孙雷剑
,
牛济泰
,
孟庆昌
材料科学与工艺
doi:10.3969/j.issn.1005-0299.2000.04.004
基于神经网络原理，对微合金钢热轧控制参数的选取进行了研究.首先，制定了一套获取样本数据的实验方案.该方案利用Gleeble-1500热力模拟机提取了轧制温度、应变量、应变速率和相应的应力应变曲线，并通过显微观察获取了实验后样品断面的奥氏体晶粒尺寸.通过归一化把实验所得数据进行必要的处理.采用BP算法训练网络，对热轧控制参数（轧制温度、应变量、应变速率）和描述微合金钢组织性能的参数（奥氏体晶粒尺寸及流变应力）之间的映射关系进行了函数逼近，建立了奥氏体晶粒尺寸及流变应力神经网络模型.实践证明，将该神经网络模型运用于热轧控制预报,提高了预测精度并取得较好的效果.
关键词:
微合金钢
,
奥氏体晶粒尺寸
,
流变应力
,
神经网络
,
BP算法
