M2(HSS)热处理工艺的神经网络优化研究.pdfVIP

HotWorkingTechnology2016，Vo1．45，No．20

M2(HSS)热处理工艺的神经网络优化研究

刘徽．黄宽娜

(乐山师范学院，四州ft．山614004)

摘要：采用3x12x2三层拓扑结构，以退火温度、淬火温度、回火温度作为输入层参数，以抗弯强度和磨损体积为

输出层参数，构建了M2高速钢(HSS)热处理工艺的神经网络优化模型。并对模型进行了训练、预测验证与现场应用。

结果表明：该神经网络优化模型有高的预测能力和预测精度，输出的抗拉强度和磨损体积的平均预测相对误差分别为

1．93％、1．89％。与原结果相比，使用神经网络优化工艺参数热处理的M2高速钢的抗弯强度增加35％、磨损体积减小

41％。M2高速钢的最佳退火、淬火和回火温度分别为：(810~10)、(1230~10)、(520~10)℃。

关键词：神经网络；热处理工艺；M2高速钢(HSS)；力学性能；耐磨损性能

DoI：10．14158／j．cnki．1001-3814．2016．20．054

中图分类号：TG162．6；TP183文献标识码：A文章编号：1001．3814(2016)20．O188—04

ResearchonNeuralNetworkOptimizationforHeatTreatmentProcess

ofM2(HSS)

LIUHui．HUANGKuanna

(LeshanNormalUniversity，Leshan614004，China)

Abstract：Takingannealingtemperature，quenchingtemperatureandtemperingtemperatureasinputlayerparameters，

andtakingbendingstrengthandwearvolumeasoutputlayerparameters，theneuralnetworkoptimizationmodelforheat

treatmentprocessofM2hi曲speedsteels(HSS)WflSbuiltbyusingthreelayerstopologystrucutreof3x12x2．Andthemodel

wastrained，verifiedandappfiedonline．Theresultsshowhtathteneuralnetworkoptimizationmodelhashighprediction

abiliytandpredictionaccuracy．Theaveragerelativepredictionerrorsofhteoutputofhtetensilestrengthandwearvolumeare

1．93％and1．89％，respectively．Comparedwiththeoriginalresults，htebendingstrengthofM2highspeedsteelofheat

rteamtentbyusingprocessparametersofneuralnetworkoptimizationincreasesby35％，andhtewearvolumedecreasesby

41％．Theoptimalannealingtemperature，quenchingtemperautreandtemperingtemperatureofM2highspeedsteelare(810~

lO)，(1230+10)and(520_+10)~C，respectively．

Keywords：neuralnewtork；heatrteamtentprocess；M2highspeedsteel(HSS)；mechnaicalproperties；wearresistance