侯利明
,
刘丽丽
,
张作泰
,
王习东
钢铁
针对高炉初渣、中间渣组分多变特别是FeO含量高等问题,系统研究了CaO-SiO2-Al2O3-FeO-MgO五元渣系的黏度及组分对黏度的影响规律,并建立了基于WEB的神经网络-遗传算法（ANN-GA）系统的高炉渣黏度预报模型。结果表明,该模型对高FeO渣系的黏度预报值与试验结果吻合较好,误差在20%以内。通过模型预报获得的各因素对渣黏度影响的规律与文献及试验结果一致。
关键词:
高炉
,
初渣
,
中间渣
,
黏度预报
,
神经网络
张纯禹
材料科学与工程学报
doi:10.3969/j.issn.1673-2812.2003.01.013
简要介绍三种现代优化算法,综合利用主成分降维技术、人工神经网络技术和遗传算法技术,在V-PTC材料介电性能和五个影响因素之间建立神经网络模型,然后应用遗传算法搜索最高电阻值和相应的配方.结果表明:现代优化算法在分析合理选择的样本数据,总结其中的数值规律,进而对材料性能进行优化设计方面,具有重要的应用价值.
关键词:
优化算法
,
主成分分析
,
神经网络
,
遗传算法
,
优化设计
,
陶瓷材料
刘雪峰
,
马胜军
,
刘锦平
,
谢建新
材料工程
doi:10.3969/j.issn.1001-4381.2009.01.003
以Gleeble-1500热模拟试验机上高温压缩实验所得实测数据为基础,根据BP(Back Propagation)人工神经网络算法原理,建立了Cu-12%(质量分数,下同)Al合金高温压缩变形过程真应力与真应变、应变速率和变形温度关系的神经网络预测模型.结果表明:BP神经网络用于Cu-12%Al合金高温压缩变形过程的本构关系建模是可行的,真应力预测值与实验值之间的平均相对误差小于1.8%,可很好地反映实际变形过程的特征.
关键词:
Cu-12％Al合金
,
高温变形
,
变形全过程
,
本构关系
,
神经网络
李志峰
,
麻永林
,
冯岩
,
宫美娜
,
邢淑清
钢铁
基于现场生产冷轧极薄不锈钢带材表面硬度极难控制的问题,针对301S不锈钢的冷轧生产工艺进行了研究,分析了不锈钢冷轧生产过程中影响表面硬度的相关工艺参数,得出材料的抗拉强度、轧制速度、轧制油温度和压下率是影响轧后材料表面硬度的关键因素.利用BP神经网络建立了预测表面硬度的非线性映射模型,并根据此模型得出了预测数据的趋势图谱.研究结果表明,压下率的变化对冷轧不锈钢表面硬度的调节能力最强,而其他参数对硬度的影响为10HV左右.经检验,模型的预测值和实测值的相对误差为-2.63％～2.76％,预测结果准确率高,可以用于产品质量的现场在线控制.
关键词:
冷轧
,
不锈钢
,
神经网络
,
工艺参数
,
硬度预测
侯延辉
,
刘志义
,
柏松
,
马飞跃
,
柳葆生
材料热处理学报
研究不同时效温度下(165℃、200℃、250℃)时效工艺对Al-Cu-Mg-Ag合金力学性能的影响,在此基础上,采用LevenbergMarquardt算法训练神经网络对样本进行学习,在溶质原子在两种强化相中的定量关系尚不存在的前提下,建立了以时效温度与时间为输入参数和抗拉强度、屈服强度与伸长率为目标函数之间的函数关系.发现在目标函数为0.0005,隐层节点数为11,学习率为0.1时,系统误差较小.利用所建立的网络模型预测不同时效状态下材料的力学性能,发现预测数据与实验数据吻合良好,证明了网络的可靠性,为进一步研究工艺参数对力学性能的影响规律和工艺的优化设计提供了理论依据.
关键词:
时效
,
Levenberg-Marquardt算法
,
神经网络
,
析出相
,
模型
阎加强
,
单松高
,
伍卫琼
,
张培新
,
隋智通
硅酸盐通报
doi:10.3969/j.issn.1001-1625.1999.03.013
研究了基于神经网络的ZrO2-SiC材料中原位SiC生成量预报模型,运用材料制备过程中的工艺参数,实现了SiC生成量的预报.结果表明:本模型具有良好的预报效果,人工神经网络是材料性能定量预报的一种有效方法.
关键词:
神经网络
,
性能预报
,
反应烧结
,
原位复合
李家新
,
周莉英
,
唐成润
钢铁
对高炉铁水硅含量预报的统计模型、神经网络模型和神经网络方法加统计方法的综合模型三种预报模型作了对比，结果表明：用神经网络方法和统计模型综合预报的效果较好，离线模型预报结果±0.1命中率达到86.67%，为高炉铁水硅含量预报引入神经网络方法的实现提供了实例。
关键词:
高炉
,
硅含量
,
预报
,
神经网络
,
统计模型
鲁海洋
,
孙宇
,
朱艳春
,
曾卫东
钛工业进展
doi:10.3969/j.issn.1009-9964.2010.04.006
在Thermecmastor-Z型热模拟试验机上对BT20钛合会进行了变形温度800～1100℃及应变速率0.001～70 s-1的热模拟压缩实验.以实验数据为基础,运用BP神经网络算法原理,建立了BT20钛合金在高温变形条件下的应力与应变、应变速率和变形温度关系的预测模型,并对模型的泛化能力进行了误差评价.结果表明:通过BP神经网络建立的合金本构关系模型具有较高的预测精度,预测结果的相对误差均在3%以内,能很好地满足实际应用的需求.此外,该模型能够客观、真实地描述BT20钛合金的高温动态变形行为,为材料高温本构关系模型的建立提供了快捷、有效的工具.
关键词:
神经网络
,
BT20钛合金
,
高温变形
,
本构关系
李文峰
,
徐科
,
杨朝霖
,
高阳
,
周鹏
钢铁
研究了BP网络、LVQ1网络、LVQ2网络所构建的分类器的性能,将这3种分类器用于中厚板表面缺陷的自动分类中.从现场在线采集中厚板的表面缺陷图像,将每幅表面图像划分成64×64大小的子图像,对子图像进行FFT变换,得到子图像的幅值谱.将幅值谱中心区域内的像素灰度值作为特征量,分别输入给BP网络、LVQ1网络、LVQ2网络所构建的分类器模型,试验表明LVQ2网络能够得到理想的分类效果.
关键词:
中厚板
,
表面缺陷
,
表面检测
,
神经网络
