根据182组实测焊缝金属奥氏体分解温度值,分别采用线性回归方法、非线性回归方法和人工神经网络技术建立了奥氏体分解温度的预测公式或模型.结果表明:线性回归公式难以准确体现各因素与奥氏体分解温度之间的关系,引入Mo指数和ln(t8/3)函数,预测精度有所提高;考虑了各因素之间交互作用的神经网络模型预测精度高于线性和非线性回归公式的,更适合于奥氏体分解温度预测研究.
参考文献
[1] | 张文钺.焊接冶金学[M].北京:机械工业出版社,1993:239-251. |
[2] | Yeong D P;Chad L;Iman M et al.Advances in hydrogen management for high strength steel[R].U.S:Colorado School of Mines,2002. |
[3] | W.G.Vermeulen .Prediction of martensite start temperature using artificial neural networks[J].Ironmaking & Steelmaking: Products and applications,1996(5):433-437. |
[4] | 由伟,方鸿生,白秉哲.用反向传播人工神经网络预测低碳低合金钢的马氏体转变开始温度[J].金属学报,2003(06):630-634. |
[5] | 陈蕴博,左秀荣,王淼辉,李勇.人工神经网络在钢铁材料研究中的应用[J].材料导报,2009(07):1-4. |
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%