Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

PREDICTION OF FRACTURE TOUGHNESS TRANSITION FROM TENSILE TEST DATA APPLYING NEURAL NETWORKS

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68081723%3A_____%2F12%3A00484701" target="_blank" >RIV/68081723:_____/12:00484701 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1115/PVP2011-57932" target="_blank" >http://dx.doi.org/10.1115/PVP2011-57932</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1115/PVP2011-57932" target="_blank" >10.1115/PVP2011-57932</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    PREDICTION OF FRACTURE TOUGHNESS TRANSITION FROM TENSILE TEST DATA APPLYING NEURAL NETWORKS

  • Popis výsledku v původním jazyce

    Reference temperature localizing the fracture toughness temperature diagram on temperature axis was predicted based on tensile test data. Regularization artificial neural network (ANN) was adjusted to solve the interrelation of these properties. For analyses, 29 data sets from low-alloy steels were applied. The fracture toughness transition dependence was quantified by means of master curve concept enabling to represent it using one parameter - reference temperature. Different strength and deformation characteristics from standard tensile specimens and notched specimens, instrumented ball indentation test etc. have been applied. A very promising correlation of predicted and experimentally determined values of reference temperature was found.

  • Název v anglickém jazyce

    PREDICTION OF FRACTURE TOUGHNESS TRANSITION FROM TENSILE TEST DATA APPLYING NEURAL NETWORKS

  • Popis výsledku anglicky

    Reference temperature localizing the fracture toughness temperature diagram on temperature axis was predicted based on tensile test data. Regularization artificial neural network (ANN) was adjusted to solve the interrelation of these properties. For analyses, 29 data sets from low-alloy steels were applied. The fracture toughness transition dependence was quantified by means of master curve concept enabling to represent it using one parameter - reference temperature. Different strength and deformation characteristics from standard tensile specimens and notched specimens, instrumented ball indentation test etc. have been applied. A very promising correlation of predicted and experimentally determined values of reference temperature was found.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20306 - Audio engineering, reliability analysis

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GAP108%2F10%2F0466" target="_blank" >GAP108/10/0466: Predikce lomového chování konstrukčních ocelí na základě kvantifikace lokální odezvy materiálu</a><br>

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    PROCEEDING OF THE ASME PRESSURE VESSELS AND PIPING CONFERENCE

  • ISBN

    978-0-7918-4451-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    101-105

  • Název nakladatele

    American Society Mechanical Engineers

  • Místo vydání

    New York

  • Místo konání akce

    Baltimore

  • Datum konání akce

    17. 7. 2011

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000320410100012