基于神经网络的微合金钢热轧奥氏体晶粒尺寸及流变应力模型的研究

基于神经网络原理,对微合金钢热轧控制的选取进行了研究,首先,制定了一套获取样本数据的实验方案,该方案利用Ｇleeble-1500热力模拟机提取了轧制温度、应变量、应变速率和相应的应力变曲线,并通过显微观察获取了实验了实验后样品断面的奥氏体晶粒尺寸,通过归一化把实验所得数据进行必要的处理,采用ＢＰ算法训练网络,对热轧控制（轧制温度、应变量、应变速率）和描述微合金钢组织性能的参数（奥氏体晶粒尺寸及流变应力）之间的映射关进行了函数逼近,建立了奥氏体晶粒尺寸及流变应力神经网络模型,实践证明,将该神经网络模型运用于热轧控制预报,提高了预算精度并取的较好的效果。     

加热工艺对微合金钢Ti、Nb固溶及奥氏体晶粒长大的影响

研究含Ti、Nb微合金钢HJ58轧制前不同加热温度和保温时间对Ti、Nb固溶量及奥氏体晶粒尺寸的影响规律,讨论微合金元素Ti、Nb的存在状态及作用机理,提出了合理的加热工艺以指导生产.     

微合金钢第二相粒子对HAZ区奥氏体晶粒影响

研究了Ti-V-Nb微合金钢及热影响区(HAZ)第二相粒子及其对HAZ区奥氏体晶粒长大的影响.结果表明,微合金钢中存在大量弥散分布、细小粒子的Ti、Nb、V的碳氮化合物.这些具有很高的稳定性,在焊接热循环过程中,显著地阻止奥氏体晶粒长大.焊接热循环峰值温度在1200℃以下时,HAZ区中第二相粒子仅发生轻微的溶解及长大,奥氏体晶粒长大程度很小,且奥氏体晶粒尺寸基本不随ts/5及热循环峰值温度Tm的变化而变化.焊接热循环峰值温度在1250℃以上时,HAZ区中第二相粒子显著减少而尺寸显著增大,奥氏体晶粒尺寸随t8/5及Tm的增大而显著增大.     

原奥氏体晶粒尺寸对珠光体钢组织及韧性的影响

探索了奥氏体晶粒尺寸对珠光体等温转变组织特征以及对韧性性能的影响规律。研究表明,在相同等温转变温度下,珠光体片层间距无明显变化,随奥氏体晶粒尺寸的增加,先共析铁素体量减少而珠光体团尺寸增加。珠光体断裂韧性受控于裂纹前沿塑性影响区尺寸(1~2)δc,其中δc为临界裂纹张开位移,当原奥氏体晶粒大于(1~2)δc时,裂纹扩展阻力主要来自穿越珠光体片层α、θ相的颈缩、破断。当原奥氏体晶粒尺寸接近或小于(1~2)δc时,裂纹主要沿晶界、珠光体团界、α+θ片层界面扩展,通过扩展路径发生多次弯折消耗能量,随原奥氏体晶粒尺寸增加,准静态断裂韧度J变化幅度较小。而冲击韧性缺口前沿塑性影响区远大于原奥氏体晶粒,大角度晶界将促使裂纹的转折而提高扩展阻力,提高裂纹前沿塑性区大角度晶界密度有利于提高冲击功,冲击韧性Ak随晶粒尺寸的增加显著下降。     

Ti-Nb微合金钢焊接粗晶热影响区组织及韧性

利用碳萃取复型技术研究了Ti-Nb微合金钢及其模拟粗晶区(CGHAZ)中的第二相粒子,并利用OM、TEM及系列冲击试验对Ti-Nb微合金钢焊接粗晶区的组织及韧性进行了研究.研究结果表明,Ti-Nb微合金钢中含有大量的、尺寸细小的TixNb1-x(CyN1-y)粒子,粒子中Nb的相对含量在0.25～0.82之间,形状接近球形.这些粒子具有很高的稳定性,在焊接过程中这些粒子能有效地阻止奥氏体晶粒长大、抑制粗大贝氏体的形成、促进针状铁素体析出及M-A组元的分解,从而显著善低合金高强钢焊接粗晶热影响区的韧性,t8/5越大,这种改善作用越明显.     

