基于ANN+GA冷轧带肋钢筋工艺参数的优化设计

运用人工神经网络技术和遗传算法模拟，分析了冷轧带肋钢筋的力学性能与工艺参数之间的非线性非显式多目标多变量的函数映射关系，创新地提出了多目标函数优化问题的单目标化思想和多目标函数中各分目标的均优理念，从而有效地实现了复杂工程技术问题的优化设计，得出冷轧带肋钢筋的合理生产工艺参数。     

冷轧带肋钢筋机械法消除应力工艺参数的实验探讨

讨论了冷轧带肋钢筋生产中,为使成品带肋钢筋得到较好的力学性能,尤其是较高的伸长率,采用机械法消除应力（反复弯曲矫直）工艺的参数选取原则,对单面矫直,双面矫直及不同压下量做了对比实验研究。     

冷轧带肋钢筋生产工艺的探讨

对冷轧带肋钢筋生产中轧制变形钢筋性能的关系进行了试验研究,并由此确立了冷轧制肋钢筋的生产工艺。     

冷轧带肋钢筋专用线材技术开发

冷轧带钢筋母材的选用是影响冷轧带肋钢筋性能的关键因素，介绍了冷轧带肋钢筋专用母材的技术开发。     

冷轧带肋钢筋在砼排水管中的应用研究

简述了冷轧带肋钢筋的生产工艺及性能。4种不同管径的砼排水管按等强度设计原则，以冷轧带助钢筋替代原用的冷拔低碳钢丝后，可节省钢材10％～31％，并提高砼排水管的裂缝荷载，破坏荷载等质量指标和安全度。     

基于人工神经网络冷轧带肋钢筋轧制工艺的优化设计

用人工神经网络的计算机辅助技术模拟冷轧带肋钢筋生产工艺的产品性能与工艺参数之间的非线性非显式多目标多变量的映射关系,从而找出其最佳的工艺方案和产品性能,获得满意的产品质量。     

冷轧带肋钢筋专用母材技术开发

冷轧带肋钢筋母材的选用是影响冷轧带肋钢筋性能的关键因素,介绍了冷轧带肋钢筋专用母材的技术开发。     

冷轧带肋钢筋的特点及其轧制工艺

在分析我国带肋钢筋发展前景及优势的基础上,介绍了冷轧带肋钢筋的力学原理及新钢福利企业公司冷轧带肋钢筋厂的生产设备工艺情况,以及产品的应用实例、发展趋势。     

冷轧带肋钢筋及焊接钢筋网的发展前景

介绍了冷轧带肋钢筋和焊接钢筋网的用途、生产工艺及特点，并指出其生产中存在的问题，分析了其发展前景，认为其市场前景广阔，目前远没有满足市场需求。     

国同冷轧带肋钢筋的生产及其设备

介绍了冷轧带肋钢筋生产工艺要点和各种生产设备的加工原理,形式及特点。     

基于人工智能的钛合金热变形工艺参数优化

在深入分析热变形工艺参数对Ti-15-3合金显微组织及成形载荷的影响的基础上,以变形温度、变形程度和变形速率等热变形工艺参数作为设计变量,以显微组织和成形力的最佳综合为目标,建立了该合金热塑性成形工艺参数的多目标优化数学模型。以显微组织参数和成形力的人工神经网络预测模型作为优化算法的知识源,将人工神经网络与修正的遗传算法相结合,对Ti-15-3合金的热塑性成形工艺参数进行优化。结果表明,提出的修正的遗传算法是有效的,采用将其与人工神经网络相结合的方法对钛合金的热塑性成形工艺参数进行优化是可行的。     

Fe-Mn-C-Al系TWIP钢热处理工艺参数优化

为提高TWIP钢的屈服强度同时保留较好的塑性,利用BP神经网络和遗传算法对热处理工艺参数进行优化。以退火温度、保温时间和冷却方式为输入,屈服强度和伸长率的乘积为输出,建立3-4-1的BP神经网络模型,再通过遗传算法寻优,得到屈服强度和伸长率的乘积最大时TWIP钢的热处理工艺参数组合。结果表明,优化后的热处理工艺为:退火温度768 ℃、保温时间35 min、冷却方式为炉冷,并通过试验验证了预测结果的准确性。     

