25.06.2013 Views

Mécanismes d'évolution de texture au cours du recuit d'alliages de ...

Mécanismes d'évolution de texture au cours du recuit d'alliages de ...

Mécanismes d'évolution de texture au cours du recuit d'alliages de ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Chapitre 6: Croissance <strong>de</strong> grains<br />

2.b.1 Corrélation taille/orientation<br />

La corrélation entre taille <strong>de</strong>s grains et orientation résulte <strong>de</strong> la croissance orientée qui se<br />

pro<strong>du</strong>it <strong>au</strong> <strong>cours</strong> <strong>de</strong> la recristallisation primaire. Cette corrélation initiale est considérée<br />

comme responsable <strong>de</strong> l'évolution <strong>de</strong> <strong>texture</strong> <strong>au</strong> <strong>cours</strong> <strong>de</strong> la croissance <strong>de</strong> grains [Boz05].<br />

La métho<strong>de</strong> pour recréer cette corrélation est illustrée sur la figure 6-17. Elle consiste à<br />

découper la microstructure artificielle -triée par taille- en sous-population i<strong>de</strong>ntiques (en<br />

nombre). Chacune <strong>de</strong> ces sous- population représente une fraction <strong>du</strong> volume total, et ces<br />

fractions sont utilisées pour découper les données expérimentales à leur tour. Les<br />

orientations issues <strong>de</strong>s sous-populations expérimentales sont alors assignées <strong>au</strong>x sous-<br />

populations <strong>de</strong> grains artificiels correspondant.<br />

Microstructure 3D<br />

triée par taille divisée<br />

en 5 populations <strong>de</strong><br />

1600 grains<br />

Figure 6-17: schéma illustrant la<br />

métho<strong>de</strong> utilisée pour recréer la<br />

corrélation taille/orientation dans<br />

le cas d'une microstructure<br />

artificielle <strong>de</strong> 8000 grains, divisée<br />

en 5 classes <strong>de</strong> 1600 grains. (les<br />

données expérimentales sont<br />

découpées en 5 classes <strong>de</strong> fraction<br />

volumique équivalente).<br />

Cette métho<strong>de</strong> permet bien d'assigner <strong>au</strong>x petits et gros grains <strong>de</strong> la microstructure<br />

artificielle les orientations <strong>de</strong>s petits et gros grains <strong>de</strong> la microstructure réelle. On réalise<br />

également que plus le découpage en classe est fin et plus fidèle sera la repro<strong>du</strong>ction <strong>de</strong> la<br />

<strong>texture</strong> globale, la limite étant un découpage en classes <strong>de</strong> 1 grain.<br />

Dans le cas idéal, cette métho<strong>de</strong> consiste donc à utiliser <strong>de</strong>s microstructures<br />

expérimentales et artificielles contenant le même nombre <strong>de</strong> grain, et possédant <strong>de</strong>s<br />

distributions <strong>de</strong> taille i<strong>de</strong>ntiques.<br />

L'influence <strong>de</strong> cette corrélation est montrée sur la figure 6-18 dans le cas <strong>de</strong> la simulation<br />

<strong>du</strong> comportement d'une population partielle <strong>de</strong> grains. La métho<strong>de</strong> décrite plus h<strong>au</strong>t est<br />

alors appliquée sur une population initiale formée <strong>de</strong>s 4000 plus gros grains d'une<br />

164<br />

Popul. 1:<br />

35.5% vol<br />

Popul. 2:<br />

24.4% vol<br />

Popul. 3:<br />

18.4% vol<br />

Popul. 4:<br />

13.4% vol<br />

Popul. 5:<br />

8.3% vol<br />

1600 grains<br />

tirés <strong>de</strong> Vol.1<br />

1600 grains<br />

tirés <strong>de</strong> Vol.2<br />

1600 grains<br />

tirés <strong>de</strong> Vol.3<br />

1600 grains<br />

tirés <strong>de</strong> Vol.4<br />

1600 grains<br />

tirés <strong>de</strong> Vol.5<br />

Vol 1:<br />

35.5% vol<br />

Vol 2:<br />

24.4% vol<br />

Vol 3:<br />

18.4% vol<br />

Vol 4:<br />

13.4% vol<br />

Vol 5:<br />

8.3% vol<br />

Division <strong>de</strong>s<br />

données EBSD en<br />

classes équivalentes

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!