夏鲁朋
,
姬姝妍
钢铁钒钛
doi:10.7513/j.issn.1004-7638.2016.03.012
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
