Комплексний метод контролю фізико-механічних характеристик матеріалів металоконструкці

• Опубліковано в: Фізико-хімічна механіка матеріалів
• Дата: 2011
• ISSN: 0430-6252
• Автори: Карпаш, О.М., Доценко, Є.Р., Карпаш, М.О
• Формат: Стаття
• Мова: Українська
• Опубліковано: Фізико-механічний інститут ім. Г.В. Карпенка НАН України 2011
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/138233
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Комплексний метод контролю фізико-механічних характеристик матеріалів металоконструкці / О.М. Карпаш , Є.Р. Доценко , М.О. Карпаш // Фізико-хімічна механіка матеріалів. — 2011. — Т. 47, № 5. — С. 40-47. — Бібліогр.: 22 назв. — укp.

Наведено результати лабораторних випробувань інформаційно-вимірювальної системи для визначення фізико-механічних характеристик конструкційних сталей феритно-перлітної структури. Отримано математичну модель контролю питомого електричного опору плоских зразків електроконтактним чотиризондовим методом. Розкрито спосіб визначення границі текучості сталей за значеннями їх питомого електричного опору і твердості з використанням алгоритмів штучних нейронних мереж. Приведены результаты лабораторных испытаний информационно-измерительной системы для определения физико-механических характеристик конструкционных сталей ферритно-перлитной структуры. Получено математическую модель контроля удельного электрического сопротивления плоских образцов электроконтактным четырехзондовым методом. Раскрыт способ определения предела текучести сталей по значениям их удельного электрического сопротивления и твердости с использованием алгоритмов искусственных нейронных сетей The paper presents results of laboratory tests of the information and measuring system, designed for determining physical and mechanical properties of ferrite-pearlite structural steels. The mathematical model of plane samples electrical resistivity testing by the four-point probe technique is developed. The technique for determining steels yield strength by values of electrical resistivity and hardness using artificial neural network algorithms is described.