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％.
参考文献
| [1] | 付玲;刘延斌;李飞.热处理工艺对Cr26型高铬铸铁组织与性能的影响[J].材料热处理学报,2015(3):40-44. |
| [2] | 聂辉文;聂俊红;潘清林.热处理工艺对高铬铸铁 Cr20力学性能的影响[J].金属热处理,2015(9):183-186,187. |
| [3] | 肖平安;张霞;范安平;曹杰义;李晨坤.高综合性能亚共晶高铬铸铁的烧结制备[J].粉末冶金材料科学与工程,2015(1):78-85. |
| [4] | 吴伟;李艳霞;刘翊安;韩静涛;赵军.淬火温度对离心铸造碳钢-高铬铸铁复合管组织及硬度的影响[J].铸造,2015(9):920-922. |
| [5] | 吴伟;李艳霞;韩静涛;赵军;陈久川;刘翊安.离心铸造碳钢-高铬铸铁复合管组织及性能研究[J].铸造,2015(4):336-338,342. |
| [6] | 李秀兰;周新军;谢文玲;马幼平.合金化对高铬铸铁相析出的影响[J].金属热处理,2015(7):78-81. |
| [7] | 赵越超;朱鹏程;孙方红.稀土镧对高铬铸铁力学性能的影响[J].铸造,2015(7):692-693,698. |
| [8] | 刘环;邹德宁;闫东娜;于军辉.基于人工神经网络的超级马氏体不锈钢淬火力学性能预测[J].热加工工艺,2011(20):150-153. |
| [9] | 李新城;陈楼;张绘;张云.基于主成分分析与BP神经网络的激光拼焊板力学性能预测[J].热加工工艺,2012(5):173-175. |
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%