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 vlačne čvrstoće nodularnog lijeva pomoću umjetnih neuronskih mreža (CROSBI ID 553283)

Prilog sa skupa u zborniku | izvorni znanstveni rad | domaća recenzija

Žmak, Irena ; Filetin, Tomislav ; Hren, Smiljan Modeliranje vlačne čvrstoće nodularnog lijeva pomoću umjetnih neuronskih mreža // Proceedings Book 9th International Foundrymen Conference / Unkić, Faruk (ur.). Sisak: Metalurški fakultet u Sisku, 2009. str. 1-7

Podaci o odgovornosti

Žmak, Irena ; Filetin, Tomislav ; Hren, Smiljan

hrvatski

Modeliranje vlačne čvrstoće nodularnog lijeva pomoću umjetnih neuronskih mreža

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 ovog istraživanja je primijeniti umjetne neuronske mreže u određivanju veze između određenih toplinskih parametara s krivulje hlađenja taljevine i rezultirajuće vlačne čvrstoće odljevaka od nodularnog lijeva. Pripremljena 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 odljevenim ispitnim uzorcima. Za učenje umjetnih neuronskih mreža primijenjen je algoritam povratnog rasprostiranja pogreške. U cilju sprječavanja pretreniranosti mreže primijenjena je metoda ranog zaustavljanja. Najpovoljnija veličina skrivenog sloja neurona utvrđena je praćenjem pogreške 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.

nodularni lijev; vlačna čvrstoća; neuronske mreže; predviđanje

nije evidentirano

engleski

Modeling the tensile strength of ductile cast iron by artificial neural networks

nije evidentirano

ductile iron; tensile strength; neural networks; prediction

nije evidentirano

Podaci o prilogu

1-7.

2009.

objavljeno

Podaci o matičnoj publikaciji

Proceedings Book 9th International Foundrymen Conference

Unkić, Faruk

Sisak: Metalurški fakultet u Sisku

978-953-7082-08-6

Podaci o skupu

9th International Foundrymen Conference

predavanje

18.06.2009-19.06.2009

Opatija, Hrvatska

Povezanost rada

Metalurgija, Strojarstvo