基于BP神经网络算法的耐磨钢热处理工艺优化.pdfVIP

HotWorkingTechnology2016，Vo1．45，No．22

基于BP神经网络算法的耐磨钢热处理工艺优化

路泽永

(承德石油高等专科学校，河北承德067000)

摘要：以耐磨钢牌号、淬火温度、淬火冷却方式、回火温度和回火冷却方式作为输入层参数，以硬度作为输出层参

数，采用BP神经网络算法构建了耐磨钢热处理工艺优化的BP神经网络模型，并进行了模型的预测和应用验证。结果

表明，该模型的输出参数平均相对预测误差为2．2％，具有较好的预测能力和较高的预测精度。与生产线现用工艺相比，

采用BP神经网络模型优化工艺热处理后的NM360、NM400、NM500耐磨钢的磨损体积分别减小26％、26％、28％。

关键词：BP神经网络；耐磨钢；热处理；工艺优化；硬度

DOh10．14158／j．cnki．1001-3814．2016．22．046

中图分类号：TG156文献标识码：A文章编号：1001-3814(2016、22—0168-04

HeatTreatmentProcessOptimizationofWearResistantSteel

BasedonBPNeuralNetworkAlgorithm

LUZeyong

(ChengdePetroleumCollege，Chengde067000，China)

Abstract：Takingwearresistancesteelgrades，quenchnigtemperature，quenchnigcoolnigmode，~mpefingtemperature

andtemperingcoolnigmodeasniputlayerparameters，andtakinghradnessasoutputlayerparameter，BPneuralnetwork

modelforheatrteatmentprocessoptimizationofwearresistantsteelwasestablishedbyusingBPneuralnewtorkalgorithm．

Andthevalidationsofpredictionandapplicationofthemodelwerecarriedout．Theresultsshowhtathteaveragerelative

predictionerrorofhteoutputparametersofhtemodelis2．2％．whichhasbetterforecastingabilityandhigherprediction

accuracy．Comparedwihthteprocessofproductionline，hteweravolmuesofNM360，NM400，NM500weraresistantsteel

aRerheatrteatmentusedprocessoptimizedbyBPneuralnewtorkmodeldecreaseby26％，26％and28％，respectively．

Keywords：BPneuralnewtork；wearresistantsteel；heatrteamtent；processoptmiization；hradness

磨损是工件失效的主要形式之一，磨损造成了Propagation)神经网络技术是一种按误差逆传播算

能源和原材料的大量消耗。耐磨钢是一种非常重要法训练的多层前馈网络。它在性能预测、销售预测、利

的钢种，是当今耐磨材料中用量最大的一种。广泛应润预测、工艺优化等方面具有很好的应用效果[9-姗。目

用于农业机械、工程机械、电力机械、矿山机械、煤炭前，关于耐磨钢热处