Modelowanie rekrystalizacji dynamicznej za pomocą dynamicznych sieci neuronowych

• Autorzy: Stanisławczyk A. , Kusiak J.

Warianty tytułu

EN

Dynamic Neural Networks Approach to the modelling of the Dynamic Recrystallization

• Konferencja: The International Scientific Conference on the Plasticity of Materials (XVI, 2009, Zakopane, Poland)
• Języki publikacji: PL

Abstrakty

PL

W pracy zaprezentowano neuronowy model naprężenia uplastyczniającego dla mikrostopowej stali z dodatkiem niobu. W modelowaniu wykorzystano dynamiczną sieć neuronową typu LRN (Layer-Recurrent Network). Model uwzględnia dwa kluczowe w procesie rekrystalizacji dynamicznej parametry: temperaturę i prędkość odkształcenia. Opracowany model cechuje się wysoką dokładnością przewidywania wartości naprężenia uplastyczniającego (błąd RMSE równy 3,1 MPa), oraz bardzo dużą szybkością działania. Przedstawione wyniki potwierdzają przydatność dynamicznych sieci neuronowych w modelowaniu zjawisk i procesów dynamicznych.

EN

The paper presents the neural network model of the flow stress for nobium microalloyed steel. The dynamic neural network of the type LRN (Layer-Recurrent Network) was used in modelling. The model takes into account two key parameters in the dynamic recrystallization: temperature and strain rate. The model characterizes high accuracy of flow stress prediction (RMSE equals 3.1 MPa), and the very high speed. Introduced model confirms the usefulness of dynamic neural networks in the dynamic processes modelling.

Słowa kluczowe

PL

dynamiczne sieci neuronowe; rekrystalizacja dynamiczna

EN

dynamic neural networks; dynamic recrystallization

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Hutnik, Wiadomości Hutnicze
• Rocznik: 2009
• Tom: Vol. 76, nr 8
• Strony: 659--661
• Opis fizyczny: Bibliogr. 5 poz., rys.

Twórcy

autor

Stanisławczyk A.

autor

Kusiak J.

• Akademia Górniczo-Hutnicza, Wydział Inżynierii Metali i Informatyki Przemysłowej, Katedra Informatyki Stosowanej i Modelowania; al. Mickiewicza 30, 30-059 Kraków,

Bibliografia

• 1. Sellars C. M., Junak G.: Modelling Microstructural Development During Hot Rolling, Mat. Sci. Techn. vol. 6, 1990, s. 1072÷1081
• 2. Roberts W., Sandberg A., Siwecki T., Welefors T.: Prediction of Microstructure Development during Recrystallization Hot Rolling of Ti-V Steels. Proc. Conf. HSLA Steels, Technology and Applications, Philadelphia, ASM, 1983, s. 67÷84
• 3. Hodgson P. D., Gibbs R. K.: A Mathematical Model to Predict the Mechanical Properties of Hot Rolled C-Mn and Microalloyed Steels. ISIJ Int., vol. 32, 1992, s. 1329÷1338
• 4. Gupta M. M., Homma N., Jin L.: Static and Dynamic Neural Networks. John Wiley & Sons Inc., 2003.
• 5. Demuth H., Beale M., Hagan M.: Neural Network Toolbox™ 6 User’s Guide. The MathWorks Inc., Natick, 2008