• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
10.11606/T.18.2010.tde-02022011-160917
Documento
Autor
Nome completo
Renata Neves Penha
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2010
Orientador
Banca examinadora
Canale, Lauralice de Campos Franceschini (Presidente)
Farah, Alessandro Fraga
Marques, Flavio Donizeti
Pinto, Haroldo Cavalcanti
Vatavuk, Jan
Título em português
Modelagem do processo de revenimento por redes neurais
Palavras-chave em português
Modelagem
Propriedades mecânicas
Redes neurais
Revenimento
Resumo em português
Os resultados dos processos de alívio de tensões e demais alteraçõees em propriedades mecânicas no revenimento são dependentes do tempo e da temperatura do processo o qual pode ser correlacionado usando algum parâmetro como o de Holloman-Jaffe ou o de Larsen-Miller. Estes parâmetros medem o efeito térmico do processo na transformação metalúrgica do aço durante o revenimento. Processos apresentando o mesmo parâmetro devem apresentar o mesmo efeito nas propriedades mecânicas, como a dureza, por exemplo. No entanto, expressões numéricas mais tradicionais assumem que o processo de revenimento é isotérmico, o que raramente acontece nos fornos de produçãoo, devido ao período de aquecimento anterior ao encharcamento na temperatura de revenimento desejada. Embora a equação de Larsen-Miller e o parâmetro de Holloman-Jaffe sejam bem conhecidos, suas origens e limitações, e em alguns casos seus usos, geralmente não são discutidos em detalhes na maioria dos textos de tratamento térmico. Assim o que se deseja é estabelecer uma relação numérica mais precisa, utilizando redes neurais para simular os efeitos do processo de revenimento dos aços para beneficiamento, através da previsão de suas propriedades mecânicas.
Título em inglês
Modeling of tempering process by means of neural networks
Palavras-chave em inglês
Mechanical properties
Modeling
Neural networks
Tempering
Resumo em inglês
The process results of stress relief and other alterations on mechanical properties on tempering are function of time and temperature process, which can be correlated using some parameter as Hollomon-Jaffe or Larsen-Miller. These parameters measure the process thermal effect of metallurgical transformation of steel during tempering. Processes showing the same parameter should have the same effect on mechanical properties, as hardness, for example. However, traditional numerical equations assume that the tempering process is isothermal, what rarely happens in production furnaces, due of the heating time prior to soaking on the desired tempering temperature. Although the equation of Larsen-Miller and the Hollomon- Jaffe parameter are well known, their origins and limitation, and in some case their uses, generally are not discussed in details in the majority of heat treatments texts. So if what it tor establish a more accurate numerical relation, using neural networks for simulating the effects of the tempering process, through its mechanical properties.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
RNP.pdf (14.83 Mbytes)
Data de Publicação
2011-02-08
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2020. Todos os direitos reservados.