The prediction of hardenability using neuronal networks

• Autorzy: Knap M. , Lamut J. , Rozman A.

Warianty tytułu

PL

Symulacja hartowności oparta o zastosowanie sztucznych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

The data base which was used for developmenł of the model consists from measurements of hardness profile from jominy test samples. It contains almost twenty thousand data vectors with extensive rangę of chemical composition. The model was developed on the basis of neuronal networks and its successfulness was verified. For each of four most infiuential chemical elements (carbon, nickel, chromium and molybdenum) two different diagrams are presented in this work. One gives the information how the change of alloying element infiuences the hardness close to surface. Other shows the change of hardenability with respect to change in chemical composition. In the article it was publicized that, in spite of great variations in chemical compositions of each steel grade and data base it self, very accurate predictions of hardenability can be maid.

PL

Baza danych zastosowana do stworzenia modelu hartowności składała się z pomiarów uzyskanych metodą Jominy'ego. Baza zawierała prawie dwadzieścia tys. rekordów z dużym zakresem zmienności składów chemicznych. Stworzony model został oparty o sztuczne sieci neuronowe i został pozytywnie zweryfikowany. Dla każdego z czterech najsilniej oddziałujących pierwiastków (węgiel, nikiel, chrom i molibden) przedstawiono dwie zależności w postaci wykresów. Pierwsza podaje wpływ zawartości pierwiastka na twardość na powierzchni próbki. Drugi wpływ odległości od czoła próbki i zawartości pierwiastka na hartowność. W pracy wykazano, że pomimo dużego zróżnicowania składów chemicznych różnych grup stali otrzymano zadowalającą dokładność obliczeń modelu.

Słowa kluczowe

EN

neural networks; hardenability; chemical composition; Jominy test

PL

sieci neuronowe; hartowność; skład chemiczny; metoda Jominy'ego

• Wydawca: Institute of Metallurgy and Materials Science of Polish Academy of Sciences ; Committee of Materials Engineering and Metallurgy of Polish Academy of Sciences
• Czasopismo: Archives of Metallurgy and Materials
• Rocznik: 2008
• Tom: Vol. 53, iss. 3
• Strony: 761--766
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Knap M.

autor

Lamut J.

autor

Rozman A.

• University of Ljubljana, Slowenia

Bibliografia

• [1] J. Komsurfacea, R. Sandstrom, M. Tukiainen, Multiple regression analysis of Jominy hard-enability data for boron treated steel, Steel Research 3, 132-137 (1997).
• [2] W. G. Vermuelen, P. J. van der Wolk, A. P. de Weijer, S. van der Zwaag, Prediction ofJominy Hardness Profiles of Steels Using Artificial Neural Networks, Journal of Materials Engineering Preference 5, 57-63 (1996).
• [3] L. A. Dobrzański, W. Sitek, Application of a neural network in modeling of hardenability of construc-tional steels, Journal of Materials Processing Technology 78, 59-66 (1998).
• [4] L. A. Dobrzański, W. Sitek, Designing of the chemical composition of constructional alloy steel, Journal of Materials Processing Technology 89-90, 467-472 (1999).
• [5] L. A. Dobrzański, W. Sitek, The modelling of hardenability using neural networks, Journal of Materials Procesing Technology 92-93, 8-14 (1999).
• [6] C. Bishop, Neural Networks for Pattern Recognition. Oxford University Press (1995)