胡其平
,
赵颖超
,
赵明纯
,
花村年裕
材料研究学报
doi:10.3321/j.issn:1005-3093.2008.02.008
碳锰钢中有亚微米和微米两种晶粒尺寸的铁素体,在亚临界时效热处理中具有不同的晶粒长大行为.亚微米尺寸的铁索体在亚临界时效热处理中逐渐长大,材料的硬度逐渐降低;与亚微米尺寸的铁索体不同,微米尺寸的铁素体在亚临界热处理中具有很高的稳定性,晶粒尺寸和材料的硬度基本保持不变.铁素体晶粒的长大行为与晶粒的表面能和晶粒中的第二相有关.
关键词:
金属材料
,
碳锰钢
,
时效
,
晶粒长大
,
硬度
,
亚微米尺寸铁索体
吴思炜
,
周晓光
,
曹光明
,
史乃安
,
刘振宇
,
王国栋
钢铁
doi:10.13228/j.boyuan.issn0449-749x.20150584
在应用C-Mn钢工业大数据进行神经网络建模时，如果将大量原始数据不加处理或者经过简单的剔除异常值处理后进行建模，很容易建立满足一定精度要求的模型。但是，如果进一步研究模型的规律性，却常常有违背客观规律的情况。这是由于原始数据中大量的数据相互干扰和生产数据的离散分布造成的。因此在建模过程中，需要将冗余和误差较大的数据剔除，保证训练数据和预测数据的均匀分布，这样能够在减小建模的计算量的同时保证数据具有显著的规律性，从而建立出合理的模型。文章利用Bayes神经网络建立了多种牌号C-Mn钢力学性能预测模型，并对影响屈服强度的工艺参数进行了分析。经统计，屈服强度和抗拉强度的预测数据中分别有96.64%和99.16%的数据预测值和实测值绝对误差在±30 MPa之内，伸长率的预测数据中有85.71%的数据预测值和实测值绝对误差在±4%内。
关键词:
大数据
,
建模
,
Bayes神经网络
,
C-Mn钢
,
屈服强度
周旭东
,
刘香茹
,
李俊
,
王健
机械工程材料
doi:10.11973/jxgccl201703016
采用热力模拟试验机对碳质量分数为0.159 1%的碳锰钢冷轧板进行了不同温度和时间的等温退火热处理,对热处理后的拉伸性能进行了测试,依据加权方法建立了分段拉伸性能数学模型,并进行了验证.结果表明:试验钢的屈服强度随等温温度的升高及保温时间的延长而降低,抗拉强度总体上随等温温度升高和保温时间而降低,但变化规律较复杂;伸长率的变化趋势与强度的变化趋势相反;建立的数学模型具有较好的精度,计算得到的屈服强度、抗拉强度和伸长率与试验值的相对误差分别为3.93%,3.21%和19.91%.
关键词:
碳锰钢
,
等温退火热处理
,
拉伸性能
,
数学模型
