Bestimmung der Ms-Temperatur in Stählen: Ein Bayesianisches Neuronales Netzwerkmodell.

Das Wissen um die Martensitstarttemperatur (Ms) von Stählen ist manchmal wichtig bei der Fertigung von Bauteilen und Strukturen, und sie kann nicht immer korrekt mit konventionellen empirischen Methoden geschätzt werden. Die Zugaben von Legierungselementen in neu entwickelten Stählen, die in den empirischen Beziehungen nicht berücksichtigt werden, oder mit Zusammensetzungen außerhalb der Grenzen, die zur Formulierung der Gleichungen verwendet werden, sind häufige Probleme, die durch experimentelles Ausprobieren gelöst werden müssen. Wenn der Versuchsprozess minimiert wird, könnten Kosten und Zeit gespart werden. Diese Arbeit beschreibt die Verwendung eines künstlichen neuronalen Netzwerks zur Modellierung der Berechnung der Ms-Temperatur in Konstruktionsstählen aus ihrer chemischen Zusammensetzung. Darüber hinaus wird eine physikalische Interpretation der Ergebnisse präsentiert.