用人工神经网络分析Ni含量对新型空冷贝氏体钢CCT图的定量影响
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
维普资讯
第 ４卷
第１ 期
华北科 技学院学 报
２０ 年 １ ０７ 月
用 人 工 神 经 网络 分 析 Ｎ 含 量对 新 型 空冷 贝 氏体 钢 ｉ Ｃ Ｔ图 的定 量 影 响① Ｃ
刘亚 秀 ， 徐卫 红２由 伟２ 白秉哲３方鸿 生３ ， ， ，
０ ０ ４ ．（ ＋Ｎｂ ．０ ％ Ｔｉ ＋ｖ） ｏ一０ ２ ％。 ．０
２ ３ Ａ Ｎ 模型 的训练 和预 测 ． Ｎ
本 文 采 用 “留 一 法 ” （Ｌ ａ ｅ ｌ Ｏ ｔ ｅｖ－ ｅ ｕ Ｏｒ — ｍｅ ｏ） ｆ Ａ Ｎ模 型 以及 评 价模 型 的预测 能 ｔ ｄ［ 练 Ｎ ｈ
力。具体做法如下 ： 假设数据库 中有 Ｎ个样本， 第 次 ， 本集 中取出第 一个样本 ， 从样 用其余 Ｎ一１ 个样本训 练网络 ， 然后 用训 练得 到 的 Ａ ＮＮ模 型对 取出的那个样 本进 行 预测 ； 二次 ： 第 一 次取 出 第 将 的样本放回样本库 ， 取出第二个样本， 同样用剩余 的 Ｎ一１ 样本训练 网络 ， 个 然后用训 练得到的 Ａ ＮＮ 模型对此次取出的样本进行预测……， 如此依次进 行， 用预测结果来 评价 ＡＮ Ｎ模型 的预测性 能 。
首先测试 了神经网络模 型的预测性能 ， 对几种新型空冷贝 氏体钢 Ｃ－＂ ＿ｑ 图的预测结果和 实测结果 的比较说 明 Ｌ
我们设计 的 Ａ Ｎ 模型具有较高 的预测精度和 可靠性。然后用人工 神经网络模型分 析 了 Ｎ 含 量对 ａ 图 Ｎ ｉ
的定量影 响。结果表 明， 含量增 加会使 钢 的奥 氏体形成 温度 下降 ， Ｎｉ 推迟 高温 转变、 中温转 变和马 氏体转 变 。人工神经 网络模 型的计 算结果 与材料科学理论 相符 。 关键词 ：新型空冷贝 氏体钢 ； Ｃ 图；人工 神经网络；Ｎ 含量 ； ＣＴ ｉ 定量影 响
中图分类号 ： １ ３ ＴＰ ８ 文献标识 码 ： Ａ 文章编号 ：１７ —７ ６ （ ０ ７０ —０ ５ —０ ６ ２ １９ ２ ０ ）１ ０ ２ ６
１ 前言
清华大学方鸿生教授和郑燕康教授发明的新 型空冷贝氏体钢具有性能优 良、 成本低廉等特点 ， 在 生产上 得 到广泛 应用 。 在新 钢种 的研 制过 程 中 ， 冷奥 氏体 连 续 冷 过 却转变（ Ｃ ） Ｃ Ｔ 图起 着重要作用 ： 研究者可以据此 预测 工件 经过 热 处 理 后 的组 织 和性 能 ， 后 根 据 然 性 能要求 进行 成分 或工 艺 的优化 。 在新型空冷贝氏体钢中， ｉ Ｎ 是一种重要的合 金 化元 素 ， 钢 的组织 和性 能具 有重 要影 响 ： 可 对 它 以有 效地 推迟 钢 的高温 转变 ， 高其 淬透性 ， 利 提 有 于钢在 空冷 条 件 下 获 得 贝 氏体 组 织 。此 外 ， 还 它 可 以使钢的贝氏体开始转变温度（ 点） 降低 ， 使 钢在连续冷却过程中避免出现粒状贝氏体和上贝 氏体组织 ， 而获得 强 韧性更 好 的下 贝 氏体 组织 。 