应用回归和神经网络方法预测热轧带钢性能
来源期刊:金属学报2003年第10期
论文作者:冯峰 李强 詹志东 莫春立 李殿中
关键词:热轧带钢; 神经网络; 回归;
摘 要:针对Q235B热轧带钢性能预测系统,提出一种回归分析和神经网络相结合的方法来预测其力学性能.首先,测量材料最终相的组成与铁素体的晶粒度,应用多重回归分析的方法,建立成分、相体积分数、晶粒尺寸与抗拉强度、屈服强度、延伸率的对应关系.另一方面,采用BP神经网络方法,结合相变动力学模型的计算数据,通过大量数据的自学习训练,完成神经网络模型对抗拉强度、屈服强度、延伸率的预测.预测结果表明,应用神经网络和回归分析方法,具有较高的预测精度.
冯峰1,李强1,詹志东1,莫春立1,李殿中1
(1.中国科学院金属研究所,沈阳,110016;
2.沈阳工业学院材料科学与工程分院,沈阳,110168)
摘要:针对Q235B热轧带钢性能预测系统,提出一种回归分析和神经网络相结合的方法来预测其力学性能.首先,测量材料最终相的组成与铁素体的晶粒度,应用多重回归分析的方法,建立成分、相体积分数、晶粒尺寸与抗拉强度、屈服强度、延伸率的对应关系.另一方面,采用BP神经网络方法,结合相变动力学模型的计算数据,通过大量数据的自学习训练,完成神经网络模型对抗拉强度、屈服强度、延伸率的预测.预测结果表明,应用神经网络和回归分析方法,具有较高的预测精度.
关键词:热轧带钢; 神经网络; 回归;
【全文内容正在添加中】