大学生数学建模-钢力学性能研究
金属材料的力学性能研究
金属材料的力学性能研究近年来,随着科学技术的不断发展,金属材料的力学性能研究进入了一个全新的阶段。
金属材料作为一种重要的工程材料,在各个领域都扮演着重要的角色。
研究金属材料的力学性能,有助于提高材料的强度和韧性,进而推动相关行业的发展。
首先,研究金属材料的力学性能对于材料强度的提高具有重要意义。
金属材料在工程中常常要承受各种载荷,如静载荷、动载荷和疲劳载荷等。
通过深入研究金属材料的力学性能,可以了解材料在不同载荷下的变形和破坏行为,从而寻找提高材料强度的方法。
例如,在镁合金的强化研究中,可以通过控制合金中的晶粒尺寸和晶界特征,来增加材料的强度。
而对于钢材来说,可以通过材料的热处理和合金化来提高其强度和塑性,从而适应不同的工程要求。
其次,研究金属材料的力学性能对于提高材料的韧性具有重要意义。
金属材料的韧性是指材料在受力时能够吸收能量的能力。
对于一些需要承受冲击和振动的工程结构,如航空航天和汽车等领域,材料的韧性显得尤为重要。
通过研究金属材料的韧性行为,可以探讨材料的断裂机制和韧性增强的方法。
例如,在铝合金的研究中,制备出具有高韧性的材料是一个重要的研究方向。
通过合理设计合金成分和加工工艺,可以有效提高铝合金的韧性,从而满足高强度和高韧性的要求。
此外,研究金属材料的力学性能对于改善材料的耐疲劳性能也具有重要意义。
金属材料在长期受到交变载荷时容易引起疲劳破坏,从而影响结构的安全性和可靠性。
通过深入研究金属材料的力学性能,可以探讨材料的疲劳寿命和断裂机制。
例如,对于高强度钢材来说,通过力学性能的研究,可以探索合适的剥离层厚度和再结合方法,以提高其疲劳寿命。
综上所述,金属材料的力学性能研究在工程领域具有重要地位。
通过深入研究金属材料的力学性能,可以提高材料的强度、韧性和耐疲劳性能,从而推动相关行业的发展。
未来,我们可以通过开展更多的实验和理论研究,进一步深化对金属材料的力学性能的认识,以满足不断发展的工程需求,并为社会的进步做出贡献。
Q235钢轴向拉伸力学性能研究报告
Q235钢轴向拉伸力学性能研究1、实验目的研究Q235钢轴向拉伸力学性能2、实验原理试件在连续机械拉伸过程中,断裂之前每时每刻的载荷都有相应的变形与之对应,在单向拉伸时F —ΔL (力——变形)曲线的形式代表了不同材料的力学性能。
对Q235钢进行机械轴向拉伸试验,同时记录下拉伸过程每时刻下的载荷和变形,在通过实验之前测定的试件直径和标距,利用:0F S σ=LL ε∆= 计算出每时刻下的应力和应变值,从而绘制出Q235钢的应力-应变曲线,通过应力-应变曲线得到Q235钢在轴向拉伸下的力学性能。
3、实验方法参照国标《金属拉伸试验方法》(GB228—87)进行试验。
本实验中的拉伸试件采用国家标准中规定的圆比例长试件,实验段直径d 0=10mm ,标距L 0=100mm 。
实验前用游标卡尺和圆规测量试件的直径d 0和标距L 0,多次测量求平均值如表1,游标卡尺的精度在±0.02mm 。
使用试验机上的力传感器测量Q235试件受力大小,使用标距=50mm,量程=10mm 的引伸计测定试件的变形量。
表1引申计测量精度(YYU-15/50),标距为50mm,变形为15mm,相对误差优于一级。
一级测量精度:标距相对误差±1.0%,示值误差(相对)±1.0%,(绝对)±3.0微米。
引伸计由传感器、放大器和记录器三部分组成。
传感器直接和被测构件接触。
构件上被测的两点之间的距离kg2kg2为标距,标距的变化kg1kg2(伸长或缩短)为线变形。
实验采用万能电子试验机(CSS-100)(精度等级为1级,轴向力量程为100KN,测量精度为0.01KN,位移测量分辨率为0.005mm)进行Q235钢试件的拉伸试验,将测得的相应数据录入万能电子拉伸测试软件。
本次试验有三组试件分别编号1#、2#、3#,依次将试件安装在试验机的夹头中,并将引申计安装在试件中部,准备工作完成。
利用电子万能试验机对选择的Q235钢标准试件进行轴向拉伸,使用试验机上的力传感器测量Q235试件受力大小,使用引伸计测定试件的变形量。
钢材力学性能报告
