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.pdfVIP

第 39卷 第 6期 金 扁 学 玫 V01．39 NO．6 2003年 6月 630— 634页 ACTA M ETALLURG ICA SINICA June 2003 PP．630—634 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 由 伟 方鸿生 白秉哲 (清华大学材料科学与工程系，北京 100084) 摘 要 根据收集和整理的实验数据，建立了低碳低合金钢的成分与马氏体转变开始温度 ( 点)的反向传播 (BP)人工神经 网络，用这种方法预测了一些钢的 ^ 点，并与用其它经验公式得到的结果进行了比较 ．结果表 明：用人工神经网络能更精确地预 测钢的 M。点，预测精度 明显高于其它线性经验公式．另外用正交实验法设计了几种基准成分的钢 ，用人工神经网络分析了几种合 金元素对 M 。点的定量影响，计算结果表 明，与传统的经验公式表达 的信息不同，合金元素的含量与钢 的 ^ 点间表现为非线性 关系．可 以认为，这种非线性关系是 由合金元素间复杂的交互作用引起的． 关键词 钢的 点，人工神经网络，合金元素 中图法分类号 TG142．14，024 文献标识码 A 文章编号 0412-1961(2003)06—0630—05 PRED ICTIN G THE M ARTEN SITIC TRAN SFoRM ATIoN START TEM PERATU RE U SIN G BA CK—PR oPA GATIoN ARTIFICIAL NEU RAL N ETW oRK S YOU W ei，FANG H ongsheng，BAIBingzhe DepartmentofMaterialsScienceandEngineering，TsinghuaUniversity,Beijing100084 Correspondent：YOU Wei，Tel：(010Fax：(010 E—mail．youweioo~mails．tsinghua．edu．cn． M anuscriptreceived 2002 08 27，in revised form 2002—12—13 ABSTRACT Theback—propagation artificialneuralnetwork wasestablished using datacollected from domesticandforeign literaturesandthe temperaturesofsom esteelswerepredictedbyusing thenetwork and compared with thoseacquired from othermethods． Resultsindicate thatthe 』 temperaturescanbepredictedmoreaccuratelyusingartificialneuralnetworks．Moreover．theinfluence ofalloyingelem entson M temperatureswasanalysed quantitatiVelyusingartificialneuralnetworks． Theresultsshow thatthereexistsnonlinearrelationshipbetweenCOntentsofalloyingelem entsin steels andtheir temperaturewhich iSrelated totheinteractionamongthealloyingelem ents． KEY W oRD S martensitic transformation temperature ofsteels，artificialneuralnetwork， alloyingelem ent 钢的马 氏体转变开始温度即