PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 8

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Jominy test
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available The Prediction of Hardenability using Neural Networks
Knap M., Falkus J., Rozman A., Konopka K., Lamut J.
Archives of Metallurgy and Materials
|
2014
|
Vol. 59, iss. 1
133--136
EN
The objective of the research that has been presented was to model the effect of differences in chemical composition within one steel grade on hardenability, with a very broad and heterogeneous database used for studying hardness predictions. This article presents the second part of research conducted with neural networks. In the previous article [1] the most influential parameters were defined along with their weights and on the basis of these results, an improved model for predicting hardenability was developed. These developed neural networks were applied to model predictions of hardenability for three steel grades VCNMO150, CT270 and 42CrMoS4. The results proved that the correlation between the chemical composition differences within a chosen steel grade and the hardness changes can be modeled. If the database is big enough, predictions would be accurate and of high quality. But for a less comprehensive database, the differences in hardness predictions for various chemical compositions of the steel grade concernedwere observable.
PL
Celem zaprezentowanych poprzednio badań było modelowanie wpływu składu chemicznego wybranego gatunku stali na hartowność. Modelowanie przeprowadzono z wykorzystaniem rozbudowanej bazy danych zawierającej informacje o składzie chemicznym próbek stali oraz wynikach prób hartowności. W artykule przedstawiono drugą część badań przeprowadzonych z wykorzystaniem sieci neuronowych. W poprzedniej pracy [1] określono parametry modelu oraz ich współczynniki wagowe. Na podstawie uzyskanych wyników opracowano ulepszony model do predykcji hartowności stali. Utworzone sieci neuronowe wykorzystano do predykcji hartowności trzech wybranych gatunków stali: VCNM0150, CT270 oraz 42CrMoS4. Otrzymane wyniki wskazują na możliwość modelowania zależności pomiędzy składem chemicznym, a hartownością w ramach danego gatunku stali. Wykorzystanie do uczenia sieci neuronowej wystarczająco dużej liczby rekordów dotyczących wybranego gatunku stali powoduje, że otrzymywane wyniki charakteryzują się dobrą dokładnością. W przypadku mniej wy- czerpującego zbioru danych wykorzystywanego do nauki sieci, otrzymywane wyniki charakteryzuje większy błąd prognozy.
2
Content available remote Computer aided interpretation of results of the Jominy test
Pietrzyk M., Kuziak R.
Archives of Civil and Mechanical Engineering
|
2011
|
Vol. 11, no 3
707-722
EN
Jominy end quench test is considered in the paper. Finite element simulations of this test were performer including phase transformations modelling. To demonstrate the capability of the model, the numerical simulations results for two bainitic steels with different chemical composition are presented. Phase transformation model for these steels was developed on the basis of the dilatometric tests. These models were implemented in the FE code and kinetics of transformations during the Jominy test was calculated. Distributions of the structural constituents in the sample after the tests were determined. Comparison of the hardenability of the two investigated steels was made on the basis of the results of simulations.
PL
Przedmiotem pracy jest próba Jominy, wykonywana w celu wyznaczenia hartowności stali. Wykonano symulacje tej próby metodą elementów skończonych połączoną z modelowaniem przemian fazowych. Zaprezentowano wybrane wyniki symulacji dla dwóch stali bainitycznych o różnym składzie chemicznym. Identyfikację modelu przemian fazowych dla tych stali przeprowadzono wykorzystując metodę rozwiązania odwrotnego dla prób dylatometrycznych. Wykorzystując połączony model MES i przemian fazowych wyznaczono rozkład produktów rozpadu austenitu w próbce. Na podstawie przeprowadzonych symulacji porównano hartowności dwóch badanych stali.
3
Analiza porównawcza hartowności niskostopowego staliwa L35HM i stali konstrukcyjnej 30HM
Adrian H., Telejko I., Pelczar M., Staśko R.
Inżynieria Materiałowa
|
2010
|
Vol. 31, nr 6
1437-1440
PL
W pracy przeprowadzono badania hartowności dwóch stopów żelaza: stali i staliwa o zbliżonym składzie chemicznym (0,35÷0,39% C, 0,9÷1,1% Cr, 0,25% Mo) za pomocą dwóch metod: standardowej próby hartowności i metody analitycznej Grossmanna. Obliczano również krzywe hartowności badanych stopów i porównywano je z krzywymi eksperymentalnymi. Stwierdzono, że wyższą hartowność wykazywała stal w porównaniu ze staliwem. W przypadku stali uzyskano dobrą zgodność zarówno określonych dwoma metodami idealnych średnic krytycznych, jak i eksperymentalnej i obliczonej krzywych hartowności. Natomiast wartość idealnej średnicy krytycznej staliwa określona eksperymentalnie była niższa w porównaniu ze średnicą obliczoną na podstawie składu chemicznego. Stwierdzono również, że staliwo wykazywało większe ziarno austenitu w temperaturze hartowania w porównaniu ze stalą. Niższa hartowność staliwa w porównaniu ze stalą jest prawdopodobnie związana z występowaniem segregacji pierwiastków stopowych w staliwie. Takie efekty segregacji obserwowano na obrazach mikrostruktury staliwa. Uzyskane wyniki wskazują, że hartowność staliwa stopowego obliczona na podstawie składu chemicznego z wykorzystaniem danych stosowanych dla stali jest wyższa od jego rzeczywistej hartowności.
