Modelowanie parametrów procesu nawęglania

• Autorzy: Szota M. , Jasiński J.

Warianty tytułu

EN

Modeling of carbonizing process

• Języki publikacji: PL

Abstrakty

PL

Przedmiotem badań było modelowanie procesów nasycania dyfuzyjnego stali niskowęglowych w złożu fluidalnym za pomocą sztucznych sieci neuronowych. Nieliniowy charakter zmian parametrów procesu nawęglania oraz brak algorytmów matematycznych opisujących wpływ parametrów procesu na finalne właściwości nawęglanych elementów utrudnia projektowanie tego procesu obróbki cieplno-chemicznej. Zastosowanie sztucznych sieci neuronowych umożliwia budowę modelu tego procesu. Zaprojektowany model pozwala na obliczenie parametrów procesu lub predykcje właściwości obrabianych elementów.

EN

The subject of investigation was neural network modeling of diffusional saturation of steel In fluidized bed. The reason of difficulty of carbonizing process modeling are: non linear changes of parameters of this process and lack of mathematical algorithms complex describing this process. Using of neural network make design model of this process possible. The designed neural network model allow calculate of process parameters and predict of carbonizing elements properties.

Słowa kluczowe

PL

nawęglanie stali; złoże fluidalne; modelowanie procesu; sieci neuronowe

EN

steel carbonizing; fluidizing bed; process modeling; neural network

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Inżynieria Materiałowa
• Rocznik: 2010
• Tom: Vol. 31, nr 1
• Strony: 27--29
• Opis fizyczny: Bibliogr. 24 poz., rys.

Twórcy

autor

Szota M.

autor

Jasiński J.

• Instytut Inżynierii Materiałowej, Wydział Inżynierii Procesowej, Materiałowej i Fizyki Stosowanej, Politechnika Częstochowska,

Bibliografia

• [1] Jasiński J.: Oddziaływanie złoża fluidalnego na procesy nasycania dyfuzyjnego warstwy wierzchniej stali. Wydawnictwo WIPMiFS, Częstochowa (2003).
• [2] Babul T., Nakonieczny A., Obuchowicz Z., Orzechowski D., Jasiński J., Jeziorski L., Fraczek T., Torbus R.: Przemysłowe zastosowanie wizualizacji i sterowania komputerowego piecami do obróbki cieplnej i cieplnochemicznej. Inżynieria Materiałowa 5 (2002) 208-211.
• [3] Rogalski Z.: Obróbka cieplna fluidalna – stan techniki, cześć 1. Inżynieria Powierzchni 2 (2000) 94-108.
• [4] Szota M.: Modelowanie nawęglania stali w złożu fluidalnym za pomocą sztucznych sieci neuronowych. Praca doktorska, WIPMiFS Politechnika Częstochowska (2008).
• [5] Wandrasz J., Zieliński J.: Procesy fluidalne utylizacji odpadów. Wydawnictwo PAN, Zakład Naukowy im. Ossolińskich, Wrocław (1984).
• [6] Jasiński J., Jeziorski L., Bokota A., Mitko M., Frączek T.: Modelowanie procesów dyfuzyjnego nasycania stali. Sprawozdanie z Grantu KBN 700699101, Częstochowa (1994).
• [7] Jeziorski L., Jasiński J., Jonkisz W.: Nawęglanie w warstwie fluidalnej z bezpośrednim spalaniem propanu-butanu. Z.N.P.Cz. „Hutnictwo 6/20 (1972) 101-111.
• [8] Kowalski S., Łataś Z., Rogalski Z., Sobusiak T., Trojanowski J.: Obróbka cieplna metali. IMP, Warszawa (1987) tom 3 67-95.
• [9] Grzyb J.: Model matematyczny równowagi atmosfera piecowa-metal jako podstawa sporządzania charakterystyk. Metaloznawstwo i Obróbka Cieplna 70 (1984) 15.
• [10] Burakowski T., Tacikowski J.: Zmodyfikowane technologie obróbek cieplnych powierzchniowych. Materiały konferencyjne „Techniki wytwarzania warstw powierzchniowych”, Rzeszów (1988) 28-35.
• [11] Sobusiak T.: Przenoszenie węgla i azotu z atmosfery do austenitu. Inżynieria Materiałowa 5 (1999) 228-231.
• [12] Moszczyński A., Sobusiak T.: Atmosfery ochronne w obróbce cieplnej. WNT, Warszawa (1971).
• [13] Encyklopedia Techniki – Materiałoznawstwo. WNT, Warszawa (1969).
• [14] Encyklopedia Techniki – Metalurgia. Wydawnictwo Śląsk, Katowice (1978).
• [15] Poradnik Inżyniera – Obróbka cieplna stopów żelaza. WNT, Warszawa (1977).
• [16] Jarzębski Z. M.: Dyfuzja w metalach. Wydawnictwo Śląsk, Katowice (1975).
• [17] Dobrzański L. A.: Metaloznawstwo z podstawami nauki o materiałach. Wydawnictwo Naukowo Techniczne, Warszawa (1998).
• [18] Chen Y.: Decreased gas consumption of a fluidized bed furnace. Metallurgical Transaction B 24B (1993) 889-897.
• [19] Jasiński J.: Wysokotemperaturowe węgloazotowanie stali węglowej w ośrodku sfluidyzowanym. Praca doktorska, Politechnika Częstochowska (1979).
• [20] Osowski S.: Neural Network for transformation informations. Oficyna Wydawnictwo Politechniki Warszawskiej, Warszawa (2003).
• [21] Rutkowski L.: Sieci neuronowe i neurokomputery. Wydawnictwo Politechniki Częstochowskiej, Częstochowa (1996).
• [22] Joon-Sik Son, Duk-Man Lee, Ill-Soo Kim, Seung-Gap Choi: A study on on-line learning neural networks for prediction for rolling force in hotrolling mill. Journal of Materials Processing Technology 164-165 (2005) 164-169.
• [23] Svietlicznyj D., Pietrzyk M.: On-line model of thermal roll profile during hot rolling. Metall. Foundry Eng. 1 27 (2001) 62-68.
• [24] Kusiak J., Pietrzyk M., Svietlicznyj D.: Application of artificial neural network in on-line control of hot flat fooling processes. Int. Journal Engineering Simulation 1 3 (2000) 76-81.