Warianty tytułu
Application of the methods of artificial intelligence for prediction of properties of metallurgical products madę of constructional steels
Języki publikacji
Abstrakty
W pracy opisano sposób predykcji wytrzymałości na rozciąganie oraz granicy plastyczności stali, z wykorzystaniem narzędzi sztucznej inteligencji. Opracowane modele wykorzystujące sztuczne sieci neuronowe wykorzystano następnie do opracowania symulatora, pozwalającego na obserwację analizowanych własności stali, przy ciągłej zmianie składu chemicznego oraz parametrów technologicznych produkcji stali. Wykorzystano również algorytmy genetyczne dla doboru składu chemicznego stali zapewniającego minimalizację ryzyka wytwarzania produktów nie spełniających założonych wymagań.
The paper presents the new method for forecasting the yield point and the ultimate tensile strength for steel using the artificial intelligence tools. The developed models, using the artificial neural networks were used next for developing the simulator making itpossible to visualise the analysed properties of steel at the continuous changes ofits chemical composition and technological parameters of steel production. Genetic algorithms were also used for selection of the steel chemical composition, ensuring minimisation ofthe risk of manufacturing products that would not meet the requirements.
Czasopismo
Rocznik
Tom
Strony
155--162
Opis fizyczny
Bibliogr. 14 poz., rys., tab.
Twórcy
autor
- Politechnika Śląska, Wydział Mechaniczny Technologiczny Instytut Materiałów Inżynierskich i Biomedycznych Zakład Procesów Materiałowych i Technik Komputerowych w Materiałoznawstwie ul. Konarskiego 18A, 44-100 Gliwice
autor
- Politechnika Śląska, Wydział Mechaniczny Technologiczny Instytut Materiałów Inżynierskich i Biomedycznych Zakład Procesów Materiałowych i Technik Komputerowych w Materiałoznawstwie ul. Konarskiego 18A, 44-100 Gliwice
autor
- Politechnika Śląska, Wydział Mechaniczny Technologiczny Instytut Materiałów Inżynierskich i Biomedycznych Zakład Procesów Materiałowych i Technik Komputerowych w Materiałoznawstwie ul. Konarskiego 18A, 44-100 Gliwice
Bibliografia
- 1. Trzaska J.: Metodyka komputerowego modelowania kinetyki przemian austenitu przechłodzonego stali konstrukcyjnych, praca doktorska (maszynopis niepublikowany), Biblioteka Główna Politechniki Śląskiej, Gliwice, 2002
- 2. Sitek W.: Modelowanie zależności między składem chemicznym a hartowności stali konstrukcyjnych stopowych, praca doktorska (maszynopis niepublikowany), Biblioteka Główna Politechniki Śląskiej, Gliwice, 1997
- 3. Kowalski M.: Modelowanie własności stali konstrukcyjnych i maszynowych z uwzględnieniem składu chemicznego i warunków procesów technologicznych, praca doktorska w toku, Wydział Mechaniczny-Technologiczny, Politechnika Śląska
- 4. EberhardR. C., Dobbins R. W.: Neural Network - PC Tool A Practical Guide, Academic Press, Inc., San Diego, Stany Zjednoczone Ameryki, 1990
- 5. Gili P., Murray W., Wright M.: Practical optimization, Academic Press, New York, Stany Zjednoczone Ameryki, 1981
- 6. Hertz J., Krogh. A., Palmer R. G.: Wstęp do teorii obliczeń neuronowych, WNT, Warszawa, 1993
- 7. Kosko B.: Neural networks and fuzzy systems - a dynamical systems approach to machine intelligence, Prentice Hali, Inc., Englewood Cliffs, Stany Zjednoczone Ameryki, 1992
- 8. Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne, Wydawnictwa Naukowo-Techniczne, Warszawa, 1996
- 9. Dobrzański L. A.: Metalowe materiały inżynierskie, Wydawnictwa Naukowo-Techniczne, Warszawa, 2004
- 10. Dobrzański L. A.: Podstawy nauki o materiałach i metaloznawstwo, Wydawnictwa Naukowo-Techniczne, Warszawa, 2002
- 11. Whitehom M., Marklyn B.: Relacyjne bazy danych, Wydawnictwo „Helion", Gliwice, 2003
- 12. Riordan R. M.: Projektowanie systemów relacyjnych baz danych, Microsoft Press, Warszawa, 2000
- 13. PN-EN 10025, Wyroby walcowane na gorąco z niestopowych stali konstrukcyjnych. Warunki techniczne dostawy, Warszawa, 2002
- 14. Neural Networks - STATISTICA elektroniczny podręcznik StatSoft, 2004
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-33c399ab-e2d7-43ad-b3db-b037ffc3c424