Coupling solidification model with CALPHAD data for the prediction of macrosegregation and solidification structures - Université de Lorraine Accéder directement au contenu
Thèse Année : 2022

Coupling solidification model with CALPHAD data for the prediction of macrosegregation and solidification structures

Couplage d'un modèle de solidification avec des données CALPHAD pour la prédiction des macroségrégations et des structures de solidification

Savya Sachi
  • Fonction : Auteur

Résumé

The present work aims at refining existing models in SOLID® by developing capabilities for improved prediction of the solidification process. Multiphase solidification models incorporate transport equations, which are closed by interphase transfer terms that are governed by microscopic constitutive relationships. These analytical relationships rely on the accurate representation of the microstructural phenomena such as the grain morphology and solute profile in the phases, along with the assumptions of diffusion-controlled solidification with thermodynamic equilibria at the solid-liquid interfaces. This work focuses on two aspects: i) coupling solidification model with the thermodynamics of multicomponent alloys and ii) incorporating a new liquid diffusion length model for improved prediction of solute profile in the liquid phase. A methodology is proposed for incorporating phase diagram data into multiphase volume average solidification models. Previous instances of coupling the model with thermodynamic software packages include direct coupling with the software and a tabulation and interpolation technique. Direct coupling is time-consuming, whereas the tabulation approach becomes infeasible with increasing number of components in the system. We present a novel approach of using Artificial Neural Networks - Multi-layer perceptron (ANN-MLP) on tabulated thermodynamic data to obtain regression relationships, which can be easily coupled with the solidification model. This approach is computationally much more efficient than the above mentioned methods. The coupling procedure is described and validated with Thermo-Calc® Scheil solidification. Further simulations were performed on the Hebditch & Hunt benchmark case as well as an industrial ingot. Results obtained from the model, while improving the segregation prediction, also highlight the critical phase diagram parameters which help us propose modified values of these parameters for simulations which assume them to be constant. Secondly, the liquid diffusion length relationship proposed by Martorano et al. was extended to account for liquid convection. Simulation of the industrial ingot with the new diffusion length relationship shows significant impact on the grain size and grain morphology.
Le présent travail vise à affiner les modèles existants dans SOLID® pour une meilleure prédiction des macroségrégations et des structures de solidification. Les modèles de solidification mis en œuvre dans le code SOLID® sont multiphasiques et multiéchelles. Les équations de transport qui le constituent sont fermées par des termes de transfert interphase régis par des relations constitutives microscopiques. Ces termes de transfert interphase reposent sur la représentation aussi précise que possible des phénomènes microstructuraux tels que la morphologie des grains,le profil des solutés dans les phases, et les équilibres thermodynamiques aux interfaces solide-liquide. Ce travail se concentre sur deux aspects : i) le couplage du modèle de solidification avec la thermodynamique des alliages multiconstitués et ii) l'incorporation d'un nouveau modèle de longueur de diffusion pour la phase liquide intervenant dans les termes de transfert interphase. Une méthodologie est proposée pour incorporer les données du diagramme de phase dans le modèle de solidification du code SOLID®. Les exemples présents dans le littérature concernant le couplage d'un modèle de solidification avec des progiciels thermodynamiques (de type CALPHAD) ont été réalisé en considérant : soit le couplage direct entre les logiciels, soit une technique de tabulation permettant ensuite le calculs des grandeurs thermodynamiques par interpolation. Le couplage direct prend beaucoup de temps, tandis que l'approche par tabulation devient impossible avec l'augmentation du nombre de constituants de l'alliage. Nous présentons une nouvelle approche consistant à mettre en oeuvre des réseaux de neurones pour obtenir à partir de données thermodynamiques issus de codes de type CALPHAD, des relations de régression. Ces relations de régression peuvent ensuite être facilement couplées à un modèle de solidification de type de celui implémenté dans le code SOLID®. Cette approche est beaucoup plus efficace sur le plan informatique que les méthodes mentionnées ci-dessus. La procédure de couplage est décrite et validée à partir de comparaisons avec des calculs CALPHAD sur des cas simples de solidification. D'autres simulations ont été effectuées sur le cas de référence Hebditch & Hunt ainsi que sur un lingot industriel. Les résultats obtenus par le modèle, tout en améliorant la prédiction de la ségrégation, mettent également en évidence les paramètres critiques du diagramme de phase, ce qui nous permet de proposer des valeurs modifiées de ces paramètres pour les simulations qui les supposent constants. Deuxièmement, la relation de longueur de diffusion dans la phase liquide proposée par Martorano et al. a été étendue pour tenir compte de la convection de la phase liquide. La simulation du lingot industriel avec cette nouvelle relation de longueur de diffusion montre un impact significatif sur la taille et la morphologie des grains.
Fichier principal
Vignette du fichier
DDOC_T_2022_0086_SACHI.pdf (26.55 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03797401 , version 1 (04-10-2022)

Identifiants

  • HAL Id : tel-03797401 , version 1

Citer

Savya Sachi. Coupling solidification model with CALPHAD data for the prediction of macrosegregation and solidification structures. Materials Science [cond-mat.mtrl-sci]. Université de Lorraine, 2022. English. ⟨NNT : 2022LORR0086⟩. ⟨tel-03797401⟩
85 Consultations
18 Téléchargements

Partager

Gmail Facebook X LinkedIn More