基于人工神经网络的中碳含钒微合金钢热变形流变应力预报

以0.33C,0.40Si,1.50Mn,0.099V(wt%)的中碳含钒微合金钢在应变速率为0.005～30 S-1、温度为750～1050℃条件下的单向热压缩变形实验数据为样本数据,用商用软件matlab6.5构建BP人工神经网络模型.经实验数据验证,该模型预测的流变应力结果可靠.研究结果表明:利用人工神经网络方法建立热变形流变应力预测模型,适用于预测一定温度与应变速率范围内(0.1～0.9)应变处的热变形流变应力,为控制轧制工艺参数提供参考.与常用的表征稳态或峰值应变处的流变应力与温度和应变速率关系的Arrhenius方程相比,应用范围更广.     

基于人工神经网络的AZ91镁合金高温流变应力模型研究

针对目前采用数理统计方法建立的流变应力模型的缺点，本文基于Gleeble-1500热模拟试验机等温压缩AZ91镁合金的实验数据。采用L—M算法的人工神经网络．建立了该合金高温塑性变形时流变应力预测模型。研究结果表明，采用神经网络对流变应力建模是可行的。其预测结果与实验值的平均误差小于4％，具有较高的预报精度和推广能力，同时能宏观反映出材料在塑性变形过程中的动态力学行为。     

20CrMo合金钢热压缩变形流变应力研究

在Gleeble-3500热模拟试验机上进行了20CrMo合金钢的热压缩试验,研究了材料在高温时流变应力的变化规律.变形温度为900、1000、1100和1200℃,应变速度为10、1和0.1 s<'-1>,变形量为70%.结果表明:20CrMo合金钢的真应力-真应变曲线在变形温度为900℃、应变速率为10s<'-1>的条件下,出现了应力不连续屈服现象.可采用Arrhenius方程描述20CrMo合金钢的高温热变形行为,材料的变形激活能Q为650kJ/mol.     

X12合金钢高温流变应力行为及位错密度演变规律

为研究X12合金钢高温流变应力行为及其热变形过程中位错密度的演变规律,在温度为1050~1250℃、应变速率为0.005~5 s^-1、变形程度为50%的条件下,采用Gleeble-1500 D热模拟试验机对X12合金钢进行了热压缩实验,并采用XRD分析了该材料不同变形条件下位错密度。结果表明:X12合金钢在该实验温度及应变速率范围内有典型的动态再结晶特征。基于热压缩实验数据求出了X12合金钢的热变形激活能Qact为531.095 kJ/mol,并构建了X12合金钢的Arrhenius高温流变应力模型,模型计算值与试验值吻合情况良好,平均相对误差为2.52%。不同变形条件下的X12合金钢总位错密度均在1014 cm^-2以上,并且X12合金钢总的位错密度随应变速率增加而增加,随变形温度升高而减少。     

35CrNi3MoV钢高温流变应力模型

采用Ｆｏｒｍａｔｏｒ－Ｐｒｅｓｓ热模拟试验机研究了３５ＣｒＮｉ３ＭｏＶ钢的热变形行为。变形条件为：温度１１３３－１４５３Ｋ，变形速率０．０１５－０．０５Ｓ＾－１，应变０．０８－０．５。此外，本文还获得了该钢的变形激活能。     

基于径向基网络的结构损伤程度检测

为了对悬臂梁缺口形式的损伤程度进行评估,以缺口深度为衡量标准,将径向基网络与传统的结构损伤检测相结合,运用有限元方法以及MATLAB软件对一种低碳钢材料的悬臂梁损伤进行了损伤模拟,并对径向基神经网络进行了训练,以相关试验数据对该方法进行了验证,证明了其可行性,为进一步实现飞行器的结构健康监测打下了基础,具有一定的指导意义。     

基于径向基函数近似模型的板料自由折弯成形回弹预测

为实现对钣材V形自由折弯的有效控制,首先建立了V形自由折弯卸载前上模下压量模型,并基于此理论模型在有限元分析软件ABAQUS中运用显示和隐式相结合的方法,对板材V形自由折弯成形与回弹过程进行有限元仿真。然后以板料回弹量为试验指标,以板料厚度、板料弹性模量、上模圆角半径和下模开口宽度为影响因子,每个影响因子取5个水平数,设计了正交试验。根据正交试验方案及结果,建立自由折弯板料成形回弹的径向基函数近似模型。通过仿真试验与实际折弯试验对模型进行了验证,回弹预测角度误差为±0. 8°,验证了方法的可行性,为下一步应用于自主研发的折弯机数控系统提供支持。     

松弛法研究微合金钢碳氮化物的应变诱导析出行为

在Ｇｌｅｅｂｌｅ上采用应力松弛方法,研究了一种ＮｂＴｉＶ微合金化钢奥氏尖变诱导析出行为,结果表明：实验钢的沉淀析出ＰＴＴ曲线最典型的“Ｃ”曲线形状,沉淀发生具有一个最快析出温度,大致９００－９２０℃,奥氏体预变形加速沉淀析出过程的进行,使ＰＴＴ曲线向左上方偏移,奥氏体中的沉淀相形貌有球形和方形两种,其中方形沉淀相是均热过程中的未熔质点,以ＴｉＮ为主,球形深沉是应变诱导析出相。     

基于径向基函数神经网络的管道缺陷漏磁场分析

管道缺陷漏磁场的量化研究一直是个难题，提出了应用径向基函数（RBF）神经网络来对漏磁场插值计算和非线性逼近的必要性，建立了适合该问题的RBF网络模型，给出了学习算法，制作了常见的人工凹坑缺陷，并对其用该方法进行插值和漏磁场曲面重构。结果表明，该模型算法收敛速度快、自适应性强、所需数据量小、计算量少、拟和曲面效果好，能很好地反映缺陷漏磁场的分布，比其它插值方法更方便、有效，为管道缺陷检测量化提供了一种可行的方法。     

