应用人工神经网络预测50CrV4钢的变形抗力.pdfVIP

第33卷 第4期 钢 铁 Vo】．33．NO．4 1 9 9 8年 4月 lR0 AHD STEEL April I 9 9 8 钢的变形抗力 皂兰兰 军田晓春 (北京科技大学) 摘 要 以Gleeble--1500热模拟机得到的实验数据为基础，采用人工神经阿络方法建立了50CrV4锕变形 抗力与应变、应变速率和温度对应关系的预测模型，井与多元非线性回归模型比较，具有较高的精度。 关键词 三! 络兰 苎 c ee te--IS0。整! ! 回 PREDICT10N 0F FL0W STRESS OF STEEL 5OCrV4 WITH ARTIFICIAL NEURAL NETWORK GA0 Yongsheng ZHANG Peng CUI Jun TIAN Xiaochun (University of Science and Technology Beijing) ABSTRACT On the basis of the data obtained on GIeebIe一1 500 Therma1 SimuIator，the predicting models f0r the relation between flow stress and deformation strain．strain rate and temperature for 50CRY4 have been developed with Artificial Neural Network method． Comparison with nonlinear regression method，the neural network gives better results． KEY WORDS artificia1 neuraI network，flow stress，Gleeble一1500 Therma1 Simulator 1 前言 能 ’ 以及轧制过程中各道次的轧制力 ，都取得了 金属的变形抗力是表征钢材压力加工性能的一 令人满意的结果。本文通过对变形抗力的实测值利 个基本量，正确确定不同变形条件下材料的变形抗 用神经网络实现应力一应变的直接映射，无需引入 1 力，是制定合理的工艺规程必不可少的条件。以往许 任何假设的特点，直接从实验数据学习应力一应变 多研究者在建立变形抗力与变形量、变形速率和温 关系。通过利用神经网络方法得到的计算值以及利 度的关系模型时，采用的方法是根据实验结果提出 用非线性回归方法得到的计算值加以比较，表明神 一 系列基于材料物理特性或实验曲线形状的数学表 经网络方法具有良好的学习和预测精度。 达式，并从实验数据确定表达式中的材料常数，然后 2 实验方法 用于预测不同条件下的结果，并与实验结果对比，对 材料为5OCrV4钢； 原模型进行修改，以使其预测结果与实验更好地吻 化学成分见表1； 合。这种方法存在的问题是真实反映材料的物理特 试样为~i5 mm×10 mm圆柱体； 性以及变形过程的数学模型时难以确定，而且预报 实验方法是在Gleeble--1500热模拟机上进行 精度也不能满足需要。 压缩变形； 人工神经网络是一种模拟脑神经x~~l-