Chromium carbonitride coatings were

Chromium carbonitride coatings were formed on plain carbon and alloy steels by pre-nitrocarburizing, followed by thermoreactive deposition and diffusion in a salt bath below 700 °C. In the present study, an artificial neural network-based model (ANNs) was developed to predict the layer thickness of pre-nitrided steels. Seventeen parameters affecting the layer thickness were considered as inputs, including the pre-nitriding time, salt bath compositions ratio, salt bath aging time, ferrochromium particle size, ferrochromium weight percent, salt bath temperature, coating time, and different chemical compositions of steels. The network was then trained to predict the layer thickness amounts as outputs. A 2-feed-forward back-propagation network was developed and trained using experimental data form literatures. Five steels were investigated. The effects of coating parameters on the layer thickness of steels were modeled by ANNs as well. The predicted values are in very good agreement with the measured ones indicating that the developed model is very accurate and has the great ability for predicting the layer thickness.

Kết quả (Việt) 1:

Chromium carbonitride sơn được hình thành trên đồng bằng thép cacbon và hợp kim của pre-Nito hóa làm mềm, tiếp theo là thermoreactive lắng đọng và phổ biến trong một bồn tắm muối dưới 700 ° C. Trong nghiên cứu hiện nay, một nhân tạo thần kinh mạng dựa trên mô hình (ANNs) được phát triển để dự đoán độ dày lớp thép nitrided trước. Mười bảy các thông số ảnh hưởng đến độ dày của lớp được coi là yếu tố đầu vào, bao gồm cả hóa muối trước thời gian, muối tắm bố cục trang trí tỉ lệ, thời gian lão hóa tắm muối, kích thước hạt ferrochromium, ferrochromium trọng lượng phần trăm, muối tắm nhiệt độ, thời gian Sơn, và khác nhau thành phần hóa học của thép. Mạng lưới sau đó được đào tạo để dự đoán số lượng bề dày lớp như là kết quả đầu ra. Một mạng lưới 2 nuôi tiến lại tuyên truyền đã được phát triển và đào tạo bằng cách sử dụng dữ liệu thực nghiệm dưới hình thức văn học. Năm loại thép đã được điều tra. Những ảnh hưởng của lớp phủ thông số độ dày lớp thép được mô hình bởi ANNs là tốt. Các giá trị dự đoán là trong thỏa thuận rất tốt với những người đo chỉ ra rằng các mô hình phát triển rất chính xác và có khả năng tuyệt vời cho dự đoán độ dày lớp.

Kết quả (Việt) 2:

lớp phủ carbonitride Chromium đã được hình thành trên carbon và hợp kim thép trơn bởi trước nitrocarburizing, tiếp theo thermoreactive tụ và khuếch tán trong một bồn tắm muối dưới 700 ° C. Trong nghiên cứu này, một mô hình thần kinh dựa trên mạng nhân tạo (ANNs) đã được phát triển để dự đoán độ dày lớp thép trước nitrided. Seventeen thông số ảnh hưởng đến độ dày của lớp đã được coi như là đầu vào, bao gồm cả thời gian trước thấm nitơ, muối tác tắm tỷ lệ, thời gian lão hóa muối tắm, kích thước ferrochromium hạt, trọng lượng ferrochromium trăm, nhiệt độ tắm muối, thời gian sơn, và thành phần hóa học khác nhau của thép. Các mạng sau đó đã được đào tạo để dự đoán số lớp dày như kết quả đầu ra. Một mạng lan truyền ngược 2-feed-forward được phát triển và đào tạo sử dụng các nền văn học hình thức dữ liệu thực nghiệm. Năm thép đã được điều tra. Những ảnh hưởng của các thông số lớp phủ trên bề dày lớp thép được mô hình bởi ANNs là tốt. Các giá trị dự đoán là trong thỏa thuận rất tốt với những người đo chỉ ra rằng mô hình phát triển là rất chính xác và có khả năng tuyệt vời để dự đoán độ dày lớp.