Vai al contenuto| Home page|

   Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricerca
INIZIO_TESTO_DA_INDICIZZARE

PROGRAMMA DI RICERCA 2005

italiano - english
Unità di Ricerca
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
Classificazione brevettuale
Classificazione geografica
Bibliografia
[1] C. Labrecque, m. Gagne, “Ductile iron review: fifty years of continuous development”, Canadian Metallurgical Quarterly, 37, 1998,343-378;
[2] F. Iacoviello, O. Di Bartolomeo, M. Cavallini “Resistenza alla propagazione delle cricche di fatica nelle ghise sferoidali austemperate” Atti del Convegno Nazionale AIM, 17-19 novembre 2004, n. 19, Vicenza.
[3] F. Iacoviello, O. Di Bartolomeo, M. Cavallini “Microstructure influence on the fatigue crack propagation micromechanisms in ductile irons”, sottoposto per la pubblicazione su International Journal of Fatigue.
[4] F. Keming, M. Baihe, Y. Zongsen “Cerium distribution in spheroidal graphite of cast iron” Journal of Rare Earths, 10, 3, 1992, 208-211.
[5] M. Onsoien, T. Skatland, O. Grong “Mechanism of graphite formation in ductile cast iron containing cerium and lanthanum” International Journal of Cast Metals Research, 11, 6, 1999, 319-324.
[6] S. Yamamoto, Y. Kawano, Y. Murakami, B. Chang, R. Ozaki “Producing spheroidal graphite cast iron by suspension of gas bubbles in melts” Metal Science, 12, 5, 1978, 56-60.
[7] Jianming Li, Li Lu, Man On Lai, “Quantitative analysis of the irregularity of graphite nodules in cast iron”, Materials Characterization 45, 2000, 83-88.
[8] ASTM Standard A445-63T; 1985 Annual Book.
[9] ASTM Standard A247-67, 1985 Annual Book.
[10] Normativa UNI EN ISO 945.
[11] F.D. Grinswold Jr, R.I. Stephens “Comparison of fatigue properties of nodular cast iron production and Y-block castings” Int. J. of Fatigue, 9, 1, 1987, 3-10.
[12] K. Tokaji, T. Ogawa, K. Shamoto “Fatigue crack propagation in spheroidal-graphite cast irons qith different microstrutures”, Fatigue, 16, 1994, 344-350.
[13] J. Zuidema, L. Wijnmaalen, C. van Eldijk “Fatigue of nodular cast iron”, Fatigue 99, Pechino, 2071-2076.
[14] A Refaey, N. Fatahalla “Effect of microstructure on properties of ADI and low alloyed ductile iron”, J. of Materials Science, 38, 2003, 351-362.
[15] Chih-Kuang Lin, Chang-Hao Yang, Jeng-Ho Wang “Corrosion fatigue of austempered ductile iron”, Journal of Materials Science, 38, 2003, 1667-1672.
[16] R.K. Singh Raman, B. C. Muddle “Caustic stress corrosion cracking of graphite cast iron components”, Engineering Failure Analysis, 11, 2004, 199-206.
[17] J. Hemanth “The solidification and corrosion behaviour of austempered chilled ductile iron”, J. of Materials Processing Technology, 101, 2000, 159-166.
[18] A. Al- Hashem, A. Abdullah, W. Riad “Cavitation corrosion of nodulare cast iron (NCI) in seawater. Microstructural effects.” Materials Characterization, 47, 2001, 383-388.
[19] Rio Tinto Iron & Titanium Inc. “Ductile Iron Data for Design Engineers”, 1990.
[20] Soremetal “A design engineer’s digest of ductile iron”, 1998
[21] S. Calcaterra, G. Campana, L. Tomesani “Prediction of mechanical properties in spheroidal cast iron by neural nerworks”, J. of Materials Processing Technology, 104, 2000, 74-80.
[22] F. Iacoviello, D. Iacoviello, M. Cavallini “Analysis of stress ratio effects on fatigue crack propagation in a sintered duplex steel by experimentation and artificial neural network approaches”, Int. J. of Fatigue, 26, 2004, 819-828.
[23] K. Jae Youn, S. Ho Ji, “Neural network applications in determining the fatigue crack opening load”, Int. J. of Fatigue, 20, 1998, 57-67.
[24] V. Venkatesh, H.J. Rack “A neural network approach to elevated temperature creep-fatigue life prediction”, Int. J. of Fatigue, 21, 1999, 225-233. [25] T. KHANNA, Foundations of Neural Networks, Addison Wesley (1990).
[26] C.M.Bishop, Neural networks for pattern recognition, Oxford: Clarendon (1995).
[27] G.L. Foresti, C. Micheloni, “Generalized neural trees for pattern classification”, IEEE Transactions on Neural Networks, 13 (2002) p. 1540.
[28] J.C.Mason, S.W. Ellacott, I.J.Anderson, Mathematics of neural networks: models, algorithms and applications, Boston: Kluwer Academic (1997).
[29] A. De Santis, O. Di Bartolomeo, D. Iacoviello, F. Iacoviello, “Impiego delle reti neurali nell’ identificazione degli elementi di grafite nelle ghise sferoidali”, 30° Convegno Nazionale AIM (Associazione Italiana di Metallurgia) “Innovazione: strumento e strategia per lo sviluppo”, Vicenza 17-19 November 2004.
[30] G. Aubert, L.A. Vese, “A Variational Method in Image Recovery”, SIAM Journal on Numerical Analysis, vol. 34, n° 5, 1948-1979, 1997.
[31] T.F. Chan, L.A. Vese, “Active Contours Without Edges”, IEEE Trans. on Image Processing, vol. 10, n°2, 266-277, 2001.
[32] P. Perona, J. Malik, “Scale-Space and Edge Detection Using Anisotropic Diffusion”, IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 12, n. 7, 629-639, 1990.
[33] G. Dal Maso, J.M. Morel, S. Solimini, “A variational method in image segmentation: existence and approximation results”, vol. 168, 89-151, 1992.
Parole Chiave
GHISE SFEROIDALI; COMPORTAMENTO MECCANICO; MICROSTRUTTURA; ELEMENTI DI GRAFITE; RETI NEURALI ARTIFICIALI; ANALISI DI IMMAGINE

