耦合物理冶金和神经网络方法预测钢材的性能

摘要

本文提出一种物理冶金和神经网络相结合的方法来预测钢材的力学性能.首先,根据热轧件的工艺过程,应用物理冶金方法判断钢材在线的再结晶过程与相变过程,推断最终相的组织,应用回归分析的方法,建立包括成分、组织及个别工艺参数的多重的回归分析,确定组织与性能的对应关系,包括抗拉强度、屈服强度、伸长率.另一方面,为提高延伸率的预测精度,采用BP神经网络方法,通过大量数据的自学习训练,完成神经网络模型的预测对抗拉强度、屈服强度、伸长率的预测,并进一步比较二者的预测精度,提高在线的预测能力.