Szczegóły publikacji
Opis bibliograficzny
Neural network modelling studies of steam oxidised kinetic behaviour of advanced steels and Ni-based alloys at $800^{\circ}C$ for 3000 h / T. Dudziak, P. GAJEWSKI, B. ŚNIEŻYŃSKI, V. Deodeshmukh, M. WITKOWSKA, W. RATUSZEK, K. CHRUŚCIEL // Corrosion Science ; ISSN 0010-938X. — 2018 — vol. 133, s. 94–111. — Bibliogr. s. 110-111, Abstr. — Publikacja dostępna online od: 2018-02-02
Autorzy (7)
- Dudziak Tomasz
- AGHGajewski Paweł
- AGHŚnieżyński Bartłomiej
- Deodeshmukh V.
- AGHWitkowska Małgorzata
- AGHRatuszek Wiktoria
- AGHChruściel Krzysztof
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 112956 |
|---|---|
| Data dodania do BaDAP | 2018-04-11 |
| Tekst źródłowy | URL |
| DOI | 10.1016/j.corsci.2018.01.013 |
| Rok publikacji | 2018 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Czasopismo/seria | Corrosion Science |
Abstract
Two solid-solution strengthened alloys, (HAYNES® 230®, 617 alloy), two gamma – prime (γ’) strengthened alloys, (263 and HAYNES® 282®) and Cr rich steels (309S, 310S and HR3C) were tested under 1 bar pressure in 100% steam at 800 °C for 3000 h. The steels showed better resistance in terms of corrosion behaviour, where no internal corrosion occurred. The exposed samples were characterised using SEM, EDS and XRD. Artificial neural networking (ANN) was used to predict kinetic behaviour of the alloys after exposure by Time Delay Neural Networking (TDNN) and Non-linear Autoregressive Neural Networking (NARNN).
