为了对第四钢轧厂生产的Q235B热轧板的常温夏比冲击吸收功进行预报以指导生产,根据冲击吸收功与化学成分、板的终轧厚度、屈服强度及抗拉强度、延伸率间关系的研究,分别用神经元网络法和回归法开发了预报Q235B热轧板冲击功的2种模型.研究发现,神经元网络模型预报结果和实测值吻合较好.在给定化学成分、成品厚度和实测力学性能的条件下,该模型预报Q235B热轧板的常温冲击吸收功准确度较高.
参考文献
| [1] | B Mintz .Structure-property relationships for normalised flangs for low temperature service[J].Ironmaking and Steelmaking,1999,26(01):36-40. |
| [2] | B Mintz;G Peterson;A Nassar .Structure-property relationships in ferrite-peerlite steels[J].Ironmaking and Steelmaking,1994,21(03):215-222. |
| [3] | Dunne D;Tsuei H;Sterjovski Z .Artificial neural networks for modelling of the impact toughness of steel[J].ISIJ International,2004(9):1599-1607. |
| [4] | 王邦文;杨光;徐峰 等.基于人工神经网络铝箔轧机轧制力模型[J].北京科技大学学报,1997,19(02):173-177. |
| [5] | 尹朝庆;尹浩.人工智能与专家系统[M].北京:中国水利水电出版社,2001 |
| [6] | 余宗森,袁泽喜,刘锦标.韶钢钢材化学成分特点及其对力学性能的影响[J].南方钢铁,2000(04):1-6. |
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%