Red neuronal artificial para predecir la dependencia a la composición química de la energía de falla de apilamiento en aceros inoxidables austeníticos

Abstract

La energía de falla de apilamiento (SFE) es un parámetro importante a considerar en el diseño de aceros inoxidables austeníticos (SS) debido a su influencia en la susceptibilidad magnética, los cambios de orden atómico y la resistencia a la corrosión intergranular. Se examinó una extensa revisión de la literatura especializada con el fin de comprender los diferentes métodos que se han desarrollado para el cálculo de SFE. La caracterización por microscopía electrónica de transmisión (TEM), expresiones lineales a partir del procesamiento de datos y aproximaciones de mecánica cuántica de primeros principios son algunas de las técnicas que se han utilizado para el cálculo de SFE. En el presente trabajo se desarrolló una red neuronal artificial (ANN) de retropropagación para predecir la SFE dentro de rangos específicos dados de composiciones químicas para SS austenítico. Los datos experimentales se extrajeron de un trabajo de investigación informado por Yonezawa et al [1], y luego se analizaron para tres condiciones diferentes de tratamiento térmico. El presente modelo predice valores SFE con un coeficiente de correlación de 0.99, lo cual es un error menor cuando se compara con otros trabajos en la literatura.