基于RBF神经网络的马氏体开始转变温度预测研究.pdfVIP

《热加工工艺》2014年3月第43卷第6期

基于RBF神经网络的马氏体开始转变温度预测研究

赵文雅

(重庆航天职业技术学院机电信息系，重庆400021)

摘要：分析马氏体转变温度的影响因素，基于RBF神经网络建立马氏体开始转变温度预测模型，对其训练至稳

定，预测钢的马氏体开始转变温度。与经验公式计算结果对比，基于RBF神经网络的马氏体开始转变温度预测模型具

有较高预测精度。对4种钢的合金元素进行定量分析，结果表明：增加C含量能降低马氏体开始转变温度；马氏体开始

转变温度与C、Si、Mn、Cr、Ni和Mo含量一般呈非线性关系。

关键词：RBF神经网络；马氏体开始转变温度；预测

中图分类号：TB31：TP391．9文献标识码：A文章编号：1001—3814(2014)06—0047．03

StudyonMartensiteStartTemperaturePredictionBasedon

RBFNeuralNetworks

ZHAOWenya

(DepartmentofMechanicalandElectronicInformation，ChongqingAerospaceCollegeofVocationalTechnology，Chongqing

400021，Chni~

Abstract：肘predictionmodelwasestablishedbasedonRBFneuralnetwork．Thefactorswhichcanaffectthe

martensiticrtansformationtemperaturewerenaalyzed．Themartensitestartinghtertansitiontemperaturewasforecastedafter

themodelwastrainedtOsatblestee1．TheresultswerecontrastedwiththeempiricalfomrulabasedonRBFneuralnewtork．M。

predictionmodelhashigherpredictionaccuracy．Thequantiattiveanalysisofthealloyingelementofhtefourkindsofsteels

shOwsthatincreasingCcontentcansignificantlyreduceMsstartingtemperature．whichaleinnon-linealrelationshipbewteen

MstemperaturenadC，Si，Mn，Cr,NiandMo．

Keywords：IFneuralnewtork；martensiticrtnasformationtemperature；forecast

钢的马氏体开始转变温度(对金属材料热处进行预测．预测效果较为理想。为获得更为准确的

理工艺的制定及材料质量和性能分析有重要意义。预测结果，本文应用RBF神经网络对马氏体转

传统的研究方法主要有膨胀法、金相法和热分析法，变温度进行预测研究，并分析合金含量对马氏体转

但它们都存在不同程度的局限性。近年来不少专家变温度的影响。

学者应用现代技术采用多种手段对点进行研究。

1基于RBF网络的温度预测模型

文献[1]通过物理试验分析热处理对旋压态2000MPa

级马氏体时效钢组织和硬度的影响。东北石油大学1．1预测模型网络结构

基于信息熵理论用声发射技术对45钢马氏体相变对合金钢温度而言，影响因素很多，包括合

温度进行了测定，与实测