Modelling of mechanical properties of Al-Si-Cu cast alloys using the neural network
Notice bibliographique
Résumé
Purpose: The paper presents some results of the research connected with the development of new approach based on the neural network to predict the chemical composition and cooling rate to the mechanical properties of Al– Si–Cu cast alloys. The independent variables in the model are chemical composition of Al–Si–Cu cast alloys and cooling rate. The dependent parameters are hardness, microhardess, yield strength and apparent elastic limit. Design/methodology/approach: The experimental alloy used for training of neural network was prepared at the University of Windsor (Canada) in the Light Metals Casting Laboratory, in a 10 kg capacity ceramic crucible. Thermal analysis tests were conducted using the UMSA Technology Platform. Compression tests were conducted at room temperature using a Zwick universal testing machine. Prior to testing, an extensometer was used to minimize frame bending strains. Compression specimens were tested corresponding to each of the three cooling rate. Rockwell F–scale hardness tests were conducted at room temperature using a Zwick HR hardness testing machine. Vickers microhardness tests were conducted using a DUH 202 microhardness testing machine. Findings: The results of this investigation show that there is a good correlation between experimental and predicted dates and the neural network has a great potential in mechanical behavior modeling of Al–Si–Cu castings. Practical implications: The worked out model can be applied in computer system of Al–Si–Cu casting alloys selection and designing for Al-Si-Cu casting parts. Originality/value: Original value of the work is applied the artificial intelligence as a tools for designing the required mechanical properties of Al-Si-Cu castings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».