Resumen

Las curvas de flujo son datos de entrada muy importantes para la modelización numérica de procesos industriales y para aplicaciones industriales directas. Los ensayos térmicos y mecánicos precisos de acero al silicio con bajo contenido en carbono mostraron diferencias evidentes en los límites elásticos en función de las oscilaciones admisibles de la composición química. Dado que las ecuaciones convencionales de Hajduk, Elfmark y Spittel para el cálculo de la curva de fluencia son muy rígidas y no pueden describir los cambios locales de los límites elásticos causados por las transformaciones de fase, se ha desarrollado un nuevo enfoque de red neuronal para modelizar los fenómenos físicos en la ciencia de los materiales. Los resultados obtenidos demuestran que el método de redes neuronales es una potente herramienta que puede aplicarse directamente a la resolución de problemas de la ciencia de los materiales (por ejemplo, apoyo a los ensayos de materiales o simulación matemática del proceso de conformado de materiales).

INTRODUCCIÓN

Un tratamiento fiable de los fenómenos naturales se basa en mediciones y su descripción, en relaciones entre los resultados observados. Desde el punto de vista teórico, las relaciones se especifican más adecuadamente en términos de modelos matemáticos abstractos que representan leyes matemáticas [1]. Pero desde el punto de vista práctico, los modelos analógicos simulados, basados en dispositivos electrónicos, resultan a veces más convenientes. El objetivo de este artículo es, por tanto, introducir una interpretación generalizada de la descripción de fenómenos que puede realizarse mediante un ordenador (personal).

Debe tenerse en cuenta que en el proceso de modelización de fenómenos queremos describir la realidad compleja por un lado con modelos matemáticos abstractos simples, normalmente muy simplificados, por el otro (Figura 1.) [2], donde:

F(t) - función temporal de la fuerza de compresión, σ - tensión en el material, ε - deformación, ε - velocidad de deformación.

La descripción matemática de diferentes fenómenos en la ciencia de los materiales es, naturalmente, muy compleja. Diversos materiales y magnitudes mecánicas son funciones de diferentes parámetros (temperatura, deformación, velocidad de deformación, microestructura), y las relaciones entre ellos suelen ser muy poco lineales. Por lo tanto, el objetivo de este artículo es presentar un nuevo enfoque, denominado sistema de red neuronal, en diferentes aplicaciones, conocido también como CAE (Conditional Average Estimator). La intención de los autores es demostrar que el método es sencillo de utilizar, eficaz desde el punto de vista computacional y muy acertado en la descripción de los fenómenos en comparación con las técnicas de aproximación convencionales.

• Materias:Metales Materiales de moldeo Matemáticas Curvas Acero Redes neuronales artificiales
• Subjects:Metals Molding materials mathematics Curves Steel Artificial neural networks
• Palabras claves:Curvas de flujo; Método de redes neuronales; Acero al silicio de bajo contenido en carbono
• Keywords:Flow curves; Neural - network method; Low carbon silicon steel