Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: test Jominy'ego

Sortuj według:

Ogranicz wyniki do:

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

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.

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.

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

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.