基于人工神经网络和硬度的钢的成分反向设计.pdfVIP

《热加工工艺》2014年7月第43卷第14期

基于人工神经网络和硬度的钢的成分反向设计

王松林，吴莹2’张星，贾杨

(1．中北大学材料科学与工程学院，山西太原030051；2．晋西工业集团有限公司，山西太原030027)

摘要：人工神经网络(ArtificialNeuralNetworks，简写为ANNa)是一种模仿动物神经网络行为特征，进行分布式

并行信息处理的算法数学模型。本文将人工神经网络应用与钢成分的反向设计相结合，进行新产品的辅助合金设计。与

其他方法相比，它具有预测精度高、成本低等优点，可达到较好的效果。

关键词：硬度；元素；人工神经网络；反向设计

中图分类号：TG115．9文献标识码：A文章编号：1001-3814(20114-0067-05

SteelCompositionReverseDesignBasedonArtificialNeuralNetworksandHardness

Ⅵ，ANGSonglin，、UYing2，ZHANGXing，JIAYang

(1．CollegeofMaterialScienceandEngineering，NorthUniversityofChina，Taiyuan030051，China；2．JinxiIndustrial

HoldingsLimited，Taiyuan030051，China)

Abstract：ArtificialNeuralnewtork(ANNs)referstoasNeuralnewtork(NNs)，itisakindofmodelanimalsneural

networkbehaviorcharacteristic，whichdistributeparallelniformationprocessingalgorithmmathematicalMode1．Thistopic

willbeartificialneuralnewtorkapplicationnadsteelcomponents，combinedwithhtereversedesign．Andhtenewproducts

wasdesigned．Comp~edwihtohtermehtods，ithasforecastprecisionnadlowcostadvantages，whichcnaachievegood

results．

Keywords：hardness；element；artificialneuralnetwork；reversedesing

材料局部抵抗硬物压人其表面的能力称为硬为ANN)也简称为神经网络fN-N)或称作连接模型

度，人们很多时候需要在给定的硬度下，对材料的成(ConncctionistMode1)。是一种多层前馈网络，最基本

分进行设计。材料科学工作者传统上采用“试错法”的人工神经网络是三层前馈。即输入层、隐含层和输

进行新材料的设计。该方法需要消耗大量资源和花出层单元之间的前向连接。各层次间的神经元形成

费很长的时间周期，影响新材料的研制开发进度。将相互连接，而各层次内的神经元之间没有连接。输入

人工神经网络应用与钢成分的反向设计相结合．进信息从输入层经隐含层再传递给输出层，得到网络

行新产品的辅助合金设计。与其他方法相比，它具有的实际输出，并将实际输出与期望输出相比较，把网

预测精度高、成本低等优点。络输出出现的误差归结为各连接权的过错。通过把

输出层单元的误差逐层向输入层逆向传播以分摊给

1钢的成分

各层单元，从而获得各层单元的参考误差，以便调整