基于人工神经元网络原理,对影响球铁力学性能的主要参数进行了选取,介绍了在球铁力学性能预测系统中开发应用的人工神经元网络技术,对人工神经元网络的结构选型和训练进行了说明.现场运行结果表明,该系统预测结果准确,可定量得到球墨铸铁的力学性能指标.
参考文献
[1] | GuoX;Stefanescu D M;Chuhoy L et al.A mechanical properties model for ductile iron[J].AFS Transactions,1997,99:47-53. |
[2] | 柳百成;荆涛;黄天佑.铸造工程的模拟仿真与质量控制[M].北京:机械工业出版社,2001 |
[3] | 杨全;张真.金属凝固与铸造过程数值模拟[M].杭州:浙江大学出版社,1996 |
[4] | 徐建林,王智平.铸造生产中的人工智能技术[J].中国机械工程,2002(12):1077-1080. |
[5] | 赵品;谢辅洲;孙文山.材料科学基础[M].哈尔滨:哈尔滨工业大学出版社,1999 |
[6] | Barton R .Graphite -nodule number and distribution-Their effects on nodular-ghraphite iron castings[J].Foundry Trade Journal,1985,28(02):117-126. |
[7] | 赵海东;柳百成;房贵如 .球墨铸铁微观组织数值模拟及其力学性能的研究进展[J].铸造,1999,48(10):51-54. |
[8] | Hecht-Nielsen .Theory of the Back-propagation Neural Networks[J].Proceedings of IJCNN,1989,11:593-603. |
[9] | Cichocki A;Unbehauen R.Neural Networks for Optimization and Signal Processing[M].England:John Wilcyand Sons Ltd,1993 |
[10] | 徐建林.球墨铸铁金相图片分析系统[J].钢铁研究学报,2001(01):73-76. |
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%