热加工工艺
熱加工工藝
열가공공예
HOT WORKING TECHNOLOGY
2013年
20期
191-193
,共3页
Mn系低碳贝氏体钢(LCMB)%BP神经网络%回火温度%力学性能
Mn繫低碳貝氏體鋼(LCMB)%BP神經網絡%迴火溫度%力學性能
Mn계저탄패씨체강(LCMB)%BP신경망락%회화온도%역학성능
low-carbon bainitic steel (LCMB)%BP neural network%tempering temperature%mechanical properties
基于BP神经网络的方法和原理,避开寻找材料性能的本构方程,采用BP神经网络强大的映射能力来研究LCMB钢的力学性能.结果表明,随回火温度的升高,抗拉强度有明显的下降趋势,而屈服强度则没有明显的变化,小幅上下波动:伸长率则随回火温度的升高一直在增大.BP神经网络的预测精度高,系统收敛速度快,误差范围在2％以内,具有很高的可靠性,对进一步研究LCMB钢有很大促进作用.
基于BP神經網絡的方法和原理,避開尋找材料性能的本構方程,採用BP神經網絡彊大的映射能力來研究LCMB鋼的力學性能.結果錶明,隨迴火溫度的升高,抗拉彊度有明顯的下降趨勢,而屈服彊度則沒有明顯的變化,小幅上下波動:伸長率則隨迴火溫度的升高一直在增大.BP神經網絡的預測精度高,繫統收斂速度快,誤差範圍在2％以內,具有很高的可靠性,對進一步研究LCMB鋼有很大促進作用.
기우BP신경망락적방법화원리,피개심조재료성능적본구방정,채용BP신경망락강대적영사능력래연구LCMB강적역학성능.결과표명,수회화온도적승고,항랍강도유명현적하강추세,이굴복강도칙몰유명현적변화,소폭상하파동:신장솔칙수회화온도적승고일직재증대.BP신경망락적예측정도고,계통수렴속도쾌,오차범위재2％이내,구유흔고적가고성,대진일보연구LCMB강유흔대촉진작용.
