基于人工神经网络的SS400钢板力学性能预测

摘要

寻求微观组织与性能的定量关系一直是研究开发离线与在线预测系统的关键问题,针对热轧带钢SS400性能预测系统,提出了基于Matlab神经网络工具箱的神经网络解决方案.该模型采用前向神经网络,在利用BP算法的基础上,为了克服常规BP学习算法的缺陷,Matlab神经网络工具箱对常规BP算法进行了改进,采用更有效的数值优化方法,如Levenberg-Marquardt优化方法,建立了化学成分和生产的主要工艺参数与产品力学性能之间的关系.结果表明影响板带屈服强度、抗拉强度和延伸率三者的显著因素为钢板厚度和含碳量.