (entrainé) se fait en utilisant la température expérimentale pour pouvoir prédire un nouveau HTC, qui sera utilisé ensuite pour simuler l’évolution de la température dans la brame.

Cette méthode progressive avait une tendance à améliorer les prédictions de température en alimentant les entrants et sortants du modèle ANN par de nouvelles données de meilleure qualité après chaque itération (simulation du ANN). Les résultats montrent que les prédictions progressives du HTC obtenues par le modèle ANN peuvent s’améliorer après chaque itération et tendent vers un modèle qui a un profil récurrent. Finalement le HTC est considéré optimal s’il minimise indirectement l’erreur moyenne en pourcentage entre la température simulée par le modèle EF et celle mesurée expérimentalement jusqu’à 1.5 %.

Dans la deuxième partie, le HTC développé dans la première partie a été adapté et introduit dans le modèle EF, mais cette fois pour étudier l’évolution de la transformation de phase d’une autre brame industrielle de taille réduite. Cette dernière a été instrumentée par différents thermocouples à différentes épaisseurs pour surveiller l’évolution de la température durant la trempe.

Au début, l’optimisation du diagramme Temps Température Transformation (TTT) a été effectuée pour que le diagramme de Transformation en Refroidissement Continu (TRC) qui lui correspond (calculé), soit le plus représentatif du TRC réel de l’acier étudié, en utilisant la vitesse du refroidissement critique comme contrainte d’optimisation. Les résultats obtenus à la fin de la simulation montrent encore une fois que l’évolution de la température est en concordance avec les mesures expérimentales réalisées. Les échantillons extraits directement de la brame instrumentée, ont servi d’échantillons témoins. Néanmoins, des tests sur dilatomètre ont été réalisés pour reproduire fidèlement des échantillons ayant subi les mêmes cycles thermiques (réels) durant la trempe que celles des zones instrumentées de la brame.

Les prédictions du modèle EF concernant la distribution des fractions volumiques de phases sont en concordance avec les résultats expérimentaux calculés à partir des courbes dilatométriques. Également, les analyses métallographiques au microscope électronique à balayage ont aussi confirmé, l’existence d’une surabondance de la bainite dans la région qui se situe au quart de l’épaisseur de la brame par rapport à celle du centre.

Dans la troisième partie, les propriétés mécaniques essentielles pour la simulation ont été générées expérimentalement pour chaque phase et à différentes températures vu leur sensibilité sur la prédiction de la distorsion. Une méthodologie expérimentale a été aussi développée pour mesurer les distorsions de la brame après traitement thermique. La méthodologie a été basée sur la mesure expérimentale de la géométrie externe du bloc d’acier avant et après traitement thermique en utilisant un scanneur portable 3D de haute résolution. Les géométries scannées par la suite ont été analysées par le logiciel CATIA V5 pour créer des modèles 3D continus. L’objectif de la mesure était d’évaluer la réduction de l’épaisseur de la brame mesurée expérimentalement de manière tridimensionnelle. Les résultats de la simulation montrent la même tendance observée dans la mesure expérimentale. De plus, la valeur maximale de la réduction de l’épaisseur a été prédite par EF avec une précision acceptable. Ainsi, cela a permis de justifier l’utilisation des prédictions du modèle EF pour décrire et suivre l’évolution de la distorsion pour différents pas de temps et, puis conclure sur le niveau des contraintes résiduelles développées à la fin de la trempe.

Finalement, le modèle EF développé a été capable de suivre l’évolution de la température et la transformation de phase à travers le volume de la brame, pour prédire finalement une cartographie de la microstructure après trempe. De façon analogue à précédemment, ceci a été aussi confirmé par la concordance entre le modèle EF et la mesure expérimentale de la distorsion, en plus de la dureté.

Titre traduit

Prediction of distortions induced during the quench process of large size steel forgings: modeling and experimental validation

Résumé traduit

The forging industry utilizes quench as the ultimate heat treatment process for steel hardening through phase transformation. This process allows companies to provide the best mechanical properties to their products, such as a well-defined hardness profile across the thickness as well as the microstructure distribution. The huge amount of variability as well as the involved parameters in quenching parts at industrial scale (up to 40 inches in thickness) requires using predictive tools that help control the process fluctuations.

