Pregled bibliografske jedinice broj: 431836
Modeliranje vlačne čvrstoće nodularnog lijeva pomoću umjetnih neuronskih mreža
Modeliranje vlačne čvrstoće nodularnog lijeva pomoću umjetnih neuronskih mreža // Ljevarstvo, 51 (2009), 3; 59-64 (podatak o recenziji nije dostupan, članak, znanstveni)
CROSBI ID: 431836 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Modeliranje vlačne čvrstoće nodularnog lijeva pomoću umjetnih neuronskih mreža
(Modeling the tensile strength of ductile cast iron by artificial neural networks)
Autori
Žmak, Irena ; Filetin, Tomislav ; Hren, Smiljan
Izvornik
Ljevarstvo (1330-2132) 51
(2009), 3;
59-64
Vrsta, podvrsta i kategorija rada
Radovi u časopisima, članak, znanstveni
Ključne riječi
nodularni lijev; toplinska analiza; vlačna čvrstoća; umjetne neuronske mreže; modeliranje
(ductile cast iron; thermal analysis; tensile strength; artificial neural networks; modeling)
Sažetak
Vlačna čvrstoća nodularnog lijeva usporediva je s čvrstoćom brojnih vrsta čelika. Europska norma propisuje minimalne vrijednosti vlačne čvrstoće, granice razvlačenja, istezljivosti i žilavosti nodularnog lijeva. Rastezna svojstva, posebice granica razvlačenja i vlačna čvrstoća, te istezljivost su obično prihvaćene kao najznačajnije odrednice mehaničke otpornosti odljevaka. Svojstva nodularnog lijeva povezana su s krivuljom hlađenja taljevine, snimljenom pomoću toplinske analize. Cilj je ovog istraživanja primijeniti umjetne neuronske mreže u određivanju veze između određenih toplinskih parametara s krivulje hlađenja taljevine i rezultirajuće vlačne čvrstoće odljevaka od nodularnog lijeva. Pripremljeno je 147 taljevina nodularnog lijeva u ljevaonici Metalske industrije Varaždin d.d. Za svaku su taljevinu snimljene krivulje hlađenja, te su određena vlačna svojstva na posebno odlivenim ispitnim uzorcima. Za učenje umjetnih neuronskih mreža primijenjen je algoritam povratnog rasprostiranja pogrješke. U cilju sprječavanja pretreniranosti mreže primijenjena je metoda ranog zaustavljanja. Najpovoljnija veličina skrivenog sloja neurona utvrđena je praćenjem pogrješke u skupu za testiranje. Prikazani su i uspoređeni postignuti rezultati učenja umjetne neuronske mreže. Pokazano je da se umjetne neuronske mreže mogu uspješno primijeniti u predviđanju vlačne čvrstoće nodularnog lijeva na temelju relevantnih toplinskih parametara taljevine.
Izvorni jezik
Hrvatski
Znanstvena područja
Strojarstvo
POVEZANOST RADA
Projekti:
120-1201780-1779 - Modeliranje svojstava materijala i parametara procesa (Filetin, Tomislav, MZOS ) ( CroRIS)
Ustanove:
Fakultet strojarstva i brodogradnje, Zagreb
Citiraj ovu publikaciju:
Uključenost u ostale bibliografske baze podataka::
- Art and Archaeology Technical Abstracts
- World Aluminum Abstracts
- ASM International, Materials Informations
- Institute of Materials
- Chemical Abstracts Service
- Institute of Scientific Information Academy of Sciences
- Taschenbuch der Giesserei-Praxis