齿轮钢20CrMoNb奥氏体晶粒尺寸及相变行为

在Gleeble1500热模拟试验机上对20CrMoNb齿轮钢进行了不同温度处理以及连续冷却相变实验,使用光学显微镜、透射电子显微镜以及膨胀曲线方法研究了齿轮钢20CrMoNb加热时奥氏体晶粒尺寸变化及连续冷却相变行为.实验结果表明,加热温度在1050℃以下时,奥氏体晶粒细小;超过此温度,NbC粒子数量因溶解而大大降低,对晶界的钉扎作用消失,奥氏体晶粒急剧粗化.20CrMoNb齿轮钢含有一定量的Mo、Nb元素,奥氏体比较稳定,出现先共析铁素体与珠光体的冷速很小.     

原奥氏体晶粒尺寸对珠光体钢组织及韧性的影响

探索了奥氏体晶粒尺寸对珠光体等温转变组织特征以及对韧性性能的影响规律.研究表明,在相同等温转变温度下,珠光体片层间距无明显变化,随奥氏体晶粒尺寸的增加,先共析铁素体量减少而珠光体团尺寸增加.珠光体断裂韧性受控于裂纹前沿塑性影响区尺寸(1～2)δc,其中δc为临界裂纹张开位移,当原奥氏体晶粒大于(1～2)δc时,裂纹扩展阻力主要来自穿越珠光体片层α、θ相的颈缩、破断.当原奥氏体晶粒尺寸接近或小于(1～2)δc时,裂纹主要沿晶界、珠光体团界、α+θ片层界面扩展,通过扩展路径发生多次弯折消耗能量,随原奥氏体晶粒尺寸增加,准静态断裂韧度J变化幅度较小.而冲击韧性缺口前沿塑性影响区远大于原奥氏体晶粒,大角度晶界将促使裂纹的转折而提高扩展阻力,提高裂纹前沿塑性区大角度晶界密度有利于提高冲击功,冲击韧性A随晶粒尺寸的增加显著下降.     

强磁场对微合金钢晶粒细化的作用

近来,关于外加磁场处理对钢材组织性能的影响在国内外受到普遍关注,但有关工作的研究对象大多是合金钢和高碳工具钢,关于外加磁场对低碳微合金钢组织性能影响的研究报道很少.本文主要研究了在微合金钢的热处理冷却过程中外加稳恒磁场的作用.实验结果表明,钢材热处理冷却过程中的磁场处理可以使微合金钢晶粒细化.外加稳恒磁场可诱导奥氏体向铁素体相变,即降低转变势垒,提高转变形核数量,细化相变后的晶粒.在本文的实验条件下,随着磁感应强度的升高,晶粒尺寸减小.当磁感应强度在0.1特斯拉以下时,对晶粒细化的影响不大.磁场产生的晶粒细化作用可使试样相变后铁素体显微组织均匀,这种均匀的金相组织分布明显不同于加速冷却产生的不均匀金相组织.     

基于参数优选的人工神经网络的Mg-Al-Ca系铸态合金晶粒尺寸预测模型

基于全排列组合训练优选的建模参数,建立了铸态Mg-Al-Ca系合金的人工神经网络晶粒尺寸预测模型。对比传统试探法参数所建模型,该模型具有更高的平均相关系数和更低的平均误差,对检验数据的平均预测误差为6%。此外,通过模型预测了不同Al、Ca含量对Mg-Al-Ca系铸态合金晶粒尺寸的影响。结果表明,当Al含量在2.0%～3.0%、Ca含量在2.5%～3.5%时,可获得晶粒较小的Mg-Al-Ca系铸态合金,其尺寸约为150μm。预测结果和实验结果相吻合。     

高碳钢奥氏体晶粒长大的预测

借助于高温共聚焦显微镜(CLSM)、透射电镜(TEM)研究含Ti钢和无Ti钢的奥氏体晶粒长大行为。试样在1123~1473K之间保温60min时测量一系列温度下不同保温时间的奥氏体晶粒尺寸。结果表明:两种钢奥氏体晶粒尺寸随着温度的上升而增大;另外,两种钢奥氏体晶粒尺寸随时间的延长而长大,并符合抛物线方程。并且,观察到了第二相粒子,用第二相粒子的熟化公式和体积公式分别计算两种钢的含Ti粒子尺寸与体积分数。同时,采用修正的Gladman公式预测两种钢的奥氏体晶粒长大,实验结果和预测结果吻合较好。     