冷轧不锈钢连续退火炉加热工艺分析及系统设计

基于冷轧不锈钢连续退火工艺及制度分析,对其连续退火炉加热系统进行了设计,通过表面能量平衡方程和能量守恒方程可计算出炉长配置及燃烧功率配置。通过实际算例与实际运行情况对比分析,得到该设计方法是有效的,能够完成从产品大纲、工艺分析基础到机组加热系统集成、布置、设备总体布置的设计过程,为后续冷轧不锈钢连续退火炉加热系统二级模型提供了理论基础。     

连续退火工艺对4.5%Cr冷轧耐候钢组织性能的影响

利用Multipas退火试验机模拟连续退火工艺,研究了退火工艺对4.5%Cr冷轧耐候钢组织性能的影响。结果表明,随着退火温度的升高,试验钢的强度先降低后增加,当退火温度为830 ℃时,强度最高,屈服强度均值为353 MPa,抗拉强度均值约为621 MPa。冷速(50 ℃/s、30 ℃/s)对试验钢强度影响有限。当退火温度≤800 ℃时,试验钢的组织只发生了回复再结晶,组织由铁素体、珠光体和碳化物组成。当退火温度＞800 ℃,铁素体组织发生了奥氏体化,冷却后形成了贝氏体。当Cr含量(质量分数)提高至4.5%,试验钢的相对腐蚀速率为26%(相对于Q345B钢),相对普通耐候钢SPA-C耐候性能提高约一倍。     

基于遗传算法和神经网络技术的板料拉深成形参数优化

结合数值模拟和人工神经网络技术．建立了板料拉深成形的加工参数（压边力和冲压速度）与其成形质量之间的映射关系，既保证了精度，又减少了数值模拟次数。在神经网络建模的基础上，利用遗传算法对板料拉深成形的加工参数进行了优化，通过实例可以看出，该方法具有较好的优化结果。     

Optimization of process parameters in explosive cladding of mild steel and aluminum

Explosive cladding is best known for its capability to join a wide variety of both similar and dissimilar combinations of metals that cannot be joined by other conventional metal joining techniques. An attempt has been made to optimize, the tensile and shear strengths of an explosive clad interface using fuzzy logic and genetic algorithm. The parameters considered for this study include flyer plate thickness, loading ratio, angle of inclination, and stand off distance. The experimental data was trained and simulated using fuzzy logic and the optimization of process parameters was performed using genetic algorithm. The optimized process parameters were validated using experimental results.     

基于CSP工艺下稀土元素对低碳钢冷轧板再结晶的影响

在实验室进行了冷轧板再结晶退火实验,结合再结晶实验结果及再结晶形核和长大动力学模型,研究了稀土元素对低碳钢冷轧薄板再结晶及晶粒长大的影响。结果表明,低碳钢冷轧薄板中加入稀土元素提高了再结晶温度,阻碍了再结晶形核及再结晶晶粒长大。低碳钢冷轧薄板中加入稀土元素增加了晶粒长大激活能。稀土元素提高了低碳钢冷轧薄板的再结晶形核激活能约3.87 kJ/mol,提高再结晶晶粒长大激活能约11.7%。     

Optimization of steel casting feeding system based on BP neural network and genetic algorithm

The trial-and-error method is widely used for the current optimization of the steel casting feeding system, which is highly random, subjective and thus ineff icient. In the present work, both the theoretical and the experimental research on the modeling and optimization methods of the process are studied. An approximate alternative model is established based on the Back Propagation(BP) neural network and experimental design. The process parameters of the feeding system are taken as the input, the volumes of shrinkage cavities and porosities calculated by simulation are simultaneously taken as the output. Thus, a mathematical model is established by the BP neural network to combine the input variables with the output response. Then, this model is optimized by the nonlinear optimization function of the genetic algorithm. Finally, a feeding system optimization of a steel traveling wheel is conducted. No shrinkage cavities and porosities are induced through the optimization. Compared to the initial design scheme, the process yield is increased by 4.1% and the volume of the riser is decreased by 5.48×10~6 mm3.