Simulation of Tig Weld on a ST355 plat
Author
Koldsø, Jesper Pilgaard
Term
4. semester
Education
Publication year
2020
Pages
42
Abstract
Dette projekt genskaber en publiceret computersimulation af svejsning i S355-stål og undersøger, om den kan gøres mere præcis. Det oprindelige studie så på, hvordan svejsning skaber restspændinger og påvirker metallet gennem faststof-faseomdannelser og deformationshærdning. Restspændinger er spændinger, der bliver tilbage efter svejsning, og kornstrukturen er metallets fordeling af små krystaller. Vi implementerede modellen i LS-DYNA med materialemodellen MAT_UHS_STEEL. En vigtig effektivitetsparameter var ikke angivet i den oprindelige artikel, så vi kalibrerede den ved prøve-og-fejl. En indledende værdi på 50% blev fundet, hvilket tidligere kilder vurderer som lavt. Vi så også afvigelser mellem data og resultaterne rapporteret af Sun m.fl. Først mistænkte vi konvektionsrandbetingelsen, som beskriver varmetab til omgivelserne. At reducere konvektionskoefficienten til en fjerdedel gav dog kun små ændringer, så det var næppe årsagen. Da effektiviteten blev sat til 75%, passede simuleringen godt til data. Med denne indstilling kunne modellen forudsige kornstrukturen med en fejl på 5% mod 9% i det oprindelige studie. Vi konkluderer derfor, at justering af effektiviteten forbedrer den oprindelige models nøjagtighed.
This project recreates a published computer simulation of welding in S355 steel and examines whether it can be made more accurate. The original study investigated how welding produces residual stresses and affects the metal through solid-state phase transformations and strain hardening. Residual stresses are locked-in stresses that remain after welding, and the grain structure is the arrangement of tiny crystals in the metal. We implemented the model in LS-DYNA using the material model MAT_UHS_STEEL. A key efficiency parameter was not specified in the original paper, so we calibrated it by trial and error. An initial value of 50% was obtained, which earlier sources consider low. We also observed discrepancies between data and the results reported by Sun et al. At first we suspected the convection boundary condition, which represents heat loss to the surroundings. Reducing the convection coefficient to one quarter produced little change, so this was unlikely to be the cause. When the efficiency parameter was increased to 75%, the simulation matched the data well. With this setting, the model predicted the grain structure within 5% error, compared with 9% in the original study. We conclude that adjusting the efficiency improves the original model’s accuracy.
[This summary has been rewritten with the help of AI based on the project's original abstract]
Keywords
Documents