基于人工神经网络的齿轮钢窄淬透性预报模型的研究

摘要

对齿轮钢淬透性预报的研究现状进行了综述,结合人工神经网络理论在预测模型方 面的应用,运用BP神经网络对齿轮钢淬透性进行了详细分析.采用基于Matlab人工神经网 络工具箱的BP人工神经网络建立了关于生产20CrMnTiH齿轮钢的淬透性与化学成分之间 关系的非线性网络模型,选择9 x12 x2三层网络结构及基于Levenberg-Marquardt优化算法 和改进的误差函数的训练函数trainbr,运用BP神经网络对20CrMnTiH齿轮钢淬透性模型进 行了网络设计.对转炉连续生产的100炉实际数据进行初始化,经过训练分析,在训练步数 1 000步时,系统误差基本上稳定在0.02以内,达到了预测仿真的精度要求.经过回归分析, 实测值与预测数据线性相关系数均在0.93以上,结果表明人工神经网络具有容错性好,通用 性强等优点,端淬控制模型具有高的准确性,可实现窄淬透性的控制,适用于工业化生产,能够 实现成分微调与窄淬透性的在线控制.采用优化后的淬透性预报模型成功地进行了 20CrMnTiH子钢号的开发,实现了窄成分的控制.