دانلود مقاله ISI انگلیسی شماره 46730
ترجمه فارسی عنوان مقاله

رابطه ی فرایند- ساختار- میکروساختار در نورد نوار داغ فولاد با استفاده از استخراج داده های آماری

عنوان انگلیسی
Process-structure-microstructure Relationship in Hot Strip Rolling of Steels Using Statistical Data Mining ☆
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
46730 2014 6 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia Engineering, Volume 81, 2014, Pages 90-95

فهرست مطالب ترجمه فارسی
چکیده
کلمات کلیدی
1.مقدمه
2.پیش زمینه
3.MICROL- چارچوب
شکل 1. چارچوب مدل هماهنگ شده
4.MICROL-پیمانه های اندازه گیری
4.1پیمانه ی اندازه گیری تغییر شکل
4.2پیمانه ی اندازه گیری گرمایش
4.3پیمانه ی اندازه گیری میکروساختار
5.نصب و کالیبراسیون
جدول 1. ترکیب شیمیایی مواد ( برحسب %wt )
جدول 2. نتایج مدل های MARS
6.تایید و به کار اندازی
شکل 2. خطاها از MICROL وقتی اختلاف در سیستم در نظر گرفته شود و وقتی از آن چشم پوشی شود
7.نتایج
ترجمه کلمات کلیدی
نورد گرم - نوارها - تکامل مواد - استخراج اطلاعات آماری - ریزساختار
کلمات کلیدی انگلیسی
Hot rolling; Strips; Material evolution; Statistical data mining; Microstructure
ترجمه چکیده
از مدل های ریاضی به صورت گسترده ای در پیش بینی ویژگی های مکانیکی و میکروساختاری نورد داغ نوار استفاده شده است. برای پیش بینی دقیق این مشخصات، لازم است مدل هایی ساخته شوند که بتوانند وضعیت ترمومکانیکی ماده و سیر تکاملی آن را در طول فرایند ارزیابی کنند. این مقاله روند ساخت مدل های ترکیب شده ای را نشان می دهد که از تنظیمات آسیابی ( یا خرد کن: milling ) و داده های به هنگام نیروگاه، از جمه ترکیب شیمیایی، نیروها و دماها استفاده می کنند و آنها را با روابط تجربی مربوط به سیر تکاملی ماده منطبق می سازند تا بتوانند ویژگی های کیفی آنها را پیش بینی کنند. این اطلاعات با مدل های استخراج داده های آماری غیرخطی ترکیب می شوند تا ابزار آن لاینی ساخته شود که بتواند ویژگی های یک سیم پیچ را پیش بینی کند. در اینجا مورد تحقیقاتی نیروگاه فولاد مطرح می شود تا روش اجرا، کالیبراسیون و تایید این مدل با درجات مختلفی از مواد نشان داده شود.
پیش نمایش مقاله
پیش نمایش مقاله  رابطه ی فرایند- ساختار- میکروساختار در نورد نوار داغ فولاد با استفاده از استخراج داده های آماری

چکیده انگلیسی

Mathematical models have been widely used for prediction of microstructure and mechanical properties in hot rolling of strip. To accurately predict these characteristics, it is necessary to create models that can replicate thermomechanical state of material and its evolution during processing. This paper presents development of a hybrid model that uses mills setting and real time plant data such as chemical composition; forces and temperatures; and integrates them with empirical relationships of material evolution to predict quality attributes. This information is combined with non-linear statistical data mining models to create online tool that predicts properties of individual coil. Case study from Steel Plant is presented that illustrates implementation, calibration and validation of this model across different materials grades.