Abstract
The optimization of the architecture of the Petri neural network (PNN) model for thermomechanically controlled processed (TMCP) high strength low alloy (HSLA) steel is done through the comparison of test errors with training errors at different model complexities. The development of the PNN models on the basis of phenomenological relationships between the input and the output variables of TMCP steels has been done. Physical metallurgy principles which govern the property response to the combined actions of chemical composition and process parameters and describe the operative strengthening mechanisms are embedded in the Petri neural network in such a way that the metallurgical reasoning are duly regarded in TMCP steels in predictive activities. It has been found that the Petri neural network is a good tool for modelling the effect of alloy composition and process parameters on the mechanical properties of HSLA steels with certain limitations.L’optimisation de l’architecture du modèle de réseau neuronal de Pétri (PNN) de l’acier haute résistance faiblement allié (HSLA), traité par contrôle thermomécanique (TMCP), est faite par comparaison des erreurs d’évaluation par rapport aux erreurs d’entraînement à différents niveaux de complexité du modèle. On a effectué le développement des modèles PNN en se basant sur les relations phénoménologiques entre les variables d’entrée et de sortie des aciers TMCP. Les principes de métallurgie physique qui gouvernent la réponse de la propriété aux actions combinées de la composition chimique et des paramètres de traitement et qui décrivent les mécanismes fonctionnels de renforcement sont inclus dans le réseau neuronal de Pétri de manière telle que le raisonnement métallurgique est proprement considéré dans les aciers TMCP dans les activités prédictives. On a trouvé que le réseau neuronal de Pétri était un bon outil pour la modélisation de l’effet de la composition de l’alliage et des paramètres de traitement sur les propriétés mécaniques des aciers HSLA, avec certaines limitations.
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.