EN
The hardenability of cast steel and constructional steel with similar chemical composition (0.35÷0.39% C, 0.9÷1.1% Cr, 0.25% Mo) using two methods: standard Jominy test and analytical method of Grossmann was investigated. The Jominy curves of investigated alloys were calculated on the base of chemical composition and compared with experimental curves. The results of investigations showed that constructional steel had higher hardenability in comparison with cast steel. In case of constructional steel a good agreement between the values of ideal critical diameters obtained using two different methods was observed as well as calculated and experimental Jominy curves. For cast steel ideal critical diameter calculated using the chemical composition was higher in comparison to experimental diameter. It was observed, that the cast steel showed a higher austenite grain size at hardening temperature compare to constructional steel. Lower hardenability of cast steel was possibly due to the segregation of alloying elements. Such segregation effect was observed on the images of cast steel microstructure. Results of investigations show, that real hardenability of cast steel is lower then hardenability resulting from its chemical composition, calculated using the data which are applied to hot worked steel.
4
Content available remote The investigation of hardenability of low alloy structural cast steel
Telejko I., Adrian H., Skalny K., Pakiet M., Staśko R.
Journal of Achievements in Materials and Manufacturing Engineering
|
2009
|
Vol. 37, nr 2
480-485
EN
Purpose: The aim of the investigation was to verify if published data for calculation of the hardenability of steel can be used for calculation of hardenability of cast steel and the optimal selection of these data for obtaining the best agreement between calculated and experimental data. Design/methodology/approach: The analysis of the hardenability of low alloy cast steel was carried out using Jominy test and analytical Grossmann method. The optimal data for calculation of ideal critical diameter, Di and Jominy curve were selected. Findings: The hardenability curves of cast steel measured on different planes of Jominy test show scatter on the contrary to forged steel Practical implications: Results of investigations prove that data for calculation of hardenability parameters used for steel can be applied with sufficient accuracy for calculation the hardenability of cast steel. The hardenability of cast steel shows scatter of results. Originality/value: The analysis of the hardenability of cast steel can be carried out using the same data as for forged steel.
5
Content available remote The prediction of hardenability using neuronal networks
Knap M., Lamut J., Rozman A.
Archives of Metallurgy and Materials
|
2008
|
Vol. 53, iss. 3
761-766
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.
6
Content available remote Hardenability of steels for oil industry
Gojic M., Kosec B., Anzel I., Kosec L., Preloscan A.
Journal of Achievements in Materials and Manufacturing Engineering
|
2007
|
Vol. 23, nr 2
23-26
EN
Purpose: Alloying elements in steels are used for a various reasons. One of the most important is the achievement of higher strength in required shapes and sizes. Often in very large sections of steels are used for production of the oil country tubular goods (OCTG). Therefore the hardenability of steels is an important property aim for the appropriate concentration of alloying elements needed to harden the section of steel for oil industry. In this study the hardenability, the cooling rates and microstructures of low alloy Cr-Mo and Mn-Mo steels were investigated. Design/methodology/approach: The cooling rate determines the amount of martensite structure. Hardenability test was carried out by Jominy method. During Jominy testing the temperature changes were monitored by means of CrNi-Ni thermocouples which are connected to eight-channel digital/analogues converter. Microstructure was determined using a scanning electron microscopy (SEM). Findings: The cooling rates in the temperature range between 1133 and 973 K at different distances from the quenched end of low alloy Cr-Mo and Mn-Mo steels were found. Also the hardness and microstructures against the distances from quenched end are determined. Research limitations/implications: It is known that carbon has a marked the effect on hardenability of steel, but its use at higher levels is limited because lower toughness and increased probability of distortion and cracking during heat treatment and welding. Addition of manganese at low alloy steels is very useful for improvement of their hardenability. Practical implications: Chemical composition of low alloy steels for oil industry is usually complex and defined in most cases by standard which give range of concentration of the important alloying elements (Cr, Mo, Mn, etc.) as well as the upper limits of impurity elements (S and P). Alloying elements increase the cost of the steel and from these reason it is important to select only steels which required to ensure compliance with specifications. The economical way of increasing the hardenability of steels (at constant carbon content) is to increase the manganese content. Originality/value: Originality and high value of our research work based on development and application of a new grade of low alloy Mn-Mo steel for oil country tubular goods.
7
Content available remote Zastosowanie czynnika stopowego w analizie statystycznej
Bartocha D., Jura S.
Archiwum Odlewnictwa
|
2002
|
R. 2, nr 4
288--293
PL
W niniejszej pracy opisano sposób opracowania zależności umożliwiających wyznaczenie danych (własności termofizycznych i wartości parametrów funkcyjnej zależności twardości od kinetyki stygnięcia) niezbędnych do symulacji pola twardości hartowanych odlewów staliwnych na podstawie składu chemicznego staliwa.
EN
In this work the way of work out the equations making possibility to determining data (thermal and physical properties and parameters of cooling dependent hardness function) indispensable for hardness field simulation basis on steel’s chemical composition has been described.
8
Content available remote Zależności parametrów funkcji HRC=F(S) i własności termofizycznych od składu chemicznego staliwa
Bartocha D., Jura S.
Archiwum Odlewnictwa
|
2001
|
R. 1, nr 2
414--423
PL
W niniejszej pracy opisano próbę opracowania zależności umożliwiających wyznaczenie danych (własności termofizycznych i wartości parametrów funkcyjnej zależności twardości od kinetyki stygnięcia) na postawie składu chemicznego staliwa. Dane te umożliwiają symulację pola twardości hartowanych odlewów staliwnych.
EN
In this study the try of work out the equations, which make possibility data determination (thermal and physical properties and parameters of cooling kinetic dependent hardness function) based on cast steel’s chemical composition has been described. These data make possibility computer simulation of hardness field in quenched cast steel casting.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.