A NEURAL NETWORK-BASED MODEL FOR PREDICTION OF HOT-ROLLED AUSTENITE GRAIN SIZE AND FLOW STRESS IN MICROALLOY STEEL

1.IntroductionThepredictionofhot--rollingcontrolparameters,suchasrollingtemperature(Td),strain(5)andstrainrate(t)isvitalforthehot--rolledsteelqualityassurancesystemll].FOrthestructuralevolutionofmicroalloysteelisverycomplicatedinthehog--roilingprocess,theresearobesonthepredictionofthestructuralperformanceofhotmrolledsteelranilltogreatdifficultiesbothinsideandoutsideChinainrecentyears,anditwasespeciallydifficulttofindavalidmathematicalmodeltosimulatethehot--rollingprocess.Itisgenerallyimpossib…     

人工神经网络预测变形高温合金的持久强度

基于对变形镍基高温合金在不同温度和时间条件下合金成分及其持久强度数据归一化处理后的反向传播神经网络模拟，得到了可以比较准确表达持久强度与合金成分、温度和时间之间复杂非线性关系的权值矩阵，由此可以对镍基合金在不同温度和时间条件下的持久强度进行预测．结果表明，用神经网络预测的持久强度与实验结果吻合良好，从而证实了该网络模型的准确性和适用性．     

组合人工神经网络模型预测海水腐蚀速度的研究

针对误差反传(BP)人工神经网络在海水腐蚀预测建模中的样本数量有限和隐含层单元数难以确定的问题,提出了结合使用自组织特征映射(SOM)网络和径向基函数(RBF)人工神经网络方法预测海水腐蚀速度.首先采用SOM对样本进行分类,再使用RBF进行样本训练和建模,并对A3钢和16Mn钢的海水腐蚀速度进行了预测.结果表明,该方法能够增强了网络局部泛化能力,提高了预测精度和计算速度.     

BP神经网络在碳钢及低合金钢大气腐蚀预测中的应用

根据我国大气腐蚀网站积累的环境数据和材料腐蚀数 据，采用人工神经网络方法，建立了碳钢及低合金钢的腐蚀率与大气环境腐蚀性因素间的预 测模型，讨论了气象、环境因素的选取，及不同的网络输出层变换函数对预测结果的影响。 结果表明，该模型能较准确地预测钢的大气腐蚀速率。     

FLOW STRESS OF STEEL 55SiMnVB AT HIGH TEMPERATURES AND HIGH STRAIN RATES

Based on the analyses of hot-deformation mechanism of the steel,a new constitutive equationdescribing the flow stress of steels was derived.The flow stress data of steel 55SiMnVB havebeen determined at 900—1200℃,strain rates of 1—100s~(-1)and true-strain of 0.08—0.8.Anavailable evaluated formula on the flows tress has been obtained by means of non-linearregression.It can express clearly the physical process of hot-deformation.     

FLOW STRESS MODEL FOR HARD MACHINING OF AISI H13 WORK TOOL STEEL

1. Introduction The manufacturing process of dies/molds is one of the most demanding tasks in manufacturing en- gineering. Complex workpiece geometries, high material hardness as well as short lead time are among the main obstacles. At the same time, quality requirements become more and more important due to in- tensified competition and quality awareness. Traditionally, the production of molds/dies generally in- volves conventional machining in the annealed (soft) state, followed by heat trea…     

HOT DEFORMATION BEHAVIOUR OF Nb-BEARING LOW CARBON STEEL AND PREDICTION OF FLOW STRESS FOR METALS DURING PLASTIC DEFORMATION

Experimental investigation of hot deformation behaviour of Nb-bearing low carbon steel14MnNb was carried out by Gleeble 1500 simulator.Regressive analysis was made of the re-lationship between deformation onditions and steady state flow stress during hot deformationand the peak fliw stress corresponding to dynamic recrystallization.Clarification was alsodescribed for the influence of strain-induced Nb(C.N)precipitation on the activation energyof deformation.On the basis of analyzing the processes of dislocation multiplication and re-coveries from cross-slip of screw dislocation and from climb of edge dislocation during plasticdeformation of metals.the theoretical mpdel to predict flow stress under the condiltions of dy-namic recorery and recrystallization occirred simultancously was developed,The predictionabout flow stress in practice,under various deformation conditions by the model seems in fairagreement with the experimental results.     

含Nb低碳钢的热变形行为和金属塑性形变中流变应力的预测

利用Gleeble 1500模拟试验机对含Nb低碳钢的热变形行为进行了实验研究,对热变形稳态流变应力和发生动态再结晶时的峰值流变应力与变形条件的关系进行了回归分析,阐述了由于形变诱发Nb(C,N)化合物沉淀对形变激活能的影响,在对金属塑性变形过程中位错增值,螺型位错交滑移回复和刃型位错攀移回复过程分析的基础上,建立了可预测动态回复和动态再结晶同时发生情况下的流变应力理论模型,并对不同变形条件下的流变应力进行了预测,预测结果与实验结果相当吻合。     

神经网络在预测高温高压环境中油管钢腐蚀速率的应用

简要综述了神经网络的发展概况及相关理论，并利用 Matlab软件中的神经网络工具箱成功地建立了预测油管钢腐蚀速率的神经网络模型，实践证明神经网络预测结果与实验值吻合较好.最后通过现场实验数据检验了神经网络的泛化能力，表明其预测结果与现场实验结果相近.