R2 values are 0.999463, 0.999445, 0.999574, and 0.999593 for Fe–2Ni, BASF firm Catamould A0-F, FN02, and 316L stainless steel, respectively. Similarly, these values for testing data are 0.999129, 0.999666, 0.998612, and 0.997512, respectively. As seen from the results of mathematical modeling, the calculated yield lengths are obviously within acceptable uncertainties."> 粉末注射成型原料可塑性的实验与理论研究 - raybet雷竞app,雷竞技官网下载,雷电竞下载苹果

工程建模与仿真

PDF
工程建模与仿真/2007/文章

研究文章|开放获取

体积 2007 |文章的ID 085150 | https://doi.org/10.1155/2007/85150

Çetin空手道,Adnan Sözen, Erol araklioglu, Sami Erguney 粉末注射成型原料可塑性的实验与理论研究",工程建模与仿真 卷。2007 文章的ID085150 11 页面 2007 https://doi.org/10.1155/2007/85150

粉末注射成型原料可塑性的实验与理论研究

学术编辑器:阿戈斯蒂诺•Bruzzone
收到了 2006年9月11日
接受 2007年3月08
发表 2007年5月27日

摘要

对粉末注射成型原料的可塑性进行了实验和理论分析。本研究包括两个主要分析。(我)实验分析:筒体温度、注射压力和流量是粉末注射成型(PIM)的影响因素。粉末粘结剂混合物作为粉末冶金的原料需要更多的注意和敏感性。获得压力、温度,特别是流量之间的平衡是不理想结论的最重要方面,如粉末粘结剂分离、下沉痕迹和铸模结构中的裂缝。在本研究中,将可用于PIM的原料注入到由锯齿形、等截面和楼梯形(五种不同厚度)组成的三种不同型腔中,并测量了它们的成型性。由于材料和粘结剂的不同,测量的长度也不同。这些分别测量为533 mm、268 mm、211 mm和150 mm的先进材料商标Fe-2Ni、巴斯夫公司Catamould A0-F、FN02和316L不锈钢。(2)理论分析:提出了利用人工神经网络(ANN),利用实验分析结果来确定粉末注射成型原料的可塑性。在网络中采用了两种不同变体的反向传播学习算法和logistic s型传递函数。为了训练神经网络,使用有限的实验测量值作为训练和测试数据。在隐层中分别使用3个和4个神经元得到最佳拟合的训练数据集,使得在整个实验范围内预测屈服长度的准确性至少与实验误差相当。经过培训,才发现 R 2 对于Fe-2Ni、BASF firm Catamould A0-F、FN02和316L不锈钢,分别为0.999463、0.999445、0.999574和0.999593。类似地,测试数据的这些值分别是0.999129、0.999666、0.998612和0.997512。从数学建模的结果来看,计算的屈服长度明显在可接受的不确定性范围内。

参考文献

  1. r . m .德国粉末注射成型,金属粉末工业联合会,普林斯顿,美国,新泽西州,1990。
  2. 德国博士和玻色博士,金属和陶瓷的注射成型,金属粉末工业联合会,普林斯顿,美国,新泽西州,1997。
  3. M. Mohandes, S. Rehman,和T. O. Halawani,“利用人工神经网络估算全球太阳辐射”,可再生能源第14卷第2期1-4,第179-184页,1998。视图:出版商的网站|谷歌学者
  4. s.a. Kalogirou,“人工神经网络在能源系统中的应用”,应用能源,第67卷,第5期1-2,页17-35,2000。视图:出版商的网站|谷歌学者
  5. a . Palau, E. Velo和L. Puigjaner,“使用神经网络和专家系统来控制气体/固体吸附制冷机”,国际制冷杂志第22卷第2期1,第59-66页,1999。视图:出版商的网站|谷歌学者
  6. K. S. Reddy和M. Ranjan,“使用人工神经网络的太阳能资源估计和与其他相关模型的比较”,能源转换与管理,第44卷,第5期。15,页2519-2530,2003。视图:出版商的网站|谷歌学者
  7. A. Sözen, E. Arcaklioglu, M. Özalp,和E. G. Kanit,“利用人工神经网络绘制土耳其的太阳能潜力”,应用能源第77期3,页273-286,2004。视图:出版商的网站|谷歌学者
  8. H. Bechtler, M. W. Browne, P. K. Bansal, V. Kecman,“蒸汽压缩液体制冷机动态建模的新方法:人工神经网络,”应用热工程第21卷第2期9,页941-953,2001。视图:出版商的网站|谷歌学者
  9. C。Karataş, A. Sözen, E. Arcaklioglu,和S. Erguney,“使用人工神经网络在商业塑料模具中的屈服长度建模,”材料和设计第28卷第2期第1页,第2 - 3页,2007。视图:出版商的网站|谷歌学者
  10. A. Sözen, E. Arcaklioglu, M. Özalp,“基于臭氧友好制冷剂/吸收剂耦合热力学特性的人工神经网络配方”,应用热工程,第25卷,第2期11-12页,第1808-1820页,2005。视图:出版商的网站|谷歌学者
  11. A. Sözen, M. Özalp,和E. Arcaklioglu,“用人工神经网络计算替代制冷剂(R508b)的热力学性质”,应用热工程第27卷第2期2-3,页551-559,2007。视图:出版商的网站|谷歌学者
  12. K. F. Hens, D. Lee, S. T. Lin, R. M. German,“通过粉末注射成型的复杂形状产品的完整性”,粉末冶金国际,第23卷,第2期。1,第15-21页,1991。视图:谷歌学者
  13. K. F. Hens,“模具和注射成型粉末注射成型”,在国际粉末注射成型研讨会论文集,美国宾夕法尼亚州州立大学,1995年7月。视图:谷歌学者
  14. d . v . Rosato注塑手册,范·诺斯特兰德,莱因霍尔德,美国纽约,1984。
  15. N. Minagawa和J. L. White,“二氧化钛对聚合物熔体流变性和挤出性能的影响”,应用高分子科学杂志,第20卷,第2期。2,页501-523,1976。视图:出版商的网站|谷歌学者
  16. C。Karataş,Toz Enjeksiyon Kalıplamada Karışımın Reolojisi, Doktora Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü,土耳其安卡拉,1997。

版权所有©2007 Çetin Karataş等。这是一篇发布在知识共享署名许可协议,允许在任何媒介上不受限制地使用、传播和复制,但必须正确引用原作。


更多相关文章

PDF 下载引用 引用
订单打印副本订单
的观点164
下载1221
引用

相关文章

年度文章奖:由主编评选的2020年杰出研究贡献。阅读获奖文章