钢材力学性能试验报告单位:石家庄三环电器防腐厂试验记录编号:试验报告编号:工程(或塔型)名称:试验日期:年月日报告日期:年月日钢材品名规格到货日期到货数量t 生产厂家力学性能试样编号牌号弯曲试验180 °屈服强度Mpa 抗拉强度Mpa 断后伸长率A%标准值(板Q345B ≥345 470 ~630 ≥21厚≤ 16依据标准GB/T228-2002 GB/T232-1999 GB/T1591-2008结论备注试验:审核:钢材力学性能试验报告单位:石家庄三环电器防腐厂试验记录编号:试验报告编号:工程(或塔型)名称:试验日期:年月日报告日期:年月日钢材品名规格到货日期到货数量t 生产厂家试样编号牌号力学性能弯曲试验180 °屈服强度Mpa 抗拉强度Mpa 断后伸长率A%标准值Q235B ≥235 370 ~500 ≥26依据标准GB/T228-2002 GB/T232-1999 GB/T700-2006 结论备注试验:审核:钢材力学性能试验原始记录记录编号: 日期:年月日试验记录钢材品名、规格试样编牌号号宽度厚度屈服载屈服强度破坏载抗拉强度伸长率冷弯试验报告编号mm mm 荷kNMpa荷kNMpa标距L 0mm断后L U mm弯心直A%径mm弯曲角结果度精品资料单位:石家庄三环电器防腐厂试验:审核:精品资料Welcome To Download !!!欢迎您的下载,资料仅供参考!精品资料精品资料。
低合金高强度钢力学性能与化学成分之间的统计建模与分析
Ξ 收稿日期:2008-10-20基金项目:重庆市教委基金资助项目(2008C J15);重庆工学院博士科研启动项目(2007Z D16);重庆工学院高等教育项目(2008001).作者简介:苏理云(1977—),男,四川广安人,博士,主要从事数理统计方面的研究.低合金高强度钢力学性能与化学成分之间的统计建模与分析Ξ苏理云1,邓 燕1,冉雪竹1,冯 亮1,张 茜1,舒遗一2(1.重庆工学院数理学院,重庆 400054;2.重庆钢铁集团公司钢研所,重庆 400080)摘要:分析了影响钢力学性能的各种化学成分,根据重要性确定了C ,S i ,Mn ,P ,S ,Alt ,Nb ,CE Q6等8种化学元素为钢的主要成分,然后据此建立了力学性能与化学成分的多重多元回归模型,并利用双重筛选逐步回归分析表征出对力学性能的显著影响因素,得出了力学性能随影响因素变化的具体变化值.以钢种AM3(大)的实测数据对模型进行了验证.结果表明,五大常规元素的控制精度仍是稳定低合金高强度钢的质量的关键因素,并且杂质对力学性能的影响甚微.关 键 词:低合金高强度钢;力学性能;化学成分;回归分析中图分类号:O212.4文献标识码:A文章编号:1671-0924(2009)02-0036-05Statistical Modeling and Analysis of H igh 2strength Low 2alloy Steel betw een Mechanical Propertiesand Chemical CompositionS U Li 2yun 1,DE NG Y an 1,RAN Xue 2zhu 1,FE NGLiang 1,ZHANG Qian 1,SHU Y i 2yi 2(1.School of Mathematics and Physics ,Chongqing Institute of T echnology ,Chongqing 400054,China ;2.Chongqing Iron and S teel G roup C om pany ,Chongqing 400080,China )Abstract :In order to know the relationship between mechanical properties and chemical com position of high 2strength low 2alloy steel ,various chemical com positions are deeply analyzed.C ,Si ,Mn ,P ,S ,Alt ,Nb and CE Q6are used as the main factors.Then the Multiple Regression M odel is built which is related to the key factors and mechanical properties.Stepwise Regression is used to find the significant factors.The specific values with the original data are determined.The experimental results based on AM3(large )show that the five comm on elements are still the key factors to control quality of high 2strength low 2alloy steel ,and the im purities have little effect on mechanical property.K ey w ords :High 2strength Low 2alloy Steel ;mechanical property ;chemical com position ;Regression Analysis第23卷 第2期V ol.23 N o.2重庆工学院学报(自然科学)Journal of Chongqing Institute of T echnology (Natural Science )2009年2月Feb.2009 在当今世界的钢铁行业中,各种统计计算方法已经被大量运用于指导钢铁行业生产的各个环节.