Determination of selected characteristics of steels, based on the type of the CCT diagram, using artificial neural networks

by

Determination of selected characteristics of steels, based on the type of the CCT diagram, using artificial neural networks

Bogdan Pawłowski, Paweł Popowicz

AGH University of Science and Technology, al. Adama Mickiewicza 30, 30-059 Kraków.

DOI:

https://doi.org/10.7494/cmms.2002.1.0019

Abstract:

The paper focuses on classification of steels using the artificial neural network (ANN) approach. The steels are grouped into classes according to the Wever and Rose TTT diagrams. It is also shown that the accuracy of ANN predictions of some characteristics of steels (critical temperatures Ac3) can be improved if the ANN learning data, based on the chemical compositions of steels, are initially arranged into different types of TTT diagrams.

Cite as:

Pawłowski, B., Popowicz, P. (2002). Determination of selected characteristics of steels, based on the type of the CCT diagram, using artificial neural networks. Computer Methods in Materials Science, 2(1), 19 – 25. https://doi.org/10.7494/cmms.2002.1.0019

Article (PDF):

Keywords:

,

References:

Andrews, K.W. (1965). Empirical formulae for the calculation of some transformation temperatures. J. Iron and Steel Institute, 203, 721-727.

Dobrzański, L.A., Sitek, W. (2000). Modelowanie zależności między składem chemicznym a hartownością stali konstrukcyjnych. Proceedings of The Scientific Conference on the Occasion of the 55™ Anniversary of the Faculty of Mechanical Engineering of the Silesian University of Technology, Gliwice, 161-168. Artykul otrzymano 4 lutego 2002 r.

Dobrzanski, L.A., Trzaska, J., Pozimska, K. (2001). Zastosowanie sztucznych sieci neuronowych do wyznaczania temperatur Ac; i Ac; stali konstrukcyjnych. Proceedings of the 10th Jubilee International Scientific Conference Achievements in Mechanical & Materials Engineering, Gliwice- Kraków-Zakopane, 179-182.

Dubiel, M. (1996). Przemiany fazowe w stopach modelowych imitujacych osnowę zahartowanych stali konstrukcyjnych i nierdzewiejacych. Praca doktorska, AGH, Krakow.

Jech, J. (1977). Tepelne zpracovani oceli. SNTL — Nakladatelestvi Technicke Literatury, Praha.

Jedrzejewska-Strach, A. (1995). Wpływ manganu na kinetykę przemian fazowych. strukturę i własności stopów modelowych stali konstrukcyjnych, Praca doktorska, AGH, Kraków.

Malkiewicz, T. (1976). Metaloznawstwo stopów żelaza. wyd. II, PWN, Warszawa-Kraków.

Pawłowski, B. (2001). Wykorzystanie sztucznych sieci neuronowych do prognozowania niektórych charakterystyk stali do ulepszania cieplnego. Hutnik-Wiadomości Hutnicze, 68, 281-283. Steven W. i Haynes A.G., 1956, The temperature of formation of martensite and bainite in low-alloy steels. Some effects of chemical composition, J. Iron and Steel Institute, vol. 183, part 4, 349-359.

Strach M. (1995). Struktura i własności stali krzemowych oceniane na podstawie badań stopów modelowych o różnym stężeniu krzemu i węgla. Praca doktorska AGH, Promotor J.Pacyna.

Tadeusiewicz R. (2001). Problem wyboru właściwej architektury sieci neuronowej. Informatyka w technologii materiałów, Nr 1, Tom 1, 3-22. Trzaska J., Pozimska K. i Dobrzanski L.A., 2001, Zastosowanie sztucznych sieci neuronowych do wyznaczania temperatury poczatku przemiany martenzytycznej stali konstrukcyjnych, Mat. Konf. XXIX Szkoła Inzynierii Materiałowej, Kraków-Wisła, 2-5.X.2001,429-432. Wever F., Rose A., 1954-1958, Atlas zur Warmebehandlung der Stahle, cz.I, Verlag Stahleisen, Diisseldorf.