Zmodyfikowana metoda Tartagli obliczania hartowności stali

• Autorzy: Sitek W. , Trzaska J.

Warianty tytułu

EN

Modified Tartagli method of hardenability calculation

• Konferencja: Krajowa Konferencja ,,Nowe Materiały - Nowe Technologie w Przemyśle Okrętowym i Maszynowym" (III; 28.05 - 01.06.2006; Międzyzdroje, Polska)
• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono zmodyfikowaną metodę obliczania krzywych hartowności opracowaną przez Tartagliego, Eldisa oraz Geisslera i rozszerzoną przez T. Inoue. Metoda ta wykorzystuje podobieństwo krzywej Jominy do funkcji sekans hiperboliczny. Zaproponowane przez autorów równania empiryczne umożliwiają obliczenie krzywej hartowności na podstawie składu chemicznego stali. Wymagana jest jednak znajomość współczynników regresji charakterystycznych dla danego gatunku stali. W pracy zaproponowano zastąpienie części równań przez modele sieci neuronowych. Do obliczeń wykorzystano obszerny zbiór danych eksperymentalnych obejmujących składy chemiczne stali maszynowych oraz wyniki pomiarów twardości uzyskanych w próbie Jominy. Opracowane modele sieci neuronowych umożliwiają obliczenie krzywej Jominy na podstawie składu chemicznego w analizowanym zakresie stężeń masowych pierwiastków.

EN

The modified hardenability curves calculation method is presented in the paper, initially developed by Tartaglia, Eldis, and Geissler, later extended by T. Inoue. The method makes use of the similarity of the Jominy curve to the hyperbolic secant function. The empirical formulae proposed by the authors make calculation of the hardenability curve possible basing on the chemical composition of the steel. However, regression coefficients characteristic for the particular steel grade must be known. Replacing some formulae by the neural network models is proposed in the paper. The extensive set of the experimental data was used for calculations, encompassing the chemical compositions of machine steels and the hardness test results obtained in the Jominy tests. The developed neural network models make calculation of the Jominy curve possible basing on the chemical composition within the analysed range of the mass fractions of elements.

Słowa kluczowe

PL

hartowność stali; metoda Tartagli

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Inżynieria Materiałowa
• Rocznik: 2006
• Tom: Vol. 27, nr 3
• Strony: 272--275
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Sitek W.

autor

Trzaska J.

• Politechnika Śląska w Gliwicach, Instytut Materiałów Inżynierskich i Biomedycznych,

Bibliografia

• [1] Grossmann M.A., Asimow M., Urban S.F.: Hardenability, Its Relation to Quenching and Some Quantitative Data, w: Hardenability of Alloy Steels, ASM, Cleveland, 1939
• [2] Grossmann MA.: Trans. AIME, 150, 1942
• [3] Jominy W.E., Boegehold A.L.: Trans. ASM, 26, 1938
• [4] Dobrzański LA., Sitek W.: Comparison of hardenability calculation methods of the heat-treatable constructional steels, Journal of Materials Processing Technology, v.64, 1-3, 1997
• [5] Dobrzański LA., Sitek W.: Application of neural network in modelling of hardenability of constructional steels, Journal of Materials Processing Technology, v.78, 1-3, 1998
• [6] Dobrzański LA., Sitek W.: Modelling of hardenability Rusing neural networks, Journal of Materials Processing Technology, v.92-93, 1999
• [7] Dobrzański LA., Sitek W., Zacłona J.: The modelling of highspeed steels’ properties using neural networks, Journal of Materials Processing Technology, Vol. 157-158, 2004
• [8] Dobrzański LA., Trzaska J.: Application of neural networks for prediction of hardness and volume fractions of structural components in constructional steels cooled from the austenitising temperature, Material Science Forum, vol. 437–4, 2003
• [9] Dobrzański LA., Trzaska J.: Application of neural networks for prediction of critical values of temperatures and time of the supercooled austenite transformations, Journal of Materiale Processing Technology, 155-156, 2004
• [10] Dobrzański LA., Trzaska J.: Application of neural networks to forecasting the CCT diagram, Journal of Materials Processing Technology, Volumes 157-158, 2004
• [11] Dobrzański LA., Trzaska J.: Application of neural network for the prediction of continuous cooling transformation diagrams, Computational Materials Science, Volume 30, Issues 3-4, 2004
• [12] Tartaglia J.M., Eldis G.T., Geissler J.J.: Metall. Trans., 15A (1984) 1173
• [13] Inoue T.: Computer modeling to predict hardenability of steels for automobile components, 8th Seminar of the International Federation for HeatTreatment and Surface Engineering, Dubrovnik-Cavtat, Croatia, 2001
• [14] Grossmann MA., Bain E.C.: Principles of Heat Treatment , 5th ed., ASM, 1964