ДВУКРИТЕРИАЛЕН ОПТИМИЗАЦИОНЕН ПОДХОД С ПРИЛОЖЕНИЕ В МЕТАЛУРГИЯТА ЗА ТЪРСЕНЕ ИНТЕРВАЛ НА ПАРАМЕТРИТЕ ПРИ УДОВЛЕТВОРЯВАНЕ НА ПРЕДВАРИТЕЛН

Николай Тончев; Емил Иванов

Научен доклад ID 1081 : 2014/3

ДВУКРИТЕРИАЛЕН ОПТИМИЗАЦИОНЕН ПОДХОД С ПРИЛОЖЕНИЕ В МЕТАЛУРГИЯТА ЗА ТЪРСЕНЕ ИНТЕРВАЛ НА ПАРАМЕТРИТЕ ПРИ УДОВЛЕТВОРЯВАНЕ НА ПРЕДВАРИТЕЛН

Николай Тончев, Емил Иванов

В статията е представен подход и са утвърдени техники за определяне на компромисни решения при удовлетворяване на точно определени изисквания за свойствата на сплавите. За примерни конкретни свойства при изследвани титанови сплави се посочват възможните интервали на легиращите елементи. Концептуално, този подход е приложим за проектиране и оптимизация на произволни сплави, тъй като на практика той не зависи от използваната база от данни. Подходът разширява предишни наши изследвания и обхваща допълнителни цели.

• Презареди статията • Open/Download as PDF

проектиране състава на сплави титанови сплави якостни и пластични свойства.metallurgicaical design titanium alloys tensile properties composition-processing-property correlationНиколай Тончев Емил Иванов

BIBLIOGRAPHY

[1] Tontchev N. Materials Science, Effective solutions and Technological variants, 2014/3/3, LAMBERT Academic Publishing

[2] Campbell C.E., G.B. Olson, “System design of high performance stainless steels I, Conceptual and computational design”, Journal of Computer-Aided Materials Design 2001, 7:145-17

[3] Vitos L., P.A. Korzhavyi and B. Johansson, "Stainless steel optimization from quantum mechanical calculations", Nature Materials 2003, 2:25-28

[4] Maier M.F., K. Stowe and S. Sieg, "Combinatorial and high-throughput materials science", Angewandte Chemie-International Edition 2007, 46:6016-6067

[5] Fischer C.C, K.J. Tibbetts, D. Morgan and G. Cedar, "Predicting crystal structure by merging data mining with quantum mechanics", Nature Materials 2006, 5:641-646

[6] Borst R. de, “Challenges in computational materials science: Multiple scales, multi-physics and evolving discontinuities”, Computational Materials Science 2008, 43:1-15

[7] Tontchev N.., L. Kirilov , Two Approaches for Solving Multiple Criteria Decision Making (MCDM) Problems with an Illustrative Example, PROBLEMS OF ENGINEERING, CYBERNETICS AND ROBOTICS, 58, 2007, 53-63 2007

[8] Fujii, MacKay, D. J. C. and Bhadeshia, H. K. D. H., "Bayesian neural Network Analysis of Fatigue Crack Growth Rate in Nickel-Base Superalloys”, ISIJ International, Vol. 36, 1996, pp. 1373-1382.

[9] Jones, J. , MacKay, D. J. C., "Neural Network Modeling of the Mechanical Properties of Nickel Base Superalloys", 8th Int. Symposium on Superalloys, Seven Springs, PA, eds. R. D. Kissinger et al., published by TMS, 1996, pp. 417-424.

[10] Vuchkov, I., & Stoyanov, S. (1980). Mathematical modeling and optimization of process units. Sofia: Engineering, (In Bulgarian).

[11] Ilyin AA Titanium alloys. The composition, structure and properties. Handbook / A.A.Ilin, B.A.Kolachev, I.S.Polkin - M.: VILS-MATI, 2009, 520 pp. (in Russian)

[12] Malinov, S, Sha, McKeown, J.J.: Modelling and Correlation between Processing Parameters and Properties of Titanium Alloys using Artificial Neural Network. Computational Material Science 21, 375- -394 (2001)