基于智能算法的C-Mn钢轧制工艺优化与性能预测

作者：郝坤羽; 金朝阳^*; 陈思远; 姜世杭; 李全

来源：塑性工程学报, 2022, 29(07): 87-93.

• C-Mn钢
• BP神经网络
• 支持向量机
• 力学性能

为了研究C-Mn钢的化学成分与生产工艺对其力学性能的影响，以某公司生产的实际生产数据为基础，采用BP神经网络和支持向量机对C-Mn钢的力学性能进行了预测。选取C含量、Si含量、Mn含量、粗轧出口温度、精轧出口温度、卷曲温度以及终轧厚度作为模型的输入，选取屈服强度、抗拉强度、伸长率作为模型的输出。对建立的模型引入相对误差分析并对预测精度进行比较。结果表明：BP神经网络模型的屈服强度预测精度为92.6%,相对误差为5.5%;抗拉强度的预测精度为93.9%,相对误差为3.3%;伸长率的预测精度为67.8%,相对误差为10.1%。支持向量机的屈服强度预测精度能达到95.4%,相对误差为4.2%;抗拉强度预测精度为97.9%,相对误差为2.8%;伸长率的预测精度为88.7%,相关误差为6.8%。因此支持向量机模型的预测精度要高于BP神经网络模型。

• 单位
  扬州大学