El proyecto tecnológico se basa en el desarrollo de nuevos modelos de predicción de las propiedades mecánicas de chapa gruesa, en particular límite elástico y carga de rotura. Para la generación de los modelos se han empleado técnicas de inteligencia artificial (redes neuronales y algoritmos genéticos). Los buenos resultados obtenidos han permitido el desarrollo de una una herramienta software totalmente operativa en el Tren de Chapa Gruesa de Gijón. La ponencia muestra los nuevos modelos creados para predecir las propiedades mecánicas, carga de rotuta y límite elástico, cubriendo prácticamente todo el productmix de la instalación y diferentes tipos de laminación y tratamientos.
Las propiedades mecánicas dependen fundamentalmente de la composición química de la colada y del proceso de laminación a que ha sido sometido la chapa, se realiza el estudio con el fin de determinar un modelo predictivo para cada proceso o tipo de laminación.
Para proceder a la mejora de los modelos se emplearán diversas técnicas, especialmente aquellas basadas en métodos de Regresión (MARS) y Redes Neuronales. Con el MARS se realiza la selección de las variables y con las Redes Neuronales, mediante el proceso de entrenamiento, consistente en presentar a la Red Neuronal un conjunto de ejemplos y el resultado de estos ejemplos, se consigue que sea capaz de predecir el resultado de unos datos concretos de entrada. Estas redes suelen denominarse de aprendizaje supervisado porque se le muestran los datos y se le informa de cual es el resultado correcto. Los datos de entrada normalmente son las variables que influyen en las propiedades mecánicas y los de salida suele ser la variable a predecir, es decir, la propiedad mecánica que se esté estudiando, carga de rotura-CR o límite elástico-LE.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados