ʵ

Uutiset

Suurnopeuskamera paljastaa, mitä tapahtuu metallin venyessä ja murtuessa

Tutkimuksesta on hyötyä auto- ja ilmailuteollisuudessa käytettävien metalliseosten kehittämisessä.
A metal sample clamped in a tension machine, being photographed by a high speed camera
Metallinäytettä venytetään murtumispisteeseen saakka, ja samalla sitä kuvataan laservalolla ja suurnopeuskameroilla. Kuva: Tero Mäkinen.

Metalliseosten suunnittelussa ja valinnassa on tärkeää tietää, miten ne käyttäytyvät rasituksessa. Aalto-yliopiston ja Tampereen yliopiston tutkijat kuvasivat suurnopeuskameralla mitä tapahtuu, kun alumiiniseoksesta valmistettuja kappaleita venytetään aina murtumispisteeseen saakka. Tulokset julkaistiin juuri .

Tutkimuksen tulokset voivat avata uusia uria materiaalitutkimukseen ja niistä voi olla hyötyä esimerkiksi auto- tai ilmailuteollisuudessa käytettävien metalliseosten kehittämisessä. Erityisesti tiettyjen materiaalien, kuten autoissa ja lentokoneissa käytettävien kevyiden alumiiniseosten, muoto muuttuu rasituksessa arvaamattomasti.

”Kun autonkoreja prässätään alumiinista, tulee lopputuloksen kuitenkin olla tasainen”, sanoo tohtorikoulutettava Tero Mäkinen Aalto-yliopistosta.

Kun materiaalia venytetään kevyesti, se joustaa. Kun venytys lopetetaan, materiaali palautuu alkuperäiseen muotoonsa. Jos venytystä jatketaan, kappaleessa tapahtuu pysyvä plastinen muodonmuutos eli se ei enää palaudu alkuperäiseen muotoonsa. Venytyksen jatkuessa ja materiaalin muuttaessa muotoaan se ennen pitkää murtuu.

Venymänauhat avuksi ennustamisessa

Tutkimuksessa keskityttiin erityisesti plastisen muodonmuutoksen epävakausilmiöön, jota kutsutaan Portevin–Le Chatelier (PLC) -efektiksi. Näyte venyy epätasaisesti, ja nauhamaisia alueita, jotka venyvät enemmän kuin toiset, kutsutaan venymänauhoiksi.

Deformation bands passing through a metal sample
Näytteen pinnalla on havaittavissa venymänauhoja, kun materiaali on muuttamassa muotoaan. Tutkijat pystyivät havainnoimaan nauhojen liikettä laservalon ja suurnopeuskameroiden avulla.

”Tavoitteena oli ymmärtää, kuinka nauhat liikkuvat, sillä nauhojen liikkeen perusteella voimme ennustaa, miten materiaali muuttaa muotoaan. Olemassa olevat PLC-efektiä kuvaavat teoreettiset mallit eivät tekemiemme kokeiden perusteella olleet kovinkaan hyödyllisiä. Halusimme kuvata ja mitata ilmiötä aiempaa tarkemmin”, kertoo professori Mikko Alava Aalto-yliopistosta.

Muodonmuutosta kuvaavia teoreettisia malleja ei ole voitu aikaisemmin vertailla keskenään, koska mittauksissa ei ole saatu tarpeeksi tarkkaa dataa materiaalissa tapahtuvista muutoksista. Nyt tutkijat kuvasivat näytteitä laservalon ja suurnopeuskameroiden avulla ja vertasivat kerättyä, mittavaa data-aineistoa erilaisiin teoreettisiin malleihin. He havaitsivat, että materiaalitieteen alalla vakiintunut magnetisaation muutosten kuvaamiseen käytetty malli kykeni hyvin tarkasti ennustamaan materiaalin käyttäytymistä ja nauhojen liikettä plastisen muodonmuutoksen aikana. Siitä, miten nopeasti nauhat etenivät ja miten paljon nopeus vaihteli, tutkijat pystyivät ennustamaan tarkasti, millaiseen muotoon materiaali muuttui.

