Red neuronal artificial para predecir la dependencia a la composición química de la energía de falla de apilamiento en aceros inoxidables austeníticos
Título del documento: Red neuronal artificial para predecir la dependencia a la composición química de la energía de falla de apilamiento en aceros inoxidables austeníticos
Revista: Programación matemática y software
Base de datos:
Número de sistema: 000573225
ISSN: 2007-3283
Autores: 1
2
3
1
2
1
Instituciones: 1Instituto de Ciencias Físicas, UNAM, México,
2Facultad de Química, UNAM, México,
3Centro de Investigación en Ingeniería y Ciencias Aplicadas, UAEM, México.,
Año:
Volumen: 12
Número: 2
Paginación: 65-74
País: México
Idioma: Español
Resumen en inglés Stacking fault energy (SFE) is an important parameter to be considered in the design of austenitic stainless steels (SS) due to its influence on magnetic susceptibility, atomic order changes and intergranular corrosion resistance. An extensive review of specialized literature was examined in order to understand the different methods that have been developed for the calculation of SFE. Characterization by transmission electron microscopy (TEM), linear expressions from data processing and first-principles quantum mechanics approximations are some techniques that have been used for the calculation of SFE. In the present work a feed forward backpropagation artificial neural network (ANN) was developed to predict the SFE within given specific ranges of chemical compositions for austenitic SS. The experimental data were extracted from a research work reported by Yonezawa et al [1], and then were analyzed for three different heat treatment conditions. The present model predicts SFE values with a correlation coefficient of 0.99, which is a minor error when is compared with other works in the literature.
Resumen en español La energía de falla de apilamiento (SFE) es un parámetro importante a considerar en el diseño de aceros inoxidables austeníticos (SS) debido a su influencia en la susceptibilidad magnética, los cambios de orden atómico y la resistencia a la corrosión intergranular. Se examinó una extensa revisión de la literatura especializada con el fin de comprender los diferentes métodos que se han desarrollado para el cálculo de SFE. La caracterización por microscopía electrónica de transmisión (TEM), expresiones lineales a partir del procesamiento de datos y aproximaciones de mecánica cuántica de primeros principios son algunas de las técnicas que se han utilizado para el cálculo de SFE. En el presente trabajo se desarrolló una red neuronal artificial (ANN) de retropropagación para predecir la SFE dentro de rangos específicos dados de composiciones químicas para SS austenítico. Los datos experimentales se extrajeron de un trabajo de investigación informado por Yonezawa et al [1], y luego se analizaron para tres condiciones diferentes de tratamiento térmico. El presente modelo predice valores SFE con un coeficiente de correlación de 0.99, lo cual es un error menor cuando se compara con otros trabajos en la literatura.
Palabras clave: Red Neuronal Artificial,
Energía de falla de apilamiento,
Acero inoxidable austenitico
Keyword: Artificial Neural network,
stacking fault energy,
austenitic stainlesssteel
Texto completo: Texto completo (Ver PDF)