偏最小二乘法和人工神经网络在硼钢淬透性预测中的应用研究

《偏最小二乘法和人工神经网络在硼钢淬透性预测中的应用研究》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、偏最小二乘法和人工神经网络在硼钢淬透性预测中的应用研究专业：材料加工工程硕士生：刘晓燕导师：赵西成教授摘要淬透性是硼钢的重要工艺性能，它关系到硼钢的生产、使用以及新钢种的开发。因此，开展硼钢淬透性预测的研究，对推动硼钢的应用和研究具有重要意义。本文将偏最小二乘法(PLS)和人工神经网络技术(ANN)应用于硼钢淬透性的预测，分别建立了硼钢淬透性和化学成分之间的PLS模型和ANN模型，并对两种预测模型的建立和预测结果进行了分析讨论。采用改进BP算法的ANN模型对硼钢的单点端淬值、多点端淬值和淬透性曲线进行了预测，预测精度均高于标准BP算法ANN模型、经验公式和PLS模型的预测精度。为了进

2、一步验证ANN模型的可行性，对20MnVB钢的淬透性曲线进行了预测，预测结果与实验结果非常吻合，端淬值偏差在_+2HRC内的命中率为90％。利用本文建立的硼钢淬透性ANN预测模型，分析了碳含量、硅含量、锰含量、钒含量和硼含量对20MnVB钢淬透性的定量影响。在技术标准(GB3077—82)规定的成分范围内，增加锰含量可显著提高钢的淬透性，钒含量和硼含量对淬透性的影响甚微。通过对硼钢淬透性ANN预测模型的进一步研究，发现利用该模型可以进行硼钢化学成分的设计，为新钢种的开发提供了一种新途径。上述结果表明，本文所建立的改进BP算法的ANN硼钢淬透性预测模型预测精度高，完全可用于生产实际。为

3、了方便使用所建立的模型预测硼钢的淬透性，采用MATLAB6．5编制了硼钢淬透性预测软件。关键词：人工神经网络；偏最小二乘法；硼钢：淬透性论文类型：应用研究ApplicationofPartialLeastSquaresandArtificialNeuralNetworkinPredictingofHardenabilityofBoronSteelsSpecialty：MaterialsProcessingEngineeringName：LiuXiaoyanInstructor：Prof．ZhaoXichengAbstractnehardanabilityisanimportantte

4、chnologicalpropertyofboronsteels．Itisconnectedwithproductionandapplicationofboronsteelsanddevelopmentofnewsteelgrade，Therefore，itisnecessarytostudythepredictionofhardenabilityofboronsteels，further,topromotetheapplicationandresearchofboronsteels．PLSmodelandANNmodeltostudytherelationshipbetweenha

5、rdenabilityandchemicalcompositionofboronsteelsareestablishedbyPLSandANN．Atthesametime，theestablishmentofPLSmodelandANNmodelandtheirspredictionresultsareanalyzed．Hardnessvalueofonepdint，hardnessvaluesofseveralpointsandhardenabilitycllr．gesofboronsteelsarepredictedbyANNmodelbasedontheimprovedBP(B

6、ackgroundPropagation)networkarithmeticanditismuchmoreaccuratethanANNmodelbasedonthenormalBPnetworkarithmetic，experienceformulaandPLSmodelusingthesamesetofdata．Furthermore，theperformanceofANNmodelbasedontheimprovedBPnetworkarithmeticisexaminedwithhardenabilityCIITVCSof20MnVBsteels．Thereisagoodco

7、nformityofthepredictionresultswithexperimentalresults．nehitroteofboronsteels’hardenabilitygets90％whenerrorofpredictingvaluesrangeisfrom-2HRCto2HRC．TheANNmodelofpredictionofboronsteels’hardenabilityisusedtoanalyzequantitativelythei