| Attributes | Values |
|---|
| rdf:type
| |
| Description
| - The scope of the presented paper is dedicated to application of neural network at solution of a very complex problem linked to internal defects that occur in hot rolled billets from vanadium micro-alloyed 25CrMo4 steel. Since internal defects are indicated during an ultrasonic inspection in already cooled billets, it can be said that the studied problem is very complex. The paper demonstrates that application of neural network may be a very useful tool for solving the complicated production problems, such as the occurrence of cracks in hot rolled billets. Artificial neural networks (ANN) use distributed parallel processing of information during the execution of the calculations, which means that information recording, processing and transferring are carried out by means of the whole neural network, and then by means of particular memory places. The basis of a mathematical model of the neural network is a formal neuron, which uses a simplified way to describe a function of a biological neuron by means of mathematic relations. Neural networks with the best learning results were selected for the prediction of defects. They included a three-layer perceptron network with 22-18-2 topology. This means that the input layer contained twenty-two neurons; the hidden layer eighteen and the output layer two neurons. This neural network also included a sensitivity analysis. This analysis expresses the impact of the individual input variables on the given system. Although the studied problem of internal defects present in hot rolled billets from vanadium micro-alloyed steel 25CrMo4 was fully explained using traditional material engineering procedures, application of neural network made it possible to predict internal defect occurrence with a probability of eighty-six percents. Neural network has a potential to be very fast, inexpensive and useful tool in solving a wide scale of similar metallurgical problems. (en)
- Cílem tohoto článku bylo vytvořit a verifikovat umělou neuronovou síť, která by byla schopná predikovat výskyt vnitřních defektů ve vývalcích z nízkolegovaných Cr-Mo ocelí. Jedná se o poměrně komplikovaný problém, jelikož vnitřní defekty jsou detekovány ultrazvukovým zařízením až u vyválcovaných a vychlazených bloků. Vývoj modelu, který využívá umělé neuronové sítě při predikci defektů ve vývalcích, se jeví jako zajímavá alternativa k tradičním materiálově-inženýrským metodám výzkumu, případně pak jako alternativa k statistické regresní analýze. Použití umělých neuronových sítí se ukázalo být velmi účinným nástrojem při odhalování příčin vzniku vnitřních necelistvostí ve vývalcích z Cr-Mo ocelí. Jako vstupní parametry umělé neuronové sítě posloužily: chemické složení, parametry plynulého odlévání a strategie ohřevu.
- Cílem tohoto článku bylo vytvořit a verifikovat umělou neuronovou síť, která by byla schopná predikovat výskyt vnitřních defektů ve vývalcích z nízkolegovaných Cr-Mo ocelí. Jedná se o poměrně komplikovaný problém, jelikož vnitřní defekty jsou detekovány ultrazvukovým zařízením až u vyválcovaných a vychlazených bloků. Vývoj modelu, který využívá umělé neuronové sítě při predikci defektů ve vývalcích, se jeví jako zajímavá alternativa k tradičním materiálově-inženýrským metodám výzkumu, případně pak jako alternativa k statistické regresní analýze. Použití umělých neuronových sítí se ukázalo být velmi účinným nástrojem při odhalování příčin vzniku vnitřních necelistvostí ve vývalcích z Cr-Mo ocelí. Jako vstupní parametry umělé neuronové sítě posloužily: chemické složení, parametry plynulého odlévání a strategie ohřevu. (cs)
|
| Title
| - Použití umělých neuronových sítí při předpovědi výskytu vnitřních defektů
- Použití umělých neuronových sítí při předpovědi výskytu vnitřních defektů (cs)
- Use of Artificial Neural Networks at Prediction of Occurrence of Internal Defects in Billets from Cr-Mo Steels after Rolling (en)
|
| skos:prefLabel
| - Použití umělých neuronových sítí při předpovědi výskytu vnitřních defektů
- Použití umělých neuronových sítí při předpovědi výskytu vnitřních defektů (cs)
- Use of Artificial Neural Networks at Prediction of Occurrence of Internal Defects in Billets from Cr-Mo Steels after Rolling (en)
|
| skos:notation
| - RIV/61989100:27360/14:86087622!RIV15-MSM-27360___
|
| http://linked.open...avai/riv/aktivita
| |
| http://linked.open...avai/riv/aktivity
| |
| http://linked.open...iv/cisloPeriodika
| |
| http://linked.open...vai/riv/dodaniDat
| |
| http://linked.open...aciTvurceVysledku
| |
| http://linked.open.../riv/druhVysledku
| |
| http://linked.open...iv/duvernostUdaju
| |
| http://linked.open...titaPredkladatele
| |
| http://linked.open...dnocenehoVysledku
| |
| http://linked.open...ai/riv/idVysledku
| - RIV/61989100:27360/14:86087622
|
| http://linked.open...riv/jazykVysledku
| |
| http://linked.open.../riv/klicovaSlova
| - artificial neural network; vanadium microallyoing; internal defect; Neural network (en)
|
| http://linked.open.../riv/klicoveSlovo
| |
| http://linked.open...odStatuVydavatele
| |
| http://linked.open...ontrolniKodProRIV
| |
| http://linked.open...i/riv/nazevZdroje
| |
| http://linked.open...in/vavai/riv/obor
| |
| http://linked.open...ichTvurcuVysledku
| |
| http://linked.open...cetTvurcuVysledku
| |
| http://linked.open...UplatneniVysledku
| |
| http://linked.open...v/svazekPeriodika
| |
| http://linked.open...iv/tvurceVysledku
| - Jančíková, Zora
- Kvíčala, Miroslav
- Zimný, Ondřej
- Meca, Roman
|
| issn
| |
| number of pages
| |
| http://localhost/t...ganizacniJednotka
| |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)