人工神经网络在热轧宽厚板性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型.在此基础上,利用神经网络对热轧管线钢力学性能进行了预测,并对预测结果与生产数据进行了比较.此外,还利用神经网络对生产工艺参数进行了优化.结果表明,将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义.     

热轧带钢力学性能预测模型及其应用

为实现对热轧带钢的屈服强度、抗拉强度、断裂延伸率等力学性能的预测及控制,利用人工神经网络技术,分别建立了根据生产工艺参数预测力学性能的质量模型,以及根据力学性能要求对生产工艺参数进行优化的逆质量控制模型.利用质量预测模型,分析得出屈服强度随卷取温度的上升而下降的变化规律,进而可以对组织性能进行在线调整,实现在线应用.     

基于卷积神经网络的热轧带钢力学性能预报

为解决热轧带钢力学性能预报精度的问题,本文提出了一种将一维数值型数据转换为二维图像型数据的建模方法,基于LeNet-5和GoogLeNet卷积神经网络,构建了一种新型的热轧带钢力学性能预报模型,并利用实际生产数据对模型的适用性进行了测试。结果表明,所建模型的抗拉强度预报误差为2.49%,均方根误差为19.15 MPa,预测精度高于BP神经网络和单独的LeNet-5和GoogleNet卷积神经网络模型,所建模型的有效性和准确性均得到了验证。     

C-Si-Mn系热轧双相钢显微组织与力学性能之间的关系

通过对热轧试样的组织性能测试,研究了热轧双相钢显微组织与力学性能之间的关系.研究发现,铁素体和马氏体强度是影响力学性能的主要因素.建立了C-Si-Mn系热轧双相钢力学性能的数学模型,可以作为热轧双相钢基本力学性能参数预测的理论依据.     

基于遗传神经网络的钢管壁厚预测模型的研究

为解决钢管热轧过程荒管壁厚难以计算的问题,首先利用遗传算法优化了BP神经网络,在这种遗传神经网络算法的基础上建立了钢管轧制前毛管温度、长度、外径、轧辊转速、芯棒直径五项工艺参数与钢管轧制后荒管壁厚之间的数学模型.经过测试,基于遗传神经网络的钢管壁厚预测模型的壁厚预测误差远小于常规壁厚公式的计算误差,为设计更合理的设置毛管参数提供了科学的依据,对钢管热轧工艺水平的提高的具有重要意义.     

神经网络技术在织机生产状况预测中的应用

为提高织机生产效率,研究了基于优化神经网络的织机生产运转状况预测方法.针对BP网络模型的缺点,在反复实验的基础上对BP网络参数、算法进行改进,建立了织机生产运转状况预测模型,并与传统的BP神经网络预测方法进行比较.实验结果表明,利用改进的BP神经网络预测织机生产运转状况时,网络收敛速度快,预测精度高,优于传统的BP网络...     

基于核主成分分析的热轧带钢头部拉窄分析

将核主成分分析方法引入热轧生产过程的监控与诊断中,根据平方预测误差统计量进行生产过程监控,然后利用数据重构和优化的邻域选取策略相结合的方法求出各工艺参数对平方预测误差统计量的作用,分析引起过程异常的主要工艺参数,最后利用仿真和热轧带钢实际生产数据进行实验.结果表明:基于核主成分分析的平方预测误差统计量能较准确诊断过程的异常,并可以找出引起异常的原因,为调整生产过程提供方法支撑,防止次品的出现.     

遗传算法优化神经网络的热轧带钢弯辊力预报模型

针对传统弯辊力预设定模型的缺陷和带钢热连轧轧制特点，利用某钢铁公司1580mm热轧线生产数据，对精轧机组末机架进行了基于遗传算法优化神经网络的弯辊力预报模型研究.以大量实际数据作为神经网络训练输入，充分考虑了输入参数之间的影响作用，模型结构简单、容易实现，其整体性能用平均绝对百分误差、均方根误差和相关系数R评价.通过将预测结果与实测结果比较，验证了模型的精度.研究发现，提出的弯辊力预测模型相比于传统模型可实现高度非线性拟合，适用于提高热轧带钢头部板形控制精度，为实际弯辊力设定提供指导和试验基础.     

C—Si—Mn系热轧双相钢显微组织与力学性能之间的关系

通过对热轧试样的组织性能测试,研究了热轧双相钢显微组织与力学性能之间的关系。研究发现,铁素体和马氏体强度是影响力学性能的主要因素。建立了C-Si-Mn系热轧双相钢力学性能的数学模型,可以作为热轧双相钢基本力学性能参数预测的理论依据。     

X70管线钢热轧过程中奥氏体再结晶模型

给出了X70管线钢热轧过程中的再结晶模型利用热模拟实验对再结晶率表达式中的常数进行了回归.并根据模型对热轧过程中的再结晶进行了计算,计算结果与实验结果相吻合.     

