金属制品
金屬製品
금속제품
STEEL WIRE PRODUCTS
2013年
3期
39-43
,共5页
12Cr13不锈钢%热处理工艺%抗拉强度%延伸率%断面收缩率%人工神经网络%遗传算法
12Cr13不鏽鋼%熱處理工藝%抗拉彊度%延伸率%斷麵收縮率%人工神經網絡%遺傳算法
12Cr13불수강%열처리공예%항랍강도%연신솔%단면수축솔%인공신경망락%유전산법
12Cr13 stainless steel%heat treatment technological%tensile strength%elongation rate%artificial neural network%genetic algorithm
12Cr13马氏体不锈钢淬火和回火工艺参数对其力学性能影响较大,测定其热处理工艺对力学性能的影响周期长且成本高.在神经网络与遗传算法基础上建立12Cr13马氏体不锈钢热处理工艺参数与力学性能的预测模型.模型输入单元为淬火温度、淬火保温时间、冷却方式及回火温度,输出单元为抗拉强度、屈服强度、延伸率及断面收缩率.采用Traincgf算法的神经网络收敛速度快,误差小.隐含层节点单元为6,动量因子为0.6,学习速率为0.2时,网络测试的均方误差值均最小.经过网络测试的抗拉强度、屈服强度、延伸率及断面收缩率的最大相对误差绝对值分别为3.24％,2.48％,9.45％和8.82％.12Cr13马氏体不锈钢的预测模型具有结构简单,拟合精度高的特点.可利用12Cr13马氏体不锈钢热处理工艺参数预测其力学性能,为工艺优化设计提供参考.
12Cr13馬氏體不鏽鋼淬火和迴火工藝參數對其力學性能影響較大,測定其熱處理工藝對力學性能的影響週期長且成本高.在神經網絡與遺傳算法基礎上建立12Cr13馬氏體不鏽鋼熱處理工藝參數與力學性能的預測模型.模型輸入單元為淬火溫度、淬火保溫時間、冷卻方式及迴火溫度,輸齣單元為抗拉彊度、屈服彊度、延伸率及斷麵收縮率.採用Traincgf算法的神經網絡收斂速度快,誤差小.隱含層節點單元為6,動量因子為0.6,學習速率為0.2時,網絡測試的均方誤差值均最小.經過網絡測試的抗拉彊度、屈服彊度、延伸率及斷麵收縮率的最大相對誤差絕對值分彆為3.24％,2.48％,9.45％和8.82％.12Cr13馬氏體不鏽鋼的預測模型具有結構簡單,擬閤精度高的特點.可利用12Cr13馬氏體不鏽鋼熱處理工藝參數預測其力學性能,為工藝優化設計提供參攷.
12Cr13마씨체불수강쉬화화회화공예삼수대기역학성능영향교대,측정기열처리공예대역학성능적영향주기장차성본고.재신경망락여유전산법기출상건립12Cr13마씨체불수강열처리공예삼수여역학성능적예측모형.모형수입단원위쉬화온도、쉬화보온시간、냉각방식급회화온도,수출단원위항랍강도、굴복강도、연신솔급단면수축솔.채용Traincgf산법적신경망락수렴속도쾌,오차소.은함층절점단원위6,동량인자위0.6,학습속솔위0.2시,망락측시적균방오차치균최소.경과망락측시적항랍강도、굴복강도、연신솔급단면수축솔적최대상대오차절대치분별위3.24％,2.48％,9.45％화8.82％.12Cr13마씨체불수강적예측모형구유결구간단,의합정도고적특점.가이용12Cr13마씨체불수강열처리공예삼수예측기역학성능,위공예우화설계제공삼고.
