Modelagem do processo de revenimento por redes neurais

• Main Author: Renata Neves Penha
• Other Authors: Lauralice de Campos Franceschini Canale
• Language: Portuguese
• Published: Universidade de São Paulo 2010
• Subjects: Modelagem; Propriedades mecânicas; Redes neurais; Revenimento; Mechanical properties; Modeling; Neural networks; Tempering
• Online Access: http://www.teses.usp.br/teses/disponiveis/18/18150/tde-02022011-160917/

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. === 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.