ANN-based Approaches for CAPP

ＡＮＮ－ｂａｓｅｄＡｐｐｒｏａｃｈｅｓｆｏｒＣＡＰＰ￥ＷａｎｇＸｉａｎｋｕｉ，ＰｎＪｉａｎ，ＷｕＤａｎ，ＸｕＺｈｏｎｇｘｉｎ王先逵，蒲建，吴丹，许忠信（ＤｅｐａｒｔｍｅｎｔｏｆＰｒｅｃｉｓｉｏｎＩｎｓｔｒｕｍｅｎｔｓａｎｄＭｅｃｈａｎｏｌｏｇｙ，Ｔｓ...     

人工神经网络在钎焊材料酸洗工艺设计中的应用

本文将前向人工神经网络技术用于酸洗工艺设计过程，建立了钎焊材料的酸洗工艺设计模型，实验证明该模型能准确预测ＣｕＺｎＡｇ钎焊材料的酸洗效益、能有效设计不同前期生产条件下的酸洗工艺。     

用人工神经网络预测岩石节理的抗剪强度

提出运用人工神经网络方法预测岩石节埋抗剪强度,在该方法中应用相对作用强度RSE确定网络中各输入因素对抗剪强度的影响程度,并根据分形节理力学性质和光弹试验数据进行网络训练、参数预测,结果表明：该方法可以用来预测岩石节理抗剪强度并推广应用。     

ANN与ANFIS的拟合能力和推广预测能力的比较研究

岩土体位移与岩土体力学参数间的映射关系,具有高度非线性的特点.寻求一种能精确描述这种非线性映射关系的方法,是众多研究者正在大力研究的问题.为此, 采用一个多峰函数对ANN和ANFIS的拟合能力和推广预测能力进行了比较研究,结果表明,ANFIS的拟合能力和推广预测能力均优于ANN,更适合于用来建立岩土体位移与岩土体力学参数间的映射关系.     

变形工艺对热轧双相钢显微组织和性能的影响

以热轧双相钢为研究对象,在实验室通过热轧实验,研究了变形量、卷取温度、终轧温度对高强热轧双相钢组织细化和力学性能的影响.通过研究可以发现,变形工艺参数对热轧双相钢的显微组织和力学性能有很大的影响,热轧双相钢的显微组织主要有三种典型微观形貌,而这三种典型形貌又赋予了双相钢不同的强韧化机制和力学性能.在实验室条件下,开发了780 MPa级以Mn,Si为主要添加元素的热轧双相钢生产工艺,可以使热轧双相钢的屈服强度达到要求的级别,并且断后伸长率良好.     

Colorant Formulation Using 3 - layer Artificial Neural Networks

The colorant formulation using artificial neural networks (ANN) was investigated in this study. A simple 3 -layer, input - hidden - output system was constructed for the recipe formulation of one - , two - , and three -dye mixtures. Comprehensive tests were carried out to explore the properties of a 3 - layer simple ANN systematically . These properties include number of neurons in the hidden layer, learning rate of the network, momentum factor of the network, as well as the number of epochs for the learning process. The tests show accurate results for one - and two - dye mixtures while less accurate but comparable results to conventional colorant formulation systems for three - dye mixtures. It is also found that the optimum values of the neural network parameters are important towards the accuracy of the colorant formulation.     

基于Kriging-PSO智能算法优化焊接工艺参数

焊接工艺参数是影响焊接成型质量的关键因素.由于工艺参数和焊接接头的力学性能之间的关系是多维隐式的,因此,提出了一种Kriging模型和粒子群相结合的优化算法,解决了在交流钨极氩弧焊中3.5mm厚镁合金薄板的工艺参数优化问题.首先通过田口正交法构建样本集,其次建立输出和输入之间的Kriging代理模型,并通过提出的算法获得最优工艺参数组合及其力学性能.结果表明:通过该算法获得的最优工艺参数组合,其对应的焊接接头的抗拉强度、屈服强度和平均显微硬度分别达到母材的97.6%,98%和91.5%,减少了经济和时间成本,提高了焊接工艺设计能力.     

开采沉陷反分析的神经网络方法研究

建立了沉陷反分析的神经网络模型,并用基于正交试验获得的训练样本对网 络进行学习,以此训练好的神经网络模型来描述岩体力学参数与开采沉陷之间的关系,利用反演结果,建立拉格朗日快速计算法(FLAC)模型,对地表沉陷进行预测,其预测结果是令人满意的。     

锌基合金与钢复合的界面特性

采用固液相复合方法获得钢／锌基合金双金属型复合材料,对复合材料界面的组织结构,力学性能,断口特征等方面做了分析,并初步探讨了不同制备工艺过程,工惨数对复合界面微观组织,。结构及力学性能的影响。     

电火花加工工艺效果建模

研究了电火花加工（ＥＤＭ）技术的加工机理。以峰值电流、脉冲宽度、脉冲间隔、抬刀时间和加工时间为输入参数,并以加工速度和表面粗糙度为输出参数,分别用神经网络技术与非线性回归技术建立了ＥＤＭ工艺模型。经过实验数据的比较,认为这两种模型均能较精确地预测出给定条件下的加工速度和表面粗糙度,反映了该机床的加工工艺规律。其中,利用神经网络建立的模型具有更高的预测精度。