基于神经网络算法钒钛改性高铬铸铁的热处理工艺研究
来源期刊:钢铁钒钛2016年第3期
论文作者:夏鲁朋 姬姝妍
文章页码:60 - 65
关键词:高铬铸铁;钒钛改性;热处理;神经网络;耐磨损性能;冲击韧性;
摘 要:采用神经网络算法技术,以钒含量、钛含量、淬火温度、淬火冷却方式、回火温度和回火冷却方式作为输入层参数,以耐磨损性能和冲击韧性为输出层参数,可以构建出6×24×12×2四层拓扑结构的钒钛改性高铬铸铁热处理工艺优化模型。模型输出的耐磨损性能平均相对预测误差为2.8%、冲击韧性平均相对预测误差为2.5%。模型不仅具有较佳的预测能力和较高的预测精度,而且在热处理生产线上具有很好的应用效果,使产线上的钒钛改性(0.8%钒+0.5%钛)高铬铸铁的平均晶粒尺寸减小32%、磨损体积减小50%、冲击韧性提高62%。
夏鲁朋,姬姝妍
烟台工程职业技术学院
摘 要:采用神经网络算法技术,以钒含量、钛含量、淬火温度、淬火冷却方式、回火温度和回火冷却方式作为输入层参数,以耐磨损性能和冲击韧性为输出层参数,可以构建出6×24×12×2四层拓扑结构的钒钛改性高铬铸铁热处理工艺优化模型。模型输出的耐磨损性能平均相对预测误差为2.8%、冲击韧性平均相对预测误差为2.5%。模型不仅具有较佳的预测能力和较高的预测精度,而且在热处理生产线上具有很好的应用效果,使产线上的钒钛改性(0.8%钒+0.5%钛)高铬铸铁的平均晶粒尺寸减小32%、磨损体积减小50%、冲击韧性提高62%。
关键词:高铬铸铁;钒钛改性;热处理;神经网络;耐磨损性能;冲击韧性;