基 于 Ｎｉ 的重 要 性 ， 了解 Ｎｉ 量对 新 型 空 冷 含 贝 氏体 钢 的 Ｃ Ｔ 图的影 响具 有重 要意 义 ， 助 于 Ｃ 有 新产品的组织 、 性能预测以及合金设计。 人工 神 经 网络 （ ＮＮ） 从 二 十 世 纪八 十 年 Ａ 是 代初 发展 起来 的一 种 新 型 的计 算 方 法 ， 擅 长 处 它 理输入 与输 出因素 间存在 复杂 的非 线性 关 系的 问 题［ 川。本 文用人 工 神 经 网 络模 型分 析 了 Ｎｉ 量 含 对新型空冷贝氏体钢的 Ｃ Ｔ图的影响。 Ｃ
０． ８ ，Ｓ０． ２— １ ４ ５％ ｉ ０ ． ３％ ，Ｍ ｎ ． ８— １ ９ ％ ，Ｃ Ｏ２ ．８ ｒ
０— １ ２ ． ０％ ．Ｎｉ １ ０ ％ ，Ｍ ｏ ０— ． ５ Ｏ一 ０． ４ ， — ５ ％ Ｂ０
２ 实 验 方 法
２ １ 人工 神经 网络模 型 ． 本 文 中所用 的人 工神 经 网络 为反 向传播 网络 （ Ｐ网络 ）网络包 括三层 ： 入层 、 出层 及 隐含 Ｂ ， 输 输 层 。输 入层 的 每个 节 点 代 表 各 个 输 入变 量 ， 隐含
层 的节 点数 不确 定 ， 出层 的节 点 代 表 各个 输 出 输 变量 。网络 的学 习采 用反 向传播算 法 的附加 动量
法， 学习速率取为 ００ ， ．５ 动量项 系数取为 ０ ５ 最 ．， 大循 环次数 设 为 ８０ ０ ０次 。
２ ２ 数据 库 ．
人工神经网络在工作之前需要用一些数据进 行训 练 。本 文 中 ， 据库 中的数 据 来 源 于下 面几 数 个 方面 ： １ 本溪 钢铁 厂和清华大学合编的过冷奥 氏 ） 体转变 图集［ ； ２ ２ ）美 国金 属 学 会 编 写 的过 冷奥 氏体 转 变 图
集［ ； ３ ］
３ ）鞍钢 钢 铁 研 究 所 编写 的过 冷 奥 氏体 转 变 曲线 图集 【 ቤተ መጻሕፍቲ ባይዱ ；
４ 哈尔滨焊接研究所编写 的低合金钢焊接 ） Ｃ Ｔ 图册 ｌ ； Ｃ ５ ５ ｌ 钢 铁 协 会 编 写 的 焊 接 用 钢 ｒ图 ）Ｅ本 集［ ； ６ ］
６ ）日本 钢 铁 协 会 编 写 的低 碳 钢 连 续 冷 却转 变 图集 【 ； ７ ）清华 大学 贝氏体钢研 究组 的测试 结果 。 数 据 库 中所 有 钢 的 成 分 范 围 为 ： ．６— Ｃ ００
（． １ 华北科技学 院电信工程 系， 北京 东燕郊 １ １０ ； ． ０ ６ １２ 华北科技学 院机 电工程系 ， 京 东燕郊 北 １０８） ０ ０ ４ １１０ ； ０６１ ３ 清华大学材料科 学与工程 系， ． 北京
摘 要 ：用人工神经 网络模 型分 析 了 Ｎｉ 量对 新型 空冷贝 氏体钢 的连续 冷却 转变（ ＣＩ） 含 Ｃ ＂图的定量 影响。
① 收稿 日期 ：０ ６１ ．０ ２ ０ ．２１ ② 作者 简介 ： 刘亚 秀（９ ５ ， ， １７ 一）女 河北定州人 ， 华北科技学 院电信 工程 系助理工程师。
５ ２
维普资讯
第１ 期
