焊接学报
銲接學報
한접학보
TRANSACTIONS OF THE CHINA WELDING INSTITUTION
2008年
1期
106-108,112
,共4页
白世武%童莉葛%刘方明%王立
白世武%童莉葛%劉方明%王立
백세무%동리갈%류방명%왕립
高强度管线钢%夏比冲击韧性参数%人工神经网络
高彊度管線鋼%夏比遲擊韌性參數%人工神經網絡
고강도관선강%하비충격인성삼수%인공신경망락
使用VC++6.0建立了多层BP人工神经网络模型预测高强度管线钢焊接接头韧性参数夏比冲击(CVN)值.根据现场X70管线钢焊接参数,选择平均线能量、壁厚、预热温度、焊接位置和取样位置作为模型输入量,建立了节点数为14的一个隐层,激活函数为Sigmoid型的接头韧性参数CVN预测程序.194组样本数据均来自现场焊接数据,随机选取150组样本作为训练样本,其余44组样本作为预测结果的检验样本.分析了神经网络结构对预测结果的影响.预测值误差在20%以内的样本占测试样本数的77%.结果表明,在高强度管线钢焊接中,基于ANN(artificial neural network)的CVN预测方法可为合理选择焊接工艺参数提供一种有效途径.
使用VC++6.0建立瞭多層BP人工神經網絡模型預測高彊度管線鋼銲接接頭韌性參數夏比遲擊(CVN)值.根據現場X70管線鋼銲接參數,選擇平均線能量、壁厚、預熱溫度、銲接位置和取樣位置作為模型輸入量,建立瞭節點數為14的一箇隱層,激活函數為Sigmoid型的接頭韌性參數CVN預測程序.194組樣本數據均來自現場銲接數據,隨機選取150組樣本作為訓練樣本,其餘44組樣本作為預測結果的檢驗樣本.分析瞭神經網絡結構對預測結果的影響.預測值誤差在20%以內的樣本佔測試樣本數的77%.結果錶明,在高彊度管線鋼銲接中,基于ANN(artificial neural network)的CVN預測方法可為閤理選擇銲接工藝參數提供一種有效途徑.
사용VC++6.0건립료다층BP인공신경망락모형예측고강도관선강한접접두인성삼수하비충격(CVN)치.근거현장X70관선강한접삼수,선택평균선능량、벽후、예열온도、한접위치화취양위치작위모형수입량,건립료절점수위14적일개은층,격활함수위Sigmoid형적접두인성삼수CVN예측정서.194조양본수거균래자현장한접수거,수궤선취150조양본작위훈련양본,기여44조양본작위예측결과적검험양본.분석료신경망락결구대예측결과적영향.예측치오차재20%이내적양본점측시양본수적77%.결과표명,재고강도관선강한접중,기우ANN(artificial neural network)적CVN예측방법가위합리선택한접공예삼수제공일충유효도경.