”Suurnopeuskamera kuvaa näytettä suurella nopeudella, yli tuhat kuvaa sekunnissa, ja siksi sen avulla on mahdollista seurata venymänauhan liikettä. PLC-nauhojen liikkeitä on tutkittu aiemminkin erityisesti materiaalitieteen alueella, mutta pienimmätkin yksityiskohdat on saatava esiin, jotta voidaan havaita nauhojen käyttäytyvän magneettien lailla”, kertoo Tero Mäkinen.

”On yllättävää, että sama magnetisaation muutosten kuvaamiseen käytetty yksinkertainen tilastollinen malli soveltuu kahden näennäisesti hyvinkin erilaisen ilmiön kuvaamiseen. Sillä pystytään kuvaamaan tarkkaan myös muotoaan muuttavan materiaalin paikallista venymistä”, sanoo Tampereen yliopiston tenure track -professori Lasse Laurson.

Tutkimuksen avulla voidaan ennustaa tarkasti alumiiniseosten muodonmuutoksia, mutta soveltuuko se myös muihin metalliseoksiin?

”Metalleissa voi olla useita erityyppisiä PLC-nauhoja. Nyt kun olemme todentaneet mallimme soveltuvuuden yhdelle tyypille, haluamme selvittää, soveltuisiko se niihin kaikkiin”, Alava kertoo.

äپٴᲹ:

Tutkimusartikkeli: Propagating bands of plastic deformation in a metal alloy as critical avalanches, Science Advances, DOI:  

Mikko Alava
Professori
Aalto-yliopisto, Teknillisen fysiikan laitos
mikko.alava@aalto.fi
p. 050 413 2152

Lasse Laurson
Tenure track -professori
Tampereen yliopisto, Laskennallisen fysiikan laboratorio
lasse.laurson@tuni.fi
p. 050 545 5387

  • äٱٳٲ:
  • Julkaistu:
Jaa
URL kopioitu

Lue lisää uutisia

Lähikuva tieteellisestä instrumentista, jossa kultaa ja pronssia, johtoja ja merkintöjä laboratoriossa.
Mediatiedotteet Julkaistu:

Tutkijat kytkivät lähes ikiliikkuvan aikakiteen ensimmäistä kertaa ulkoiseen värähtelijään – voi kasvattaa kvanttitietokoneiden laskentatehoa

Aikakide on moninkertaisesti pitkäikäisempi kuin muut kvanttijärjestelmät, joten sitä voitaisiin hyödyntää esimerkiksi kvanttitietokoneiden laskentatehon sekä mittauslaitteistojen tarkkuuden kasvattamiseen.
Henkilö seisoo ulkona syksyllä, yllä harmaa huppari ja vihreä takki. Taustalla puut oransseine lehtineen.
Nimitykset Julkaistu:

Esittelyssä Qi Chen: Luotettava tekoäly tarvitsee algoritmeja, jotka selviävät yllätyksistä

Tekoälyn kehittäjien on keskityttävä sovellusten turvallisuuteen ja oikeudenmukaisuuteen, sillä ne liittyvät suoraan yhteiskuntien luottamukseen ja tasa-arvoon, sanoo tutkija Qi Chen.
Henkilö pukeutuneena vaaleanharmaaseen huppariin seisoo sisätiloissa, taustalla tiiliseinä ja vihreitä kasveja.
Nimitykset, Yliopisto Julkaistu:

Tekoälyn ja ihmisen erimielisyys on tutkijalle jännä arvoitus

Francesco Croce tutkii multimodaalisia perustamalleja, erityisesti niiden hyökkäyksensietokykyä.
Eric Malmi Otaniemen kampuksella Laura Könösen Glitch-teoksen edessä. Kuva: Matti Ahlgren
Nimitykset Julkaistu:

Räppialgoritmi vei Google DeepMindille tutkimaan kielimalleja – nyt Eric Malmi aloittaa vierailevana professorina Aallossa

Eric Malmi on väitellyt Aalto-yliopistosta vuonna 2018, aiheenaan tekoälymenetelmien kehittäminen historiallisten aineistojen ja sukupuiden linkittämiseen. Google DeepMindilla hän on kehittänyt Gemini-kielimalleja sekä shakkitekoälyä. Aaltoon hänet toi Suomen ELLIS-instituutti.