刘亚秀等 ： 用人工神经网络分析 Ｎ 含量对新型空冷贝氏体钢 ｃ Ｔ图的定量影响 ｉ Ｃ
第 ４卷
第１ 期
华北科 技学院学 报
２０ 年 １ ０７ 月
用 人 工 神 经 网络 分 析 Ｎ 含 量对 新 型 空冷 贝 氏体 钢 ｉ Ｃ Ｔ图 的定 量 影 响① Ｃ
刘亚 秀 ， 徐卫 红２由 伟２ 白秉哲３方鸿 生３ ， ， ，
０ ０ ４ ．（ ＋Ｎｂ ．０ ％ Ｔｉ ＋ｖ） ｏ一０ ２ ％。 ．０
２ ３ Ａ Ｎ 模型 的训练 和预 测 ． Ｎ
本 文 采 用 “留 一 法 ” （Ｌ ａ ｅ ｌ Ｏ ｔ ｅｖ－ ｅ ｕ Ｏｒ — ｍｅ ｏ） ｆ Ａ Ｎ模 型 以及 评 价模 型 的预测 能 ｔ ｄ［ 练 Ｎ ｈ
力。具体做法如下 ： 假设数据库 中有 Ｎ个样本， 第 次 ， 本集 中取出第 一个样本 ， 从样 用其余 Ｎ一１ 个样本训 练网络 ， 然后 用训 练得 到 的 Ａ ＮＮ模 型对 取出的那个样 本进 行 预测 ； 二次 ： 第 一 次取 出 第 将 的样本放回样本库 ， 取出第二个样本， 同样用剩余 的 Ｎ一１ 样本训练 网络 ， 个 然后用训 练得到的 Ａ ＮＮ 模型对此次取出的样本进行预测……， 如此依次进 行， 用预测结果来 评价 ＡＮ Ｎ模型 的预测性 能 。
首先测试 了神经网络模 型的预测性能 ， 对几种新型空冷贝 氏体钢 Ｃ－＂ ＿ｑ 图的预测结果和 实测结果 的比较说 明 Ｌ
我们设计 的 Ａ Ｎ 模型具有较高 的预测精度和 可靠性。然后用人工 神经网络模型分 析 了 Ｎ 含 量对 ａ 图 Ｎ ｉ
的定量影 响。结果表 明， 含量增 加会使 钢 的奥 氏体形成 温度 下降 ， Ｎｉ 推迟 高温 转变、 中温转 变和马 氏体转 变 。人工神经 网络模 型的计 算结果 与材料科学理论 相符 。 关键词 ：新型空冷贝 氏体钢 ； Ｃ 图；人工 神经网络；Ｎ 含量 ； ＣＴ ｉ 定量影 响
中图分类号 ： １ ３ ＴＰ ８ 文献标识 码 ： Ａ 文章编号 ：１７ —７ ６ （ ０ ７０ —０ ５ —０ ６ ２ １９ ２ ０ ）１ ０ ２ ６
１ 前言
清华大学方鸿生教授和郑燕康教授发明的新 型空冷贝氏体钢具有性能优 良、 成本低廉等特点 ， 在 生产上 得 到广泛 应用 。 在新 钢种 的研 制过 程 中 ， 冷奥 氏体 连 续 冷 过 却转变（ Ｃ ） Ｃ Ｔ 图起 着重要作用 ： 研究者可以据此 预测 工件 经过 热 处 理 后 的组 织 和性 能 ， 后 根 据 然 性 能要求 进行 成分 或工 艺 的优化 。 在新型空冷贝氏体钢中， ｉ Ｎ 是一种重要的合 金 化元 素 ， 钢 的组织 和性 能具 有重 要影 响 ： 可 对 它 以有 效地 推迟 钢 的高温 转变 ， 高其 淬透性 ， 利 提 有 于钢在 空冷 条 件 下 获 得 贝 氏体 组 织 。此 外 ， 还 它 可 以使钢的贝氏体开始转变温度（ 点） 降低 ， 使 钢在连续冷却过程中避免出现粒状贝氏体和上贝 氏体组织 ， 而获得 强 韧性更 好 的下 贝 氏体 组织 。 