Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "steel material" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Parylene N coating on stainless steel surface as a protective layer for metal implants
    Autorzy:
    Cieślik, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/115495.pdf
    Data publikacji:
    2010
    Wydawca:
    Fundacja na Rzecz Młodych Naukowców
    Tematy:
    stainless steel
    implantable material
    polymer protective coating
    parylene
    Opis:
    The protection properties of parylene coating on implant stainless steel 316L was investigated. The electrochemical measurements and metal ions release tests in Hanks solution revealed that the coating can be successfully used for corrosion protection. The addition of hydrogen peroxide, simulating the infl ammatory response of human body causes a decrease of protection properties of the coating. However, usage of parylene coating on stainless steel reduce iron ions release rates.
    Źródło:
    Challenges of Modern Technology; 2010, 1, 1; 23-26
    2082-2863
    2353-4419
    Pojawia się w:
    Challenges of Modern Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimization of Ferrite Stainless Steel Mechanical Properties Prediction with artificial Intelligence Algorithms
    Autorzy:
    Honysz, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/354759.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    analysis and modelling
    numerical techniques
    computational material science
    artificial algorithms
    stainless steel
    Opis:
    The article presents a computational model build with the use of artificial neural networks optimized by genetic algorithm. This model was used to research and prediction of the impact of chemical elements and heat treatment conditions on the mechanical properties of ferrite stainless steel. Optimization has allowed the development of artificial neural networks, which showed a better or comparable prediction result in comparison to un-optimized networks has reduced the number of input variables and has accelerated the calculation speed. The introduced computational model can be applied in industry to reduce the manufacturing costs of materials. It can also simplify material selection when an engineer must properly choose the chemical elements and adequate plastic and/or heat treatment of stainless steels with required mechanical properties.
    Źródło:
    Archives of Metallurgy and Materials; 2020, 65, 2; 749-753
    1733-3490
    Pojawia się w:
    Archives of Metallurgy and Materials
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Przedwczesne uszkodzenie zmęczeniowe wału ze stali nierdzewnej gatunku X46Cr13
    Premature fatigue damage to the stainless steel shaft grade X46Cr13
    Autorzy:
    Ładecki, Bogusław
    Powiązania:
    https://bibliotekanauki.pl/articles/1402112.pdf
    Data publikacji:
    2020
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    stal nierdzewna
    zmęczenie materiału
    badania nieniszczące
    stainless steel
    material fatigue
    non-destructive testing
    Opis:
    W referacie omówiono przypadek przedwczesnego wystąpienia pęknięcia zmęczeniowego wału wykonanego ze stali nierdzewnej gatunku X46Cr13. Przeprowadzone badania wizualne, metalograficzne i pomiary twardości, wykazały występowanie błędów w obróbce termicznej elementu, które nie zostały stwierdzone poprzez wykonanie odpowiednich badań diagnostycznych wału.
    The paper discusses the case of premature fatigue crack occurrence of a shaft made of stainless steel grade X46Cr13. Visual, metallographic and hardness tests carried out showed the occurrence of errors in the heat treatment of the element, which were not found by performing appropriate shaft diagnostic tests.
    Źródło:
    Badania Nieniszczące i Diagnostyka; 2020, 1-4; 28--31
    2451-4462
    2543-7755
    Pojawia się w:
    Badania Nieniszczące i Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Badania diagnostyczne przyczyn awarii wytłaczarki przemysłowej do tworzyw sztucznych ø90
    Diagnostic tests of the causes of failure of the industrial extruder for plastics ø90
    Autorzy:
    Ładecki, Bogusław
    Powiązania:
    https://bibliotekanauki.pl/articles/1402116.pdf
    Data publikacji:
    2020
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    exstrusion
    stainless steel
    material fatigue
    non-destructive testing
    wytłaczanie
    stal nierdzewna
    zmęczenie materiału
    badania nieniszczące
    Opis:
    W referacie omówiono przypadek przedwczesnego uszkodzenia wytłaczarki przemysłowej dwuślimakowej do tworzyw sztucznych wykonanej ze stali nierdzewnej chromowo-molibdenowej gatunku 1.4122 (3H17M). Przeprowadzone badania diagnostyczne, w których skład wchodziło wykonanie: badań nieniszczących, metalograficznych, termowizyjnych i pomiarów twardości, dały podstawę do wskazania przyczyn wystąpienia uszkodzeń wytłaczarki, związanych z przedostawaniem się zanieczyszczeń w materiale wsadowym.
