Küresel grafitli dökme demirlerde Cu,Ni ve Mo alaşım elementlerinin ostemperleme sonucu beynit oluşumuna etkisinin incelenmesi ve sinirsel ağ modeli ile değerlendirilmesi

Abstract

ÖZET Ostemperlenmiş küresel grafitli dökme demirler (OKGDD) aynı matris yapıya sahip çelik malzemelere eşdeğer mukavemet özellikleri verebilen malzemelerdir. Son yıllarda özellikle dişli üretiminde, yüzeyi sertleştirilmiş dövme çelik malzemelerin yerine kullanımları artmaktadır. Aşınma ve yorulma direncinin yüksek olması istenen yerlerde (tank paleti, krank mili v.b.) başarılı uygulama örneklerinin verilmesi, OKGDD 'lerin önemini ve kullanım alanlarım arttırmaktadır. OKGDD' lerde mekanik özellikler, mikroyapıyla yakından ilgilidir. Bu nedenle mikroyapının çok iyi incelenmesi gerekir. Bu çalışmada, KGDD' lerde ostemperleme ısıl işlemi sonucu oluşacak beynit miktarına ve sertliğe Cu, Ni ve Mo alaşım elementlerinin etkisi incelenmiştir. Çalışmalara ait sonuçların değerlendirilmesiyle, yapılacak deneyler için önceden tahminleme yapabilecek bir model oluşturmak amaçlanmıştır. Çalışmada kullanılan döküm malzemeler, farklı oranlarda Cu, Ni ve Mo alaşım elementleri içermektedir. Bileşimleri belirlenen numuneler 22 farklı kompozisyonda özel bir döküm firmasına doldurulmuştur. 16 mm çapında ve 10 mm genişliğindeki dilimler halinde hazırlanan numuneler, 850°C ve 950°C'de 1 saat ostenitlenmiş ardından 250°C, 350°C ve 450°C sıcaklıklarında 0.5, 1, 2, 3 ve 4 saat ostemperlenmiştir. Isıl işlemi takiben temizlenen numuneler, yüzeyleri zımparalanıp parlatıldıktan sonra dağlanmış ve Leco 2001 görüntü analiz cihazıyla beynit miktarları belirlenmiştir. Sertlik ölçümleri, Rockwell sertlik ölçüm yöntemiyle 950°C'de ostenitlenmiş numuneler üzerinde yapılmıştır. Metalografik çalışmaların sonuçları ostemperleme süre ve sıcaklığına bağlı olarak her alaşım için diyagramlar halinde verilmiştir. Turbo Pascal V7.0 programlama dili kullanılarak sinirsel ağ modeliyle deney sonuçlarını değerlendiren bir program hazırlanmıştır. Deney sonuçları, bu program aracılığıyla, tasarlanan sinirsel ağ modeline öğretilmiştir. Daha sonra yapılacak deneylere ait beynit miktarları tahmin edilmiş ve elde edilen değerler gerçek deney sonuçlarıyla karşılaştırılmıştır. Sonuç olarak, sinirsel ağ modeliyle bu tür deneysel çalışmalarda güvenilir tahminleme yapılabileceği gösterilmiştir.

ABSTRACT Austempered ductile irons are materials with similar strength giving equal value strength characteristic to the same matrix steels. Up to now, ADI has used instead of carbonised steels, specially on gear production. Successful applications in the area that is needed high wear resistance and fatigue strength (tank tracks, crank shafts, etc.) increase the importance of ADI. ADI's mechanical properties depend on the microstructure, so, the microstructure should be controlled. In this study, Cu, Ni and Mo alloys' effect were investigated in ADI. The aim was to construct a model which will estimate the experimental results. The materials contain Cu, Ni and Mo alloys in different rates. Specimens with predetermined compositions have been casted in 22 different contents at foundry situated in tzmit. Specimens, firstly, have been austenised for 1 hour at 850°C and 950°C, then, they have been austempered for 0.5, 1, 2, 3 and 4 hours at 250°C, 350°C and 450°C. After heat treatment, cleaned specimens have been polished and etched carefully for the preparation to Leco 2001 image analyzer where bainite amounts determined. Hardness have been fulfilled on the specimens which have been austenized at 950°C. Metallographic results being obtained according to austempering time and temperature have been given as diagrams for each alloy separately. For the evaluation of the test results, a new program has been written in Turbo Pascal V7.0, where neural network model has been used. With the aid of a new program, the test results have been taught to the designed neural network model and the bainite amounts for the foregoing tests have been estimated. So then, obtained values have been compared with the real test results. As a result, one may say that reliable estimation in such experimental studies with neural network can be done successfully.