Nalazite se na CroRIS probnoj okolini. Ovdje evidentirani podaci neće biti pohranjeni u Informacijskom sustavu znanosti RH. Ako je ovo greška, CroRIS produkcijskoj okolini moguće je pristupi putem poveznice www.croris.hr
izvor podataka: crosbi

Modeliranje strukture i svojstava nodularnog lijeva neuronskim mrežama (CROSBI ID 351938)

Ocjenski rad | doktorska disertacija

Žmak, Irena Modeliranje strukture i svojstava nodularnog lijeva neuronskim mrežama / Filetin, Tomislav (mentor); Zagreb, Fakultet strojarstva i brodogradnje, . 2009

Podaci o odgovornosti

Žmak, Irena

Filetin, Tomislav

hrvatski

Modeliranje strukture i svojstava nodularnog lijeva neuronskim mrežama

Dosadašnja su istraživanja pokazala da se umjetne neuronske mreže mogu uspješno primijeniti u predviđanju različitih svojstava materijala. Cilj ovog doktorskog rada je istraživanje mogućnosti primjene neuronskih mreža u predviđanju mehaničkih svojstava i mikrostrukture nodularnog lijeva. Prikupljeni su eksperimentalni podaci o 147 taljevina nodularnog lijeva. Svaka je taljevina ispitana toplinskom analizom, a spektralnom je analizom utvrđen kemijski sastav. Ispitana su mehanička svojstva: vlačna čvrstoća, konvencionalna granica razvlačenja, istezljivost i tvrdoća. Analizom mikrostrukture utvrđena je nodularnost grafita i broj grafitnih nodula po jedinici površine, te udio ferita i perlita u metalnoj osnovi. Neuronske su mreže oblikovane, primijenjene i simulirane programskim paketom Neural Network Toolbox od Matlaba 7.0. Korištene su neuronske mreže s povratnim rasprostiranjem pogreške. U cilju sprečavanja pretreniranosti mreže, odnosno unaprijeđenja generalizacije, korištena je metoda ranog zaustavljanja. Kako bi konvergencija k minimalnoj pogrešci bila brža, upotrijebljen je Levenberg – Marquardtov algoritam. Pogreška neuronske mreže praćena je preko normaliziranog korijena srednje kvadratne pogreške, koeficijenata korelacije i determinacije, te srednje vrijednosti relativne pogreške. Mehanička svojstva i mikrostruktura nodularnog lijeva predviđani su na temelju relevantnih toplinskih parametara s krivulje hlađenja taljevine. Za model neuronske mreže utvrđen je najpovoljniji način normiranja ulaznih i izlaznih podataka, te najpovoljniji nagib aktivacijske funkcije skrivenih neurona. Određena je najpovoljnija kombinacija ulaznih toplinskih parametara. Najsličnije taljevine prema izmjerenim toplinskim parametrima izabrane su za testiranje mreže. Svaki mikrostrukturni parametar i mehaničko svojstvo predviđani su posebnim neuronskim mrežama i za svaku je mrežu određen najpovoljniji broj skrivenih neurona. Obzirom na ukupan broj uzoraka i rasipanja vrijednosti svojstava, neuronskim su mrežama postignuti relativno zadovoljavajući rezultati predviđanja svojstva i mikrostrukture. Pogreške generalizacije neuronske mreže bile su manje kod predviđanja mikrostrukture, posebno mikrostrukture metalne osnove. Veće pogreške zabilježene su pri predviđanju mehaničkih svojstava, naročito istezljivosti.

nodularni lijev ; taljevine ; toplinska analiza ; mikrostruktura ; mehanička svojstva ; umjetne neuronske mreže ; algoritam povratnog rasprostiranja pogreške ; predviđanje ; modeliranje

nije evidentirano

engleski

Modeling the Structure and Properties of Nodular Cast Iron Using Neural Networks

nije evidentirano

nodular cast iron ; melt ; thermal analysis ; microstructure ; mechanical properties ; artificial neural networks ; error back – propagation algorithm ; prediction ; modeling

nije evidentirano

Podaci o izdanju

140

08.01.2009.

obranjeno

Podaci o ustanovi koja je dodijelila akademski stupanj

Fakultet strojarstva i brodogradnje

Zagreb

Povezanost rada

Temeljne tehničke znanosti