基于人工神经网络和Ms点的钢的成分反向设计

作者：张炎财

来源：内燃机与配件, 2018, (16): 203-207.

DOI：10.19475/j.cnki.issn1674-957x.2018.16.108

• 人工神经网络
• Ms点
• 训练
• 反向设计

本文基于人工神经网络(ANN)和马氏体转变开始温度(Ms点)对钢的成分进行反向设计。首先设计了径向基函数(RBF)人工神经网络模型,用"舍一法"训练了模型,使其具有良好的预测性能。然后,用训练后的模型对钢的成分进行了反向设计,得到的散点大致分布于45°角平分线附近,统计学指标为:均方差均<0.12,相对均方差均<0.18,拟合值均>1.96,表明基于人工神经网络和Ms点的钢的成分反向设计精度高。最后,用神经网络模型研究了钢中其余元素和Ms点对碳含量预测的影响。计算结果显示:钢中其余元素和Ms点对碳含量预测的影响是非线性的,这主要是钢中各元素、Ms点间存在相互作用造成的。

• 单位
  福建水利电力职业技术学院