Applicazione delle reti neurali artificiali nella caratterizzazione meccanica e microstrutturale delle ghise sferoidali ferrito-perlitiche

Università degli Studi di Cassino
Abstract
Considerando che il comportamento meccanico delle ghise sferoidali ferrito-perlitiche è caratterizzato da una elevata non linearità dei contributi dei vari costituenti microstrutturali presenti, una interessante possibilità è offerta dalle reti neurali artificiali. Lo sviluppo di modelli basati sulle reti neurali artificiali ha ottenuto un notevole successo in numerosi campi, con un crescente interesse anche nel campo della scienza dei materiali. Le reti neurali sono particolarmente efficienti nell'approssimare funzioni continue fortemente non lineari, quali si riscontrano nelle situazioni molto complesse di analisi di dati metallografici per stabilire il legame funzionale (quantitativo) tra le caratteristiche morfologiche della microstruttura ed il comportamento del materiale alle varie sollecitazioni meccaniche ed ai processi di frattura. Come si evince dal nome, le reti neurali costituiscono il tentativo di riprodurre artificialmente i processi di addestramento e di generalizzazione tipici del cervello umano, che consentono di stabilire relazioni complesse tra variabili di natura disomogenea: ad esempio il grado di nodularizzazione di una ghisa sferoidale e la capacità di arrestare il propagarsi di cricche.
In questo progetto di ricerca, le tre unità di ricerca, che peraltro già collaborano da anni proprio su tematiche connesse al progetto proposto, effettueranno una attività in parte sperimentale ed in parte di analisi di dati e simulazione.
La parte >>>

Coordinatore Scientifico del Programma di Ricerca
Francesco IACOVIELLO Università degli Studi di CASSINO
Obiettivo del Programma di Ricerca
I docenti che costituiscono le tre unità operative coinvolte nel progetto di ricerca collaborano da anni, analizzando l'influenza della microstruttura sul comportamento meccanico delle ghise sferoidali e implementando dei modelli finalizzati alla simulazione del comportamento meccanico e della resistenza alla corrosione di leghe ferrose. In questo progetto di ricerca, sulla base dell'esperienza già sviluppata dalle unità di ricerca coinvolte, si intende ottenere una completa caratterizzazione meccanica delle ghise sferoidali ferrito-perlitiche, identificando l'influenza della microstruttura sull'evoluzione dei micromeccanismi di frattura, identificando un modello in grado di descrivere il comportamento meccanico anche nel caso di frazioni volumetriche differenti rispetto a quelle considerate nel presente progetto. Questi obiettivi possono essere raggiunti mediante l'analisi automatica delle immagini di provini metallografici, con lo scopo di caratterizzare in maniera oggettiva le proprietà geometriche degli elementi di grafite, delle microstrutture ferrito-perlitiche e le principali morfologie di frattura. Il raggiungimento di questi obiettivi richiederà di:
- studio, progetto e ottimizzazione di una procedura di analisi di immagini di provini metallografici atta ad individuare in maniera automatica le caratteristiche microstrutturali degli elementi di grafite, in grado sia di eliminare tutti gli artefatti inevitabilmente presenti in una micrografia, sia di >>>

Durata
24 mesi
Base di partenza scientifica nazionale o internazionale
Le ghise sferoidali (nate intorno al 1948-49 e solitamente indicate in inglese con il termine "ductile iron") hanno avuto uno sviluppo continuo negli ultimi decenni, grazie ad un miglioramento del controllo del processo di sferoidizzazione ed un'ottimizzazione delle microstrutture, mediante sia un controllo degli elementi di lega aggiunti, sia una ottimizzazione del trattamento termico. Infatti, si possono ottenere ghise sferoidali caratterizzate da matrice (figura 1): ferritica (caratterizzate da una buona duttilità e da una resistenza alle sollecitazioni di trazione comparabile con quella di un acciaio non legato a basso tenore di carbonio); perlitica (caratterizzate da una elevata resistenza a trazione, ma da duttilità e resilenza non elevate); ferrito-perlitica (sono le ghise sferoidali più largamente utilizzate, con una resistenza a trazione intermedia rispetto a quella offerta dalle ghise completamente ferritiche e completamente perlitiche); martensitica (con una resistenza a trazione elevata, ma con livelli inferiori di duttilità e resilienza); bainitica (con una durezza intermedia); austenitica (caratterizzate da una resistenza alla corrosione migliorata e da una buona resistenza a trazione); austemperata (caratterizzate da una resistenza a trazione quasi doppia rispetto alle ghise sferoidali a matrice perlitica, con un elevato valore dell'allungamento e della tenacità). Le caratteristiche di queste ghise, spesso indicate con l'acronimo ADI (Austempered Ductile >>>