基于神经网络算法钒钛改性高铬铸铁的热处理工艺研究 |
| |
引用本文: | 夏鲁朋,姬姝妍. 基于神经网络算法钒钛改性高铬铸铁的热处理工艺研究[J]. 钢铁钒钛, 2016, 0(3): 60-65. DOI: 10.7513/j.issn.1004-7638.2016.03.012 |
| |
作者姓名: | 夏鲁朋 姬姝妍 |
| |
作者单位: | 烟台工程职业技术学院,山东 烟台,264006 |
| |
基金项目: | 中国职业技术教育学会科研规划项目2014-2015年度课题(201415Y16),烟台市科技计划项目(2014GX037). |
| |
摘 要: | 采用神经网络算法技术,以钒含量、钛含量、淬火温度、淬火冷却方式、回火温度和回火冷却方式作为输入层参数,以耐磨损性能和冲击韧性为输出层参数,可以构建出6×24×12×2四层拓扑结构的钒钛改性高铬铸铁热处理工艺优化模型。模型输出的耐磨损性能平均相对预测误差为2.8%、冲击韧性平均相对预测误差为2.5%。模型不仅具有较佳的预测能力和较高的预测精度,而且在热处理生产线上具有很好的应用效果,使产线上的钒钛改性(0.8%钒+0.5%钛)高铬铸铁的平均晶粒尺寸减小32%、磨损体积减小50%、冲击韧性提高62%。
|
关 键 词: | 高铬铸铁 钒钛改性 热处理 神经网络 耐磨损性能 冲击韧性 |
Research on Heat Treatment of High Chromium Cast Iron Modified by Vanadium and Titanium Based on Neural Network Algorithm |
| |
Abstract: | |
| |
Keywords: | high chromium cast iron modified by vanadium and titanium heat treatment neural network wear resistance impact toughness |
本文献已被 CNKI 万方数据 等数据库收录! |
|