Projektowanie składu chemicznego na podstawie hartowności stali konstrukcyjnych

Dobrzański, L.A.; Sitek, W.

Artykuł - szczegóły

Tytuł artykułu

Projektowanie składu chemicznego na podstawie hartowności stali konstrukcyjnych

Autorzy

Dobrzański L.A. , Sitek W.

Identyfikatory

Warianty tytułu

Designing of the chemical composition of steels basing on the hardenability of constructional steels

Konferencja

II Krajowa Konferencja "Nowe materiały - nowe technologie w przemyśle okrętowym i maszynowym", Międzyzdroje 7-10 września 2003

Języki publikacji

Abstrakty

W pracy przedstawiono oryginalną metodykę modelowania zależności między składem chemicznym i hartownością stali konstrukcyjnych stopowych z wykorzystaniem sieci neuronowych. Bazując na wynikach doświadczalnych badań hartowności metodą Jominy'ego, opracowano i w pełni zweryfikowano doświadczalnie model sieci neuronowych umożliwiający obliczanie krzywych hartowności Jominy'ego na podstawie składu chemicznego stali. Opracowano również i w pełni zweryfikowano numerycznie model sieci neuronowych umożliwiający projektowanie składu chemicznego stali na podstawie znanego przebiegu krzywej hartowności Jominy'ego.

The paper presents the original method of modelling of the relationships between the chemical composition of alloy constructional steel and its hardenability, employing neural networks. Basing on the experimental results of the hardenability investigations, which employed Jominy method, the model of the neural networks was developed and fully verified experimentally. The model makes it possible to obtain Jominy hardenability curves basing on the steel chemical composition. The model of neural networks, making it possible to design the steel chemical composition, basing on the known Jominy hardenability curve shape, was developed also and fully verified numerically.

Słowa kluczowe

projektowanie skład chemiczny stal hartowność stal konstrukcyjna modelowanie stal stopowa sieć neuronowa

designing chemical composition steel hardenability constructional steel modelling alloy steel neural networks

Wydawca

Wydawnictwo SIGMA-NOT

Czasopismo

Inżynieria Materiałowa

Rocznik

2003

Tom

R. XXIV, nr 6

Strony

287--290

Opis fizyczny

Bibliogr. 22 poz., rys., tab.

Twórcy

autor

Dobrzański L.A.

Politechnika Śląska, Instytut Materiałów Inżynierskich i Biomedycznych, Gliwice

autor

Sitek W.

Politechnika Śląska, Instytut Materiałów Inżynierskich i Biomedycznych, Gliwice

Bibliografia

1. Serajzadeh S., Taheri A. K.: An investigation into the effect of carbon on the kinetics of dynamie restoration and flow behavior of carbon steels. Meehanies of Materials, vol. 35,7,2003
2. Risbood K.A., Dixit U.S., Sahasrabudhe A.D.: Predietion of surface roughness and dimensional deviation by measuring eutting forces md vibrations in tuming process. Journal of Materials Processing Technology, vol. 132,1-3,2003
3. Jiahe A., Jiang X., Huiju G., Yaohe H., Xishan X.: Artificial neural network prediction of the microstructure of 60Si2MnA rod based on its controlled rolling and cooling process parameters. Materials Science and Engineering, vol. 344,1-2,2003
4. Jalham I.S.: Modeling capability of the artificial neural network [ANN) to predict the effect of the hot deformation parameters on the strength of Al-base metal matrix composites. Composites Scienc and Technology, vol. 63,1,2003
5. Dweiri F., Al-Jarrah M., Al-Wedyan H.: Fuzzy surface roughness nodeling of CNC down milling of Alumic-79. Journal of Materials Processing Technology, vol. 133,3,2003
6. Reed P.A.S., Thomson R.C., James J.S., Putman D.C., Lee K.K., Gunn S.R.: Modelling of microstructural effects in the fatigue of austempered ductile iron. Materials Science and Engineering, vol. 346, 1-2, 2003
7. Kusiak J., Kuziak R.: Modelling of microstructure and mechanical properties of steel using the artificial neural network. Journal of Materials Processing Technology, vol. 127,1,2002
8. Yarlagadda P.K.D.Y.: Development of an integrated neural network system for prediction of process parameters in metal injection loulding . Journal of Materials Processing Technology, vol. 130-31, 2002
9. 3enel K., Ozbek I., Kurt A., Bindal C: Boriding responsc of AISI W1 Steel and use of artificial neural network for prediction of orided layer properties. Surfaee and Coatings Technology vol. 160 1, 2002
10. Haque M.E., Sudhakar K.V.: ANN back-propagation predrediction model for fracture toughness in microalloy steel. International Journal of Fatigue, vol. 24,9,2002
11. Li M., Liu X., Xiong A.: Predietion of the mechanical properties of Forged TC 11 titanium alloy by ANN. Journal of Materials Processing Technology, vol. 121,1,2002
12. Miaoquan L.; Dunjun Ch., Aiming X., Li L.: An adaptive prediction model of grain size for the forging of Ti-6A1-4V alloy based on fuzzy neural networks. Journal of Materials Processing Technology, vol. 121,1,2002
13. Yoo Y.S., Jo C.Y., Jones C.N.: Compositional prediction of creep rupture life of single crystal Ni base superalloy by Bayesian neural letwork. Materials Science and Engineering, vol. 336,1-2,2002
14. Nariman-zadeh N., Daryizeh A., Daryizeh M., Gharababaei H.:Modelling of explosive eutting process of plates using GMDH-type neural network and singular value decomposition. Journal of Materials Processing Technology, vol. 128,1-3,2002
15. Brophy B., Kelly K., Byrne G.: Al-based condition monitoring of the drilling process. Journal of Materials Processing Technology, vol. 125-126,2002
16. Manabe K., Koyama H., Yoshihara S., Yagami T.: Development of a combination punch speed and blank-holder fuzzy control system for the deep-drawing process. Journal of Materials Processing Technology, vol. 125-126,2002
17. Yang D.Y., Ahn D.G., Lee C.H., Park C.H., Kim T.J.: Integration of CAD/CAM/CAE/RP for the development of metal forming process Journal of Materials Processing Technology, vol. 125-126,2002
18. Di Lorenzo R., Fratini L., Filice L., Micari F., Bruschi S.:comparison of analytical methods and Al tools for material characterisation in hot forming. Journal of Materials Processing Fechnology, vol. 125-126.2002
19. Norma ASTM A225-1985, Standard Method for End-Quench Test For Hardenability of Steel
20. Dobrzański L.A., Sitek W.: Comparison of hardenability calculation methods of the heat-treatable constructional steels. Journal of Materials Processing Technolog., vol. 64,1-3, 1997
21. Dobrzański L.A., Sitek W.: Modelling of hardenability using neural jctworks. Journal of Materials Processing Technolog. vol. 78, 1-3, 1998
22. Dobrzański L.A., Sitek w., Krysiński D.: Zastosowanie sieci neurorialnych do modelowania hartowności stali konstrukcyjnych "Achievements in the Mechanical and Material Engineering", PAN, Gliwice-Wisła, 4-6.12 1996

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BOS3-0006-0057