调查钢的加工

karisa Steffans,高科技编辑

曾经学习更多有关影响钢材加工活动的兴趣?周二,二月11日上午11时,布莱恩Webler将给予一个这样的现象的讲座。我将集中于非金属夹杂物具体而言,或小的氧化物,硫化物,氮化物或颗粒可以影响性能和钢的处理。他的演讲将持续一小时acerca,并在矿物与材料工程大楼的610室将进行。

必要是制造用于许多产品的钢材加工方面。因此,重要的是有事情有深刻的理解,可以影响ESTA的过程,所以我们可以预测和模型是如何钢材的行为十一点才举行过气处理。因此,重要的是要了解什么是非金属夹杂物,这些做在ESTA过程,以及如何将它们建模。这些夹杂物形成的钢液在处理过程中。因此,重要的是要能够检查它们,这样可以是精制钢。

这一个主要的挑战来自于试图做到这一点从复杂形状的形式夹杂物造成的。它们还包括复杂的化学物质,可以有不同的大小。然而,由于他们来自环境,也许这是不是一个惊喜。这些夹杂物时出现的钢被处理液体,所以,他们在高耐热的具有各种化学反应和流体流动影响其发展的环境形成。其结果是,它是很难描述和这些夹杂物的模型。

在形成模型辅助的潜在方法是研究和收集数据关于这些夹杂物。 Webler有意通过使用数据两者驱动的模型,并用机械方法讨论各种途径学习和模拟他们的行为。换句话说,我将讨论通过数字观察这些夹杂物,并将其与通过多个物理观察观察他们。

在该机械的方法,研究人员专注于物理和化学。通过这样做,他们所描述的他们能反应内夹杂物组分的金属镁和钙的原因改变是如何。做实验已经研究这些反应,所以结果可能是相比于动力学模型这让已经。 Webler将讨论ESTA实验的结果,他们说,关于已被最初用于模型ESTA反应的模型是什么。

在比较中,数据驱动的方法着重于包含在夹杂物的图像的信息。通过使用机器学习方法,他们已经建立了一个模型来预测夹杂物组成。还使用计算机夹杂物和非夹杂物之间进行区分:例如孔隙或污染。

这两种方法都可以提供深入了解这些夹杂物。通过更好地了解它们,我们可以开发在未来这些监控更好的方法。 Webler将更深入地ESTA讨论有关周二有兴趣学习更多的人。