用人工神经网络建立了熔敷金属性能的预测模型该模型的学习结果同试验值之间有很好的对应关系.用该模型研究了杂质元素S、P、O、N对熔敷金属低温韧性的影响规律预测结果表明:随着O、N含量的增加,熔敷金属的低温韧性显著下降;S对低温韧性基本无影响;随着P含量的增加低温韧性有所增加.在不同的S、P含量水平下,低O低N时的熔敷金属具有很高的低温韧性,高N低O时的次之,高N高O时的低温韧性最差
参考文献
[1] | 赵启林.吕程,王国栋,钢铁研究,1,44(1999)(ZHAO Qilin., Lu Cheng., WANG Guodong, Research on Iron & Steel, 1, 44(1999)) |
[2] | 李孝安,神经网络与神经计算机导论(西安,西北工业大学出版社,1994)p.10(LI Xiaoan, Introduction to Neural Network and Neural Computer (Xi'an, Northwestern Polytechnical Uni-versity Press, 1994) p.10) |
[3] | 冯贺滨,李连诗,刘明哲钢铁,35(6),37(2000)(H.B.Feng, L.S.Li, M.Z.Liu, Iron and Steel, 35(6), 37(2000) |
[4] | 谭长瑛,焊接学报,12(3),161(1991)(TAN Changying, Transaction of the China Welding Institution, 12(3), 161(1991)) |
[5] | 罗兴宏.微合金化对抗氢蚀钢使用性能的的影响,中国科学院金属研究所博士论文(1997)(LUO Xinghong, The Effect of Microalloying on Performance of Hydrogen Resistant Steel, PhD. Paper.Institute of Metal Research, Chinese Academy of Sciences (1997)) |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分:
-
10%
-
20%
-
30%
-
40%
-
50%