The quench modelling of a large forging was carried out in this work using a finite element method, in order to predict separately the evolution of all physical domains involved in calculation during this process (thermal, microstructural and mechanical) up to the end of quenching.

The first part used an optimization method that combines a symmetric three-dimensional finite element model with a progressive neural network to predict the heat transfer coefficient. The used FEM model was considering for analysis a thermal model coupled with a metallurgical model that considers the phase transformation to improve the temperature predictions with the consideration of latent heat release.

The FEM model was initially integrating different heat transfer coefficients (HTC) from the literature to simulate the effect of HTC variability on the thermal behavior of the forging steel block.

The developed artificial neural network model (ANN) uses initially the temperatures calculated by the FE model as Inputs as well as their corresponding HTC (used as boundary conditions) as outputs for the training. The steel block instrumentation was carried out to compare the validity of the simulated thermal response of the block, through the calculated temperature at the locations of the thermocouples follows to the different HTCs relative to the measured temperature.

The simulation of the trained ANN was performed by using the measured temperature in order to predict a new HTC, that will be used again as a boundary condition for modeling the evolution of temperature inside the steel block. This progressive method seems improve the temperature predictions by supplying the ANN model by Inputs and Outputs with higher quality after each iteration (simulation of the ANN). The results show that the progressive HTC predictions by ANN could be improved after each iteration and establish a recurrent profile. Finally, the HTC was considered optimized if it indirectly minimizes the percentage of average error between the FEM calculated temperature and the measured one up to 1.5%.

In the second part, the HTC developed in the first part was introduced in the FE model, in order to study the phase transformation evolution for a reduced geometry of an industrial block. The block was instrumented by thermocouples to monitor the temperature evolution during quenching. The Time Temperature Transformation diagram (TTT) was first optimized so that its corresponding Continuous Cooling Transformation (CCT) diagram (computed) could represent the real CCT of the investigated steel, by using the critical cooling rate as an optimization constraint.

The FE results showed a good agreement on temperature evolution with the measured ones. Extracted samples from the instrumented block were used as a reference. However, dilatometry tests were additionally carried out to physically simulate the experimental real thermal cycle experienced by the instrumented block in order to reproduce samples with similar microstructure. The predictions of phase volume fractions distribution using the FE model showed a good agreement with the experimental ones, calculated from the dilatometric curves Likewise, metallographic analysis using scanning electron microscopy confirmed the overabundance of bainite in the quarter thickness of the block in comparison to the center.

In the third part, the main mechanical properties needed for FEM simulations were experimentally determined for each phase and at different temperatures. An experimental methodology was developed to measure the block distortions after heat treatment. The methodology is based on the experimental measurement of the external geometry of the steel block before and after heat treatment using a high-resolution portable 3D scanner. The scanned shapes were analyzed by CATIA V5 software to produce a continuous 3D model. The measurement objective was to assess in 3D, the measured thickness reduction for the block.

The FEM results predicted similar distortion trend to the one observed in the experimental measurement. In addition, the maximum thickness reduction magnitude was predicted with acceptable accuracy, which justify using the FE model to monitor the distortion evolution over time and thus estimate the level of residual stress generated after quench.

Finally, the developed FE model was able to monitor phase transformation and temperature evolution through the whole block and then predict a microstructure mapping after quench. This was also confirmed by the observed agreements between the FE predicted distortion and experimentally measured as well as hardness values.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thèse par articles présentée à l’École de technologie supérieure comme exigence partielle à l’obtention du doctorat en génie". Comprend des références bibliographiques (pages 179-196).
Mots-clés libres: coefficient du transfert thermique, MEF, modélisation de la trempe, réseau de neurones artificiels, TTT, transformation de phase, prédiction de la microstructure, aciers à haute résistance mécanique, prédiction de la distorsion, contraintes résiduelles, modélisation de la trempe, brames forgées de fortes dimensions, mesure de la distorsion
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Jahazi, Mohammad
Codirecteur:
Codirecteur
Champliaud, Henri
Programme: Doctorat en génie > Génie
Date de dépôt: 11 janv. 2021 16:12
Dernière modification: 11 janv. 2021 16:12
URI: https://espace.etsmtl.ca/id/eprint/2589

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt