The Prediction of the Microstructure Constituents of Spheroidal Graphite Cast Iron by Using Thermal Analysis and Artificial Neural Networks

• Autorzy: Glavas Z. , Unkic F. , Lisjak D.

Warianty tytułu

PL

Przewidywanie elementów mikrostruktury sferoidalnego grafitowego żeliwa z zastosowaniem analizy termicznej i sztucznych sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

This paper presents the application of articial neural networks in the production process of spheroidal graphite cast iron. Backpropagation neural networks have been established to predict the microstructure constituents (ferrite content, pearlite conent, nodule count and nodularity) of speroidal geaphite cast iron using the thermal analysis parameters as inputs. General-ization properties of the developed artificial neural netyworks are very good, which id=s confirmed by a very good accordance between the predicted and the targeted values of the microstructure constituents on a new data that was not included in the training data set.

PL

Praca przedstawia zastosowanie sieci sztucznych neuronów do procesu wytwarzania sferoidalnego żeliwa grafityzowanego. Celem przewidzenia składowych m ikrostruktury (składowej ferrytycznej, składowej perlitycznej, ilość grafitowych wtrąceń kulkowych, kulistość wtrąceń) sferoidalnego żeliwa grafityzowanego, ustalona została jako danych wejściowych. Ogólne własności zbudowanej sieci neuronowej są bardzo dobre, co zostało potwierdzone poprzez bardzo dobrą zgodność przewidywanych i uzyskanych wartości składowych mikrostruktury.

Słowa kluczowe

EN

spheroidal graphite cast iron; microstructure constituents; thermal analysis; artificial neural networks

PL

sferoidalne żeliwo grafitowe; mikrostruktura; analiza cieplna; sztuczne sieci neuronowe

• 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: 2010
• Tom: Vol. 55, iss. 1
• Strony: 247--253
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Glavas Z.

autor

Unkic F.

autor

Lisjak D.

• FACULTY OF METALLURGY, UNIVERSITY OF ZAGREB, ALEJA NARODNIH HEROJA 3, 44103 SISAK, CROATIA

Bibliografia

• [1] D. Venugopalan, Metallurgical Transactions A, 21, 913-918 (1990).
• [2] X. Guo, D. M. Stefanescu, AFS Transactions 105, 533-543 (1997).
• [3] E. N. Pan, W. S. Hsu, C. R. Loper, AFS Transactions 96, 645-660 (1988).
• [4] D. Venugopalan, AFS Transactions 98, 465-469 (1990).
• [5] T. Skaland, O. Grong, AFS Transactions 99, 153-157 (1991).
• [6] D. Venugopalan, A. Alagarsamy, AFS Transactions 98, 395-400 (1990).
• [7] F. Unkić, F. Gavranović, N. Vasilić, M. Strojarstvo, 47, 33-38, (2005).
• [8] P. Mrvar, Scandinavian Journal of Metallurgy 31, 393-400 (2002).
• [9] P. Mrvar, Materials Science Forum 508, 287-294 (2006).
• [10] R. W. Heine, AFS Transactions 101, 879-884 (1993).
• [11] G. M. Goodrich, D. P. Jones, AFS Transactions 101, 1031-1037 (1993).
• [12] D. M. Stefanescu, In: Proceedings of the Third International Symposium on the Physical Metallurgy of Cast Iron, Eds.: Fredriksson, H.; Hillert, M., Stockholm, Sweden, Materials Research Society, 151-162, (1984)
• [13] C. Labrecque, M. Gagne, AFS Transactions 106, 83-90, (1998).
• [14] S. Chang, D. Shangguan, D. M. Stefanescu, A FS Transactions 99, 531-541 (1991).
• [15] M. T. Hagan, H. B. Demuth, M. H. Beale, Neural Network Design, PWS Publishing Company, (1996).