微合金钢热模拟试验组织预测研究

《微合金钢热模拟试验组织预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、*微合金钢热模拟试验组织预测研究11李新城，聂传红（1江苏大学机械工程学院，江苏镇江212013）摘要：本文对微合金钢热模拟试验工艺参数：化学成分、变形温度、变形量以及变形道次等与超细晶铁素体晶粒尺寸及超细晶铁素体质量分数之间建立了映射关系。在此基础上建立了相应的微合金钢钢组织预测模型。应用遗传算法对该神经网络模型的权值进行优化，从而克服了神经网络训练速度慢，容易陷入局域极小和全局搜索能力弱等缺点，提高了神经网络的预测精度。通过实例验证表明，超细晶铁素体晶粒尺寸的预测精度达90%以上，超细晶铁素体晶粒质量分数预测精度达91%以

2、上。关键词：微合金钢组织预测神经网络遗传算法中图分类号：TP183;TG142.1文献标识码：AStudyontheMicrostructurePredictionofMiccro-alloyedSteelinThermalSimulationExperiment11LiXinchengNieChuanhong(1SchoolofMechanicalEngineering,JiangsuUniversity,zhenjiangjiangsu212013)Abstract:Themappingrelationshipbetwee

3、nthermalsimulationtechniqueparameters,suchascomponent,deformationtemperature,deformationquantityanddeformationtimes,andFfinedimensionandcontentFfine%inMicro-alloyedsteelwassetup.ThemicrostructurepredictionmodeloftheMicro-alloyedwasconstructed.Geneticalgorithm(GA)was

4、usedtooptimizetheweightsoftheartificialneuralnetwork(ANN)modeltoovercomesomeANNweaknessessuchastheslowingtrainingspeed,easytobeplungedtolocalminimumandincreasethepredictionprecision.Theexperimentsshowthatthepredictionprecisionofthesizeofultrafine-ferriteismorethan90

5、%andtheprecisionofthecontentofultrafine-ferriteismorethan91%.Keywords:Miccro-alloyedSteel,MicrostructurePrediction,NeuralNetwork,GeneticAlgorithm晶粒细化、超细化能同时提高金属材料的神经网络在微合金超细晶粒钢组织预测中的强度和韧性。关于低碳微合金钢的晶粒超细应用方法以及过程，并对网络的预测值与热模化，国内外材料研究人员已进行了一定的研拟试验值进行比较。究。结果表明：低碳微合金超细晶粒钢

6、的力学1.网络模型的建模思想性能主要受其显微组织中超细晶铁素体的质[1~2]微合金超细晶粒钢热模拟试验的组织预量分数及超细晶铁素体的尺度的影响。迅速而准确地预测钢的组织并及时调整试验工测过程是从钢热模拟试验参数的输入空间到其组织的输出空间的映射,其中输入空间包括:艺，对微合金超细晶粒钢的研制具有十分重要试验钢的化学成分(见表1),变形温度、变形的现实意义。在微合金超细晶粒钢热模拟试验量、变形道次、变形速率、间隔时间(见表2)等组织预测中，运用遗传神经网络可以提高神经12个参数。由映射定理可知,一个具有3层前馈[3]网络的收敛速

7、度和预测精度。本文阐述遗传[4]型BP网络能实现任意给定的映射。因此,本江苏省高校自然科学基金重点资助项目（项目编号：文设计的神经网络采用3层BP网络。人工神经网络已经在JISSUS304不锈钢钻孔04KJA430021)[5]的不同涂层的侧面磨损预测，delta铁素体不李新城江苏大学机械学院教授[6]锈钢焊接预测等方面得到了一系列的应用，聂传红江苏大学机械工程学院硕士生139但是由于神经网络固有的缺陷，如网络训练速或者学习规则，使得神经网络具有自进化、自度慢，容易陷入局域最小以及全局搜索能力弱适应能力，从而构造出进化的神经网

8、络，以提等，这必然使其预测精度不高。将遗传算法引高模型的预测精度，这正成为一个研究方向[7~8]入神经网络领域，以优化其连接权，网络结构。表1.试验钢的化学成分Table.1Contentofteststeel（Massfraction%）试验钢号C/%Si/%Mn/%S/%