- Tytuł:
-
The Prediction of Hardenability using Neural Networks
Modelowanie hartowności stali z wykorzystaniem sztucznych sieci neuronowych - Autorzy:
-
Knap, M.
Falkus, J.
Rozman, A.
Konopka, K.
Lamut, J. - Powiązania:
- https://bibliotekanauki.pl/articles/355124.pdf
- Data publikacji:
- 2014
- Wydawca:
- Polska Akademia Nauk. Czytelnia Czasopism PAN
- Tematy:
-
neural networks
hardenability
Jominy test
sieci neuronowe
hartowność
test Jominy'ego - Opis:
-
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. - Źródło:
-
Archives of Metallurgy and Materials; 2014, 59, 1; 133-136
1733-3490 - Pojawia się w:
- Archives of Metallurgy and Materials
- Dostawca treści:
- Biblioteka Nauki
Artykuł