Abstract

The recent study concerns the prediction of MS temperature in copper-bearing microalloyed steel. An attempt has been made to determine the role of Cu and microalloying elements (Ti and B) on the MS temperature individually as well as in combination. For this purpose, a suitable network has been designed for this particular system from the point of view of its predictive ability. Several networks with different learning algorithms and varying numbers of nodes and hidden layers were trained. A committee of four models which were found to yield lower training and testing error, has been created. The mean of the prediction of the committee members is used for validation of their prediction from the metallurgical point of view. The effects of different alloying/microalloying elements on the MS temperature as predicted by the ANN model has been interpreted in terms of the available metallurgical knowledge.La présente étude traite de la prédiction de la température Ms de l’acier cuprifère micro-allié. On a essayé de déterminer le rôle, individuel ainsi qu’en combinaison, du Cu et des éléments de microalliage (Ti et B) sur la température Ms. Dans ce but, on a conçu un réseau approprié à ce système particulier quant à son habileté de prévision. On a entraîné plusieurs réseaux ayant différents algorithmes d’apprentissage et avec un nombre variable de noeuds et de couches cachées. On a créé un comité de quatre modèles qui produisaient la plus faible erreur d’entraînement et d’évaluation. On utilise la moyenne de prédiction des membres du comité pour la validation de leur prédiction du point de vue métallurgique. On a interprété l’effet des différents éléments d’alliage/de micro-alliage sur la température Ms telle que prédite par le modèle ANN, du point de vue de la connaissance métallurgique disponible.

Full Text
Published version (Free)

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call