Zastosowanie sieci neuronowych do prognozowania wykresów CTPc

• Autorzy: Dobrzański L.A. , Trzaska J.

Warianty tytułu

EN

Application of neural networks to forecasting the CCT curves

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

Abstrakty

PL

W pracy przedstawiono metodykę modelowania zależności między składem chemicznym i temperaturą austenityzowania, a kinetyką przemian przechłodzonego austenitu podczas chłodzenia ciągłego, z wykorzystaniem sieci neuronowych. Opracowany model umożliwia obliczenie kompletnego wykresu CTPc dla stali o znanym składzie chemicznym i analizę oddziaływania poszczególnych pierwiastków na charakterystyczne punkty oraz krzywe przemian austenitu przechłodzonego, a także twardość uzyskaną w wyniku chłodzenia. Pozwala również na prognozowanie struktury uzyskanej w stali w wyniku chłodzenia z określoną szybkością z temperatury austenityzowania, przez ilościowy opis udziałów procentowych ferrytu, perlitu, bainitu oraz martenzytu z austenitem szczątkowym.

EN

The paper presents the methodology of modelling using the neural networks of the relationship between the chemical composition and austenitizing temperature, and the supercooled austenite transformation kinetics during the continuous cooling. The model worked out makes it possible to calculate a complete CCT diagram for the steel with a known chemical composition and analysis of the influence of particular elements on the characteristic points and transformation curves of the supercooled austenite, and also the hardness resulting from cooling. It makes also possible forecasting of the structure developed in steel as a result of cooling at a particular rate, by the quantitative description of the percentages of ferrite, pearlite, bainite, and martensite with the retained austenite.

Słowa kluczowe

PL

sieci neuronowe; zastosowanie; prognozowanie; wykresy CTPc; modelowanie; chłodzenie; austenit; twardość

EN

neural networks; application; forecasting; CCT curves; modelling; cooling; austenite; hardness

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Inżynieria Materiałowa
• Rocznik: 2003
• Tom: R. XXIV, nr 6
• Strony: 291--294
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Dobrzański L.A.

• Politechnika Śląska, Instytut Materiałów Inżynierskich i Bimedycznych, Gliwice

autor

Trzaska J.

• Politechnika Śląska, Instytut Materiałów Inżynierskich i Bimedycznych, Gliwice

Bibliografia

• 1. Trzaska J.: Metodyka komputerowego modelowania kinetyki przemian austenitu przechłodzonego stali konstrukcyjnych, praca doktorska niepublikowana, Bibl. Gł. Pol. Śl., Gliwice 2002
• 2. Bhadeshia H.K.D.H.: Neural Networks in Materials Science. ISIJ International. Vol. 39,10,1999
• 3. Van der Wolk P.J., Vermeulen W.G., Van der Zwaag S.: Prediction of the continuous cooling transformation diagram of vanadium containing steels using artificial neural networks. 2nd Int. Conf. on Modelling of Metal Rolling Processes. Londyn, 1996
• 4. Vermulen W.G.. Van der Zwaag S., Morris P., Weijer T.: Prediction of the continuous cooling transformation diagram of some selected teels using artificial neural networks. Steel Research. 68,1997
• 5.Wang J, Van der Wolk P.J., Van der Zwaag S.: Effects of Carbon Concentration and Cooling Rate on Continuous Cooling Fransformations Predicted by Artificial Neural Network. ISIJ [ntemational. Vol. 39,10,1999