Zastosowanie systemów uczących się do przewidywania własności materiałów odlewanych

• Autorzy: Kozłowski J. , Biernacki R. , Myszka D. , Perzyk M. , Kochański A.

Warianty tytułu

EN

Application of learning systems to prediction of cast metals properties

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono przykłady zastosowania systemów uczących się do przewidywania własności materiałów odlewanych. Omówiono rozszerzone możliwości zastosowania sieci neuronowych do sterowania procesami metalurgicznymi. Omówiono realizowany projekt badawczy dotyczący modelowania procesu wytwarzania żeliwa ADI.

EN

Applications of artificial neural networks and other learning systems to prediction of properties of cast materiaIs are presented. Extended possibilities of applications of neural networks to control of metallurgical processes are shown. A currently developed project related to production of ADI is brietly discussed.

Słowa kluczowe

PL

własności materiałów odlewanych; przewidywanie własności; sztuczne sieci neuronowe; systemy uczące się; metody probabilistyczne

EN

cast metals properties; mechanical properties; learning systems; artificial neural networks

• Wydawca: Komisja Odlewnictwa Polskiej Akademii Nauk Oddział w Katowicach
• Czasopismo: Archiwum Odlewnictwa
• Rocznik: 2004
• Tom: R. 4, nr 14
• Strony: 249--258
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Kozłowski J.

• Politechnika Warszawska, Instytut Technologii Materiałowej, Warszawa

autor

Biernacki R.

• Politechnika Warszawska, Instytut Technologii Materiałowej, Warszawa

autor

Myszka D.

• Politechnika Warszawska, Instytut Technologii Materiałowej, Warszawa

autor

Perzyk M.

• Politechnika Warszawska, Instytut Technologii Materiałowej, Warszawa

autor

Kochański A.

• Politechnika Warszawska, Instytut Technologii Materiałowej, Warszawa

Bibliografia

• [1] L. Arafeh, H. Singh, S. Putatunda: A Neuro Fuzzy Logic Approach to Material Processing. IEEE Transactions On Systems, Man, And Cybernetics – Part C: Applications And Reviews, Vol. 29, No. 3, August 1999.
• [2] M. A. Yescas: Prediction of the Vickers hardness in austempered ductile irons using neural networks. Int. J. Cast Metals Res., 2003, 15, 513-521.
• [3] M. A. Yescas, H.K.D.H. Bhadeshia, D.J. MacKay: Estimation of the amount of retained austenite in austempered ductile irons using neural networks. Materials Science and Engineering A311 (2001) 162-173.
• [4] H. Fujii, D.J. Mackay, H.K.D.H. Bhadesia: Bayesian Neural Network Analysis of Fatigue Crack Growth Rate in Nickel Base Superalloys. ISIJ International, Vol. 36 (1996), No. 11, pp. 1373-1382.
• [5] A. Kochański, M. Perzyk: Identyfikacja przyczyn wady porowatości w odlewach staliwnych z wykorzystaniem sztucznych sieci neuronowych. Archiwum Odlewnictwa, 2 (2002), nr 5.
• [6] M. Perzyk, A. Kochański: Methodology of detection of casting defects causes by neural networks. Materials Science, Vol. 8, No. 4, 2002 (ISSN 1392-1320).
• [7] M. Perzyk, A. Kochański: Detection of causes of casting defects assisted by artificial neural networks. Journal of Engineering Manufacture, Proceedings of the Institution of Mechanical Engineers, Part B . Vol. 217, (2003) str. 1279-1284.
• [8] M. Perzyk, A. Kochański: Prediction of ductile cast iron quality by artificial neural networks. Journal of Materials Processing Technology, Elsevier, 2001 Vol/issue:109/3, p. 305-307.
• [9] Luovo A., Alhainen J., Eklund P.: Criterion functions for estimating the microstructure and mechanical properties of SG iron castings. Proc. 58th World Foundry Congress, Krakow, 1992, Paper No. 20.
• [10] M. Perzyk, A. Kochański, J. Kozłowski: Istotność względna sygnałów wejściowych sieci neuronowej. Informatyka w Technologii Materiałów, Wydawnictwo Naukowe AKAPIT, Kraków, tom 3, rok 2003, str. 125-132.
• [11] M. Perzyk, A. Kochański, J. Kozłowski: Significance analysis of production parameters asisted by artificial neural networks. IIIth International Conference on Advances in Production Engineering, Oficyna Wydawnicza PW, Warszawa, tom 1, rok 2004, str. 43-53.
• [12] M. Perzyk, P. Siwek: Application of artificial neural networks to green molding sands control. Acta Metallurgica Slovaca, 8, (2002), nr 2.
• [13] P. F. Bartelt, M.R. Grady, D. Dibble: Application of intelligent techniques for green sand control. Trans. American Foundrymen’s Society, 104 (1996).
• [14] D. Myszka, M. Kaczorowski , J. Tybulczuk, A. Kowalski: Parametry procesu otrzymywania żeliwa ADI, a jego własności mechaniczne. Archiwum Odlewnictwa, materiały VI Międzynarodowej Konferencji Naukowej, Szklarska Poręba 2004.