Predicción de la Vida de Ruptura por Fluencia del Acero 5Cr-0.5Mo Usando Modelos de Aprendizaje Automático
Autores: Ishtiaq, Muhammad; Tariq, Hafiz Muhammad Rehan; Reddy, Devarapalli Yuva Charan; Kang, Sung-Gyu; Reddy, Nagireddy Gari Subba
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias de los Materiales
Subcategoría
Materiales estructurales
Palabras clave
Ruptura por fluencia
Aceros 5cr-0.5mo
Modelos de aprendizaje automático
Elementos de aleación menores
Temperatura de servicio
Interfaz gráfica de usuario
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 5
Citaciones: Sin citaciones
La vida de ruptura por fluencia de los aceros 5Cr-0.5Mo utilizados en aplicaciones de alta temperatura está significativamente influenciada por factores como los elementos de aleación menores, la dureza, el tamaño de grano de austenita, las inclusiones no metálicas, la temperatura de servicio y el estrés aplicado. La relación de estas variables con la vida de ruptura por fluencia es bastante compleja. En este estudio, se predijo la vida de ruptura por fluencia del acero 5Cr-0.5Mo utilizando varios modelos de aprendizaje automático (ML). Para lograr una mayor precisión, se aplicaron diversas técnicas de ML, incluyendo bosque aleatorio (RF), aumento de gradiente (GB), regresión lineal (LR), red neuronal artificial (ANN), AdaBoost (AB) y aumento de gradiente extremo (XGB), con una cuidadosa optimización de los parámetros ocultos. Entre estos, el modelo basado en ANN demostró un rendimiento superior, obteniendo alta precisión con errores de predicción mínimos para el conjunto de datos de prueba (RMSE = 0.069, MAE = 0.053, MAPE = 0.014 y R2 = 1). Además, desarrollamos una interfaz gráfica de usuario (GUI) fácil de usar para el modelo ANN, que permite a los usuarios predecir y optimizar la vida de ruptura por fluencia. Esta herramienta ayuda a los científicos de materiales y a los industriales a prevenir fallos en aplicaciones de alta temperatura y a diseñar composiciones de acero con una resistencia a la fluencia mejorada.
Descripción
La vida de ruptura por fluencia de los aceros 5Cr-0.5Mo utilizados en aplicaciones de alta temperatura está significativamente influenciada por factores como los elementos de aleación menores, la dureza, el tamaño de grano de austenita, las inclusiones no metálicas, la temperatura de servicio y el estrés aplicado. La relación de estas variables con la vida de ruptura por fluencia es bastante compleja. En este estudio, se predijo la vida de ruptura por fluencia del acero 5Cr-0.5Mo utilizando varios modelos de aprendizaje automático (ML). Para lograr una mayor precisión, se aplicaron diversas técnicas de ML, incluyendo bosque aleatorio (RF), aumento de gradiente (GB), regresión lineal (LR), red neuronal artificial (ANN), AdaBoost (AB) y aumento de gradiente extremo (XGB), con una cuidadosa optimización de los parámetros ocultos. Entre estos, el modelo basado en ANN demostró un rendimiento superior, obteniendo alta precisión con errores de predicción mínimos para el conjunto de datos de prueba (RMSE = 0.069, MAE = 0.053, MAPE = 0.014 y R2 = 1). Además, desarrollamos una interfaz gráfica de usuario (GUI) fácil de usar para el modelo ANN, que permite a los usuarios predecir y optimizar la vida de ruptura por fluencia. Esta herramienta ayuda a los científicos de materiales y a los industriales a prevenir fallos en aplicaciones de alta temperatura y a diseñar composiciones de acero con una resistencia a la fluencia mejorada.