用人工神经网络模型预测钢的奥氏体形成温度

根据所收集的试验数据,建立了预测钢的奥氏体形成温度Ac3和Ac1点的反向传播人工神经网络模型。用散点图和均方误差、相对均方误差和拟台分值3种统计学指标评价模型的预测性能。人工神经网络预测Ac3和Ac1的3种统计学指标分别为238℃,14．6℃;2．89％,2．06％和1．8921,1.7011。散点图和统计学指标均表明人工神经网络的预测陛能优于Andrews公式。此外．用人工神经网络分析了C和．Mn的含量对Ac3和Ac1温度的定量影响．计算结果表明。C和Mn含量与Ac3和Ac1点间存在非线性关系。     

基于神经网络的铸钢奥氏体形成温度预测

以铸钢奥氏体形成的两个关键温度为研究对象,利用BP人工神经网络成功预测了奥氏体开始转变温度、全部转变结束温度,分析了合金元素对两个温度点的影响。方法弥补了传统经验公式预测的缺陷,是一种可靠的奥氏体形成温度预测方法。     

基于神经网络的铸钢奥氏体形成温度预测

以铸钢奥氏体形成的两个关键温度为研究对象,利用BP人工神经网络成功预测了奥氏体开始转变温度、全部转变结束温度,分析了合金元素对两个温度点的影响。方法弥补了传统经验公式预测的缺陷,是一种可靠的奥氏体形成温度预测方法。     

用反向传播人工神经网络预测低碳低合金钢的马氏体转变开始温度

根据收集和整理的实验数据，建立了低碳低合金钢的成分与马氏体转变开始温度(M.点)的反向传播(BP)人工神经网络，用这种方法预测了一些钢的M.点，并与用其它经验公式得到的结果进行了比较．结果表明：用人工神经网络能更精确地预测钢的M.点，预测精度明显高于其它线性经验公式．另外用正交实验法设计了几种基准成分的钢，用人工神经网络分析了几种合金元素对M.点的定量影响，计算结果表明，与传统的经验公式表达的信息不同，合金元素的含量与钢的M.点间表现为非线性关系．可以认为，这种非线性关系是由合金元素间复杂的交互作用引起的．     

用人工神经网络预测钢的贝氏体开始转变临界冷却速度

在收集的252个钢种的连续冷却转变曲线图(CCT)的基础上，用不同的人工神经网络模型预测了钢的贝氏体开始转变临界冷却速度，与实测值比较证明，不同网络模型的预测精度不同。此外，用预测精度较高的人工神经网络模型计算了合金元素Si和B的含量对贝氏体开始转变临界冷却速度的定量影响，计算结果与试验结果相符合。     

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。     

人工神经网络预测Si对空冷贝氏体钢CCT图的影响

分析了Si对新型空冷贝氏体钢CCT图的影响.采用人工神经网络对Si含量对新型空冷贝氏体钢CCT图的影响进行了定量分析.结果表明,Si提高奥氏体形成温度,促进高温转变,抑制贝氏体转变和马氏体转变.     

用人工神经网络模型预测灰铸铁件的性能

材料的成分和性能之间具有很强的非线性关系,人工神经网络是解决非线性映射关系的一种有效的手段.本文以L9(33)发动机缸盖灰铁铸件的性能与成分的关系为研究对象,在Matlab语言环境下,以型正交试验数据作为训练和预测样本,用5节点的单隐含层BP型神经网络进行了预测.结果表明:正交试验和人工神经网络相结合来预测发动机缸盖灰铁铸件的性能是有效的、切实可行的.     

连铸保护渣性能的人工神经网络模型预测

分析了连铸保护渣的化学成分和物理性能,提出了预测连铸保护渣性能的神经网络模型,根据保护渣的化学成分以该模型预测其粘度。结果表明,模型估计与观测值相当吻合。并与多元线性和非线性回归模型作了比较。     

人工神经网络在熔盐相图中间相预报中的应用

用人工神经网络方法研究熔盐相图中间相的组成、熔点和同分熔化或异分熔化等规律．研究结果可用于未知相图中间相的计算机预报．     

AB_5型贮氢合金P－C关系的人工神经网络研究

本文利用人工神经网络方法研究了ＡＢ５型贮氢合金的Ｐ－Ｃ曲线、平台宽度和平台压力等，并取得了满意的结果，表明人工神经网络可用于贮氢材料的设计     

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.     

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．     

基于人工神经网络的Nd-Fe-Co-Zr-B系永磁合金磁性的预测模型

为了优化合金成分以提高纳米复相Nd-Fe-Co-Zr-B系永磁合金磁性,采用均匀设计方法设计了Nd,Co,Zr和B的4因素6水平U18(6^4)实验方案,建立了合金成分与磁性之间的人工神经网络(ANN)预测模型．利用该预测模型对Nd-Fe-B合金的成分进行了优化．同时,利用所建立的人工神经网络预测模型研究了单个元素对Nd-Fe-B合金磁性的影响规律,以及多元素间的交互作用与合金磁性间的关系．结果表明：预测结果与实测结果吻合良好,预测结果的相对误差很小,Br的相对误差在1．66％以内,(BH)m的相对误差在1．94％以内,Hcj的相对误差在7．7％以内。     

人工神经网络在不锈钢—铝固液相压力复合研究中的应用

采用人工神经网络方法研究了助焊剂浓度，铝液温度、模具温度及压力与不锈钢－铝固液相压力复合剪切强度间的力学关系，并结合遗传算法优化了最佳复合工艺。     

人工神经网络在不锈钢－铝固液相压力复合研究中的应用

采用人工神经网络方法研究了助焊剂浓度、铝液温度、模具温度及压力与不锈钢－铝固液相压力复合剪切强度间的力学关系，并结合遗传算法优化出了最佳复合工艺．