Прогнозирование содержания феррита с помощью нейронной сети
Нейронные сети основаны на простой архитектуре, в которой введенные данные дают выходные через систему связанных узлов. Эти сети названы нейронными, поскольку они имитируют действия человеческого мозга. Обычно они состоят из слоев трех типов узлов: слой входа, скрытый слой и слой выходных данных. Недавно нейронные сети были применены для прогнозирования FN с использованием слоя входа, имеющего химический состав стали (рис. 3.23).
Нейронная система была "обучена" на основе данных по химическому составу и FN, которые использовались при построении диаграммы WRC-1992, а также на основе данных других источников. Сообщалось, что нейронная сеть показывала более точные результаты, чем диаграмма WRC-1992. Так как в нейронной сети используется техника нелинейной регрессии, то результаты ее применения не могут быть показаны просто как диаграмма с фиксированными коэффициентами для различных элементов. В более поздних исследованиях эффект от скорости охлаждения также был включен в нейронную сеть. Эти сети теперь доступны через Интернет.
В табл. 3.1 представлены различные коэффициенты, предложенные исследователями для элементов, составляющих хром-эквивалент и никель-эквивалент. Однако таблица не смогла включить коэффициенты приближения нейронной сети, так как это не простые соотношения между различными элементами, включенными в нейронную сеть.
- Феррито-мартенситные системы легирования нержавеющих сталей
- Аустенитно-мартенситные системы легирования нержавеющих сталей
- Диаграммы WRC-1988 и WRC-1992
- Другие диаграммы легирования нержавеющих сталей
- Диаграмма Делонга
- Диаграмма Шеффлера
- Аустенито-ферритные системы легирования: ранние диаграммы и соотношения эквивалентов
- Сопротивление феррито- и аустенитообразующих элементов в нержавеющих сталях
- Элементы, образующие твердые растворы внедрения: углерод и азот в нержавеющих сталях
- Дисперсионно-упрочняющие элементы в нержавеющих сталях