    The paper discusses the case of premature failure of an industrial twinscrew extruder for plastics made of chromium-molybdenum stainless steel grade 1.4122 (3H17M). The diagnostic tests carried out, which included the performance of: non-destructive, metallographic, thermovision and hardness tests, gave the basis to indicate the causes of extruder damage associated with the entry of impurities in the input material.
    Źródło:
    Badania Nieniszczące i Diagnostyka; 2020, 1-4; 38-41
    2451-4462
    2543-7755
    Pojawia się w:
    Badania Nieniszczące i Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nowy sposób na przedstawienie drgań maszyn - Motion Amplification®
    A new way to visualize vibrations - Motion Amplification®
    Autorzy:
    Pabian, Dariusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2058467.pdf
    Data publikacji:
    2021
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    amplifikacja ruchu
    pomiar wibracji
    monitoring drgań
    wibrodiagnostyka maszyn
    stainless steel
    material fatigue
    non-destructive testing
    Opis:
    Motion Amplification® to metoda przetwarzania wideo, która wykrywa najmniejszy ruch i wzmacnia ten ruch do poziomu widocznego gołym okiem. W procesie tym światło jest dekodowane w celu pozyskania informacji wskazującej na ruch, nawet jeśli jest on zbyt mały, aby kamera mogła go wykryć zwykłymi metodami. Proces obejmuje użycie kamery Iris M™. Jest to kamera wideo wysokiej rozdzielczości i wysokiego zakresu dynamiki, w której każdy piksel staje się niezależnym czujnikiem tworzącym miliony punktów danych w jednej chwili. Zasada działania systemu Iris M™ wraz z kluczowymi funkcjami zostanie wyjaśniona na podstawie studium przypadków, w których Iris M™ można wykorzystać np. w kwestiach strukturalnych, montażowych, rozruchowych oraz typowych uszkodzeń maszyn. Inne, często występujące przypadki użycia również zostaną omówione w dalszej części opracowania.
    Motion Amplification® is a video-processing method that detects subtle motion and amplifies that motion to a level visible to the naked eye. The process decodes the light to pull out the information that is indicative of motion, even if it is too small for the camera to detect with normal methods. The process involves the use of the Iris M™ camera, a high definition and high dynamic range video camera where every pixel becomes an independent sensor creating millions of data points in an instant.
    Źródło:
    Badania Nieniszczące i Diagnostyka; 2021, 1-2; 21--25
    2451-4462
    2543-7755
    Pojawia się w:
    Badania Nieniszczące i Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction optimization of mechanical properties of ferrite stainless steels after forging treatment with use of genetic algorithms
    Autorzy:
    Honysz, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/378963.pdf
    Data publikacji:
    2019
    Wydawca:
    Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
    Tematy:
    numerical techniques
    Computational Material Science
    artificial algorithms
    stainless steel
    techniki numeryczne
    komputerowa nauka o materiałach
    algorytmy sztucznej inteligencji
    Stal nierdzewna
    Opis:
    Purpose: The paper describes the use of artificial neural networks to research and predict the effect of chemical components and thermal treatment conditions on stainless steel's mechanical characteristics optimized by genetic algorithm. Design/methodology/approach: The quantity of input variables of artificial neural networks has been optimized using genetic algorithms to enhance the prediction quality of artificial neural network and to enhance their efficiency. Then a computational model was trained and evaluated with optimized artificial neural networks. Findings: Optimization, with the exception of tensile strength, has enabled the creation of artificial neural networks, which either showed a better or similar performance from base networks, as well as a decreased amount of input variables As a consequence, noise data is decreased in the computational model built with the use of these networks. Research limitations/implications: Data analysis was required to confirm the relevance of obtaining information used for modelling to use in training procedures for artificial neural networks. Practical implications: Using artificial intelligence enables the multi-faceted growth of stainless steel engineering, even though there is only a relatively small amount of descriptors. Built and optimized computational model building using optimized artificial neural networks enables prediction of mechanical characteristics after normalization of forged ferritic stainless steels. Originality/value: In order to decrease production expenses of products, an introduced model can be obtained in manufacturing industry. It can also simplify the selection of materials if the engineer has to correctly choose chemical elements and appropriate plastics and/or heat processing of stainless steels, having the necessary mechanical characteristics.
    Źródło:
    Archives of Materials Science and Engineering; 2019, 100, 1/2; 13-20
    1897-2764
    Pojawia się w:
    Archives of Materials Science and Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies