基于人工神经网络的结构钢回火后力学性能预测

利用多层前向神经网络，使用B－P算法对结构钢回火性能预测进行了研究。通过利用99种钢450余组训练数据样本对神经网络进行训练，建立了结构钢回火后的力学性能与金属成分和回火温度之间的隐性函数。并针对训练用样本不足的问题，设计了为网络提供自学功能软件，在钢完全淬透的前提下，用此神经网络模型可在一定精度范围内预测结构钢的回火力学性能。     

铝青铜力学性能人工神经网络模型的建立和应用

采用MATLAB的BP人工神经网络,以铝青铜的化学成分作为输入参数,其抗拉强度σb、屈服强度σ0.2和伸长率δ作为输出,建立了高强度船用螺旋桨铝青铜的力学性能预测模型。计算结果表明,三项输出的预测值与实测数据接近,其相对误差基本在±2%～±7%,因此,该模型对高强度船用螺旋桨铝青铜的生产具有一定的指导意义。     

基于人工神经网络的焊接接头力学性能预测系统

对神经元网络在焊接接头力学性能预测上的应用做了探索,训练了焊接方法包括焊条电弧焊、气体保护焊、埋弧焊和TIG焊的抗拉强度、屈服强度、断后伸长率和断面收缩率模型.并在此基础上设计完成了基于人工神经元网络的焊接接头力学性能预测系统.利用可视化界面编程技术和数据库技术制作了友好的人机用户界面.焊接接头力学性能预测系统包括添加...     

基于人工神经网络的材料力学性能的预测与评估

以白口铸铁力学性能与成分的关系为研究对象，以L9(3^4)型正交实验数据作为训练学习样本，以与正交实验成分有关的任意6个样本作为预测与评估样本，用学习率为0．5的一层10节点隐含层的BP神经网络进行了预测和评估，结果表明不加评估方案时，训练12913次，其最大误差不超过8％；在加评估方案时，训练了34919次，其最大误差为19．74％。因此，用正交实验测得的数据作为样本进行训练学习，可以对与正交实验成分有关的其余样本进行预测与评估，结果是令人满意的、现实的、可行的。人工神经网络与正交实验相结合，能大大节省时间和费用。     

铸钢件耐磨堆焊层人工神经网络成分预测

阐述了人工神经网络在耐磨铸钢堆焊成分预测中的意义和工作原理，用自行编制的人工神经网络程序计算了铸钢件堆焊层的化学成分。     

基于人工神经网络的超级马氏体不锈钢淬火力学性能预测

利用人工神经网络(ANN)方法建立了超级马氏体不锈钢(SMSS)淬火工艺参数与力学性能的预测模型.模型输入单元为淬火温度、保温时间和冷却方式,输出单元为抗拉强度、屈服强度和伸长率;网络为3-9-3结构,动量因子为0.2,采用提前终止法与Levenberg-Marquardt算法相结合训练网络,以实验结果验证网络的可靠性.预测结果表明,抗拉强度、屈服强度和伸长率相对误差绝对值的最大值分别为2.2050％、1.4393％和8.4211％.该模型可为SMSS热处理工艺制定提供参考依据.     

熔敷金属力学性能人工神经网络预测法的应用

在实测样本的基础上,用人工神经网络建立了熔敷金属力学性能的预测模型。该模型预测的结果同实验值之间有很好的对应关系。利用该模型研究了杂质元素S,P,O,N和合金元素C,Mn,Ti对熔敷金属低温韧性的影响,并采用正交实验的方法得出了较佳的熔敷金属化学成分。本文的研究为熔敷金属力学性能的设计和控制提供了有效的途径。     

基于人工神经网络的凝固组织晶粒尺寸预测

通过分析强脉冲电磁场作用下铝合金凝固组织晶粒尺寸实验数据,并结合人工神经网络,建立了强脉冲电磁场作用下铝合金凝固组织晶粒尺寸的人工神经网络BP算法模型。研究结果表明,用该神经网络模型进行了模拟得到的计算结果和实验数据吻合得较好,因此这一方法可用来对强脉冲电磁场作用下的凝固组织晶粒尺寸进行预测和控制,为优化实验设计提供了简便、实用的方法和手段。     

基于人工神经网络的低碳贝氏体钢回火组织预测

低碳贝氏体钢经控轧控冷后,在不同温度下进行回火处理,获得了不同冷却速度、终冷温度和回火温度下的贝氏体室温组织.结合实验数据和神经网络知识,建立了具有BP算法的人工神经网络,训练结束后的神经网络即成为低碳贝氏体钢回火组织预测模型.误差分析表明,该神经网络模型具有较高的精度,可用于指导低碳贝氏体钢热加工工艺的制定.     

人工神经网络设计及其在非调质钢力学性能预测中的应用

在实验数据的基础上,利用人工神经网络建立了非调质钢的抗拉强度、屈服强度、断面收缩率和断后伸长率等力学性能与合金成分对应关系的模型.将合金成分作为网络的输入,非调质钢的力学性能作为网络的输出,来训练网络预测非凋质钢的力学性能,与实测值比较获得了满意的结果.为高性能材料设计提供了一个辅助手段.     

Development of prediction model for mechanical properties of batch annealed thin steel strip by using artificial neural network modelling

It is important to predict the mechanical properties of thin steel strip when it is produced by rolling. For this purpose we have used artificial neural networks (ANN) and the data acquisition system of Rautaruukki Hämeenlinna Works. This paper shows that it is possible to predict accurately the mechanical properties thin steel strip, by using ANN modelling and the measurement data of the process. The prediction model can be used in different ways. For example the effects of process parameters can be evaluated and the controllable parameters can be changed in such a way that the process yields the desired mechanical properties.     

基于人工神经网络的A357合金力学性能预测(英文)

A357铝合金零件一般都需要经过热处理(T6状态)以获得优异的力学性能。这类零件的性能取决于固溶温度、固溶时间、人工时效温度及人工时效时间。在本研究中,建立了基于反向传播(BP)算法的人工神经网络(ANN)模型,对A357合金的力学性能进行预测,研究了热处理工艺对该合金性能的影响。结果表明,所建立的BP模型能够对A357合金的力学性能进行有效且精度高的预测。良好的神经网络预测能力能够直观地反映A357合金的热处理工艺参数对其力学性能的影响。绘制抗拉强度和伸长率的等值线图形有助于清晰地找到抗拉强度和伸长率之间的关系,可为实际生产中热处理工艺参数的选择提供技术支持。     

主成分分析结合神经网络技术在焊接质量控制中的应用

介绍了主成分分析方法及人工神经网络技术在相关因素分析和质量控制的建模与估计中的应用。以大电流MAG焊熔宽控制为例，通过对6个焊接过程参数进行主成分分析，提取出影响熔宽的4个主要因素。讨论了提取的主成分与原始过程参数间的关系。以主成分得分作为新的训练样本集，送入神经网络进行计算。结果表明，基于主成分分析的神经网络无论在收敛速度，还是在训练精度上，都远远优于基本BP神经网络。     

Modeling of mechanical properties of as-cast Mg-Li-Al alloys based on PSO-BP algorithm

Artificial neural networks have been widely used to predict the mechanical properties of alloys in material research.This study aims to investigate the implicit relationship between the compositions an...     

人工神经网络在预测斜轧穿孔毛管偏差中的应用

斜轧穿孔中毛管质量与许多工艺参数，如辊型，送进角，顶头前伸量及温度，以及设备性能参数如穿孔机刚度，加工精度和顶杆振动等有关。传统的轧制理论难以解决其质量问题，应用人工神经网络则能较好地解决毛管质量的预测问题，应用实测的工艺参数与其对应的毛管精度参数，训练和学习网络的权值和阈值，建立起模拟穿孔机生产的数学模型，即网络模型，预测了毛管偏差及合理的工艺参数。     

利用模糊神经网络技术预测焊接接头力学性能

探讨一种自适应模糊神经网络(adaptive fuzzy neural networks,ANFIS)预测焊接接头力学性能的方法.通过测定TC4钛合金TIG焊接头的抗拉强度、抗弯强度和延伸率,结合焊接工艺参数建立了用于焊接接头力学性能预测的自适应模糊神经网络模型.利用该模型,并使用BP算法和BP算法与最小二乘相结合的混合算法,采用不同的输入变量隶属度函数、模糊子集数、迭代次数,对焊接接头力学性能进行了ANFIS仿真.结果表明,当采用混合算法,且模糊子集数为3时,网络训练和预测结果平均误差均远小于7%.能够满足实际生产的要求.使用MATLAB和Visuall C 混合编程开发了基于ANFIS焊接接头力学性能预测软件,可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和延伸率等力学性能进行较为准确地预测,为焊接接头的质量预测与控制提供了一条简捷、有效的新途径.     

Parameter selecting and quality predicting of spot welding based on artificial neural networks

This paper proposes a procedure for using artificial neural networks (ANN) in spot welding, and estabishesspot wilding parameter selecting ANN systems and sopt welding joint quality predicting ANN systems.It has been provedthat the ANN systems have high prediction precision ,providing a new way of parameter selecting and quality predicting in spot welding.     

基于人工神经网络的P20钢热处理工艺

用BP人工神经网络及材料微观分析方法研究了热处理工艺对P20钢硬度的影响。结果表明,BP网络能根据淬火及回火温度精确预测P20钢热处理后的硬度;BP网络预测结果表明,P20钢经800～920℃淬火及530～650℃回火,在给定的淬火温度下,随回火温度的增加硬度急剧降低;在给定的回火温度下,随淬火温度的增加硬度略有增加。材料微观分析表明:这主要归因于回火温度升高造成的碳化物长大和α相的回复程度的加剧及淬火温度升高造成的碳及合金元素固溶量的增加。