钢的奥氏体晶粒度显示新方法

介绍了采用两种不同工艺热处理后,用常规制备金相试样的方法可以很好地显示42CrMoS4V,34CrNiMo6和20CrMnTiH钢的奥氏体晶粒度的新方法。     

人工神经网络在钢铁材料研究中的应用

人工神经网络是近年发展起来的模拟人脑生物过程的具有人工智能的系统,在钢铁材料研究中有着广阔的应用前景.人工神经网络可根据钢的化学成分和/或加工工艺参数对微观组织、相变温度和时间及性能等做出快速准确预测,并可用于研究钢的上述各影响因素间的相互关系.研究人工神经网络也可用于钢的冶金过程及钢的表面处理过程工艺参数的预测及控制.     

Product Assembly Cost Estimation Based on Artificial Neural Networks

1　ＩｎｔｒｏｄｕｃｔｉｏｎＤｕｒｉｎｇｔｈｅｐｒｏｄｕｃｔｄｅｓｉｇｎｓｔａｇｅ ,ｉｔｉｓｎｅｃｅｓｓａｒｙｔｏｅｓｔｉｍａｔｅｐｒｏｄｕｃｔｃｏｓｔｓｏｔｈａｔｗｅｃａｎｕｓｅｔｈｉｓｉｎｆｏｒｍａｔｉｏｎｔｏｅｖａｌｕａｔｅｔｈｅｐｒｏｄｕｃｔｄｅｓｉｇｎｅｃｏｎｏｍｉｃａｌｌｙ ,ｔｏａｄｊｕｓｔｔｈｅｄｅｓｉｇｎｓｃｈｅｍｅｔｏｒｅｄｕｃｅｃｏｓｔｉｎｔｉｍｅａｎｄａｓａｃｏｎｓｅｑｕｅｎｃｅｔｏｃｏｎｔｒｏｌｔｈｅｐｒｏｄｕｃｔｃｏｓｔｅｆｆｅｃｔｉｖｅｌｙ .Ｔｈｅｐｒｏｄｕｃｔｃｏｓ…     

基于高维输入小波神经网络的热连轧机产品质量模型

小波神经网络是一种以小波函数为激励函数的神经网络。现有的小波神经网络局限于低维,本文提出一种适合高维输入的小波神经网络建模方法,对几种小波函数与学习算法进行了比较实验,成功地解决了32维输入的大型多辊热连轧机钢板材质量建模问题。     

BP神经网络对陶瓷材料烧结性能预测的研究

用C＋＋语言建立了BP神经网络模型,并用TZP陶瓷材料的烧结性能数据进行训练及预测。预测结果表明,BP神经网络可以用于陶瓷材料的浇结性能的预测,并且精度较高。     

奥氏体不锈钢热轧加工性能的数学模型研究

钢的热加工性能是钢的热轧工艺设计的基础.奥氏体钢在热加工中涉及到众多的物理现象,如动态回复、动态再结晶、静态回复、亚动态再结晶、静态再结晶和晶粒长大.一个优秀的描述钢的热加工性能的数学模型可以优化热轧工艺,提高生产效率,改善产品质量.综述了奥氏体不锈钢在热加工中发生的各类物理现象及其相对应的数学模型,讨论了变形温度、变形参数与流变应力、再结晶以及再结晶晶粒度之间复杂的关系,并分析了在工业多道次轧制工艺中,如何应用这些数学模型模拟和预测轧钢过程中残余应变和其内部组织的演变过程.     

基于人工神经网络的光纤智能结构变形信息的分析与处理

利用光纤系统的微弯损耗原理,通过对光纤智能结构进行承载,采用人工神经网络的方法,对试验系统接收到的包含光纤智能结构变形信息的数据进行了处理与变形位置判定.结果表明:人工神经网络的方法可以有效地分析和处理光纤智能结构的变形信息,确定变形位置.