基 于 Ｎｉ 的重 要 性 ， 了解 Ｎｉ 量对 新 型 空 冷 含 贝 氏体 钢 的 Ｃ Ｔ 图的影 响具 有重 要意 义 ， 助 于 Ｃ 有 新产品的组织 、 性能预测以及合金设计。 人工 神 经 网络 （ ＮＮ） 从 二 十 世 纪八 十 年 Ａ 是 代初 发展 起来 的一 种 新 型 的计 算 方 法 ， 擅 长 处 它 理输入 与输 出因素 间存在 复杂 的非 线性 关 系的 问 题［ 川。本 文用人 工 神 经 网 络模 型分 析 了 Ｎｉ 量 含 对新型空冷贝氏体钢的 Ｃ Ｔ图的影响。 Ｃ
０． ８ ，Ｓ０． ２— １ ４ ５％ ｉ ０ ． ３％ ，Ｍ ｎ ． ８— １ ９ ％ ，Ｃ Ｏ２ ．８ ｒ
０— １ ２ ． ０％ ．Ｎｉ １ ０ ％ ，Ｍ ｏ ０— ． ５ Ｏ一 ０． ４ ， — ５ ％ Ｂ０
２ 实 验 方 法
２ １ 人工 神经 网络模 型 ． 本 文 中所用 的人 工神 经 网络 为反 向传播 网络 （ Ｐ网络 ）网络包 括三层 ： 入层 、 出层 及 隐含 Ｂ ， 输 输 层 。输 入层 的 每个 节 点 代 表 各 个 输 入变 量 ， 隐含
层 的节 点数 不确 定 ， 出层 的节 点 代 表 各个 输 出 输 变量 。网络 的学 习采 用反 向传播算 法 的附加 动量
法， 学习速率取为 ００ ， ．５ 动量项 系数取为 ０ ５ 最 ．， 大循 环次数 设 为 ８０ ０ ０次 。
２ ２ 数据 库 ．
人工神经网络在工作之前需要用一些数据进 行训 练 。本 文 中 ， 据库 中的数 据 来 源 于下 面几 数 个 方面 ： １ 本溪 钢铁 厂和清华大学合编的过冷奥 氏 ） 体转变 图集［ ； ２ ２ ）美 国金 属 学 会 编 写 的过 冷奥 氏体 转 变 图
集［ ； ３ ］
３ ）鞍钢 钢 铁 研 究 所 编写 的过 冷 奥 氏体 转 变 曲线 图集 【 ቤተ መጻሕፍቲ ባይዱ ；
４ 哈尔滨焊接研究所编写 的低合金钢焊接 ） Ｃ Ｔ 图册 ｌ ； Ｃ ５ ５ ｌ 钢 铁 协 会 编 写 的 焊 接 用 钢 ｒ图 ）Ｅ本 集［ ； ６ ］
６ ）日本 钢 铁 协 会 编 写 的低 碳 钢 连 续 冷 却转 变 图集 【 ； ７ ）清华 大学 贝氏体钢研 究组 的测试 结果 。 数 据 库 中所 有 钢 的 成 分 范 围 为 ： ．６— Ｃ ００
（． １ 华北科技学 院电信工程 系， 北京 东燕郊 １ １０ ； ． ０ ６ １２ 华北科技学 院机 电工程系 ， 京 东燕郊 北 １０８） ０ ０ ４ １１０ ； ０６１ ３ 清华大学材料科 学与工程 系， ． 北京
摘 要 ：用人工神经 网络模 型分 析 了 Ｎｉ 量对 新型 空冷贝 氏体钢 的连续 冷却 转变（ ＣＩ） 含 Ｃ ＂图的定量 影响。
① 收稿 日期 ：０ ６１ ．０ ２ ０ ．２１ ② 作者 简介 ： 刘亚 秀（９ ５ ， ， １７ 一）女 河北定州人 ， 华北科技学 院电信 工程 系助理工程师。
５ ２
维普资讯
第１ 期
刘亚秀等 ： 用人工神经网络分析 Ｎ 含量对新型空冷贝氏体钢 ｃ Ｔ图的定量影响 ｉ Ｃ