如武钢在其2250mm热连轧机生产钢种工艺设计中运用了回归模型,在2004年设计45钢的成分时,就参照了其对Q235的回归模型[1];宝钢炼钢部在其60t中间包钢水温度的预测模型中也用了回归原理,并利用回归设计建立起中间包钢水温度数学模型,经生产验证:预测温度小于5℃为54.14%,小于10℃为32.33%,小于15℃为10.15%,大于15℃时为3.8%,验证效果比较好[2].随着钢铁行业的迅速发展,降低钢厂的生产成本也越来越重要,通过建立数学模型可以达到精细化成本管理的目的.对同一性能的钢种可以参照合金价格改变生产钢种的合金成分,达到节约合金的目的[3].如前面所举武钢在设计45钢的成分时所用的数学模型,它可以节省大量的试验成本;宝钢所做的中间包温度预测模型对生产过程也具有重要的指导意义.这些事例都说明了数学模型在钢铁行业中有大的发展前景[4].钢材的力学性能主要取决于它的化学组成和显微组织,此外生产工艺环节对其性能也有重要影响[5].自20世纪50年代以来,国外开展了不少有关钢的化学、显微组织与其力学性能定量关系的研究工作,以求通过这些定量关系来描述、预测和控制产品的性能.近几年来,我国在这方面的工作也取得了一定的成效,由于研究的成果具有很强的实用价值,因此归纳这方面的关系对于指导生产和合金设计具有重要意义[6].为此,本文中对从重钢取来的AM3(大)试样的数据进行变量筛选,运用逐步回归方法分析出低合金高强度钢的几项力学性能和化学成分间的回归关系,从而作为企业指导生产和使用钢材的参考[7].1 统计建模1.1 对数据进行预处理首先,我们找到一些钢铁(AM3(大))冶炼的实测数据.影响低合金高强度钢力学性能的因素很多,如果将所有的影响因素都加以考虑,则不仅使得离线计算工作量极为庞大,而且也使回归模型极为复杂,难以满足实时计算的需要.因此,必须对这些因素进行分析处理,突出其中的主要因素,忽略次要因素,以尽量简化最终的回归模型公式.本研究对数据进行的预处理包括:异常数据的剔出,数据分布的拟合检验,数据的异方差检验等.1.2 对数据进行变换在对数据进行变换时,采用Box2C ox变换,使得变换后的数据基本服从或近似服从正态分布,从而便于进行统计分析.对变换后的数据首先进行直观分析,初步找出影响各指标变量的主要因素.1.3 多元回归模型采用多重多元回归分析方法,非线性回归问题可通过引进新变量化为线性回归,建立各影响因素与预测值之间比较明确的线性关系.设有m 个自变量x1,x2,…,x m,对应p个因变量y1,y2,…,y p.假定它们之间有线性关系:y1=β01+β11X1+β21X2+…+βm1X m+ε1y2=β02+β12X1+β22X2+…+βm2X m+ε2…y p=β0p+β1p X1+β2p X2+…+βmp X m+εp其中:βij(i=0,1,…,m;j=1,2,…,p)是未知参数;εj(j=1,2,…,p)是随机误差项,它们不是相互独立的,通常假设它们服从多元正态分布,即(ε1,ε2,…,εp)′~N p(0,∑),其中∑=(σij)为未知的协差阵[8].2 算法步骤2.1 对数据进行预处理对数据进行拟合检验与异方差检验等,剔除异常数据,保留影响力学性能的主要因素.2.2 对数据进行变换为方便统计分析,采用Box2C ox变换处理数据,使得处理后的数据近似服从正态分布,对变换后的数据进行直观分析,得出影响各指标变量的主要因素.73苏理云,等:低合金高强度钢力学性能与化学成分之间的统计建模与分析2.3 模型的建立在低合金高强度钢的研究中,我们希望从对因变量y有影响的诸多变量中选择一些变量作为自变量,应用多元回归分析的方法建立“最优”回归方程,以便对因变量进行预报或控制,即在回归方程中包含所有对因变量y影响显著的自变量,而不包含对y影响不显著的自变量.逐步回归分析正是根据这种原则提出来的一种回归分析方法.它的主要思路是在全部考虑的自变量中按其对y的显著程度大小,由大到小地逐个引入回归方程,而对那些对y作用不显著的变量可能始终不被引入回归方程.另外,己被引入回归方程的变量在引入新变量后也可能失去重要性,需要从回归方程中剔除.在引入和剔除的过程中,每一步都要进行F检验,以保证在引人新变量前回归方程中只含有对y影响显著的变量,而不显著的变量已被剔除.首先选一个因变量(屈服强度),不妨记为y1,用它来筛选所有的自变量.当自变量筛选过程结束后,再转为考虑在未入选的因变量中选第2个因变量(抗拉强度),不妨记为y2.这时已有2个因变量y1,y2入选,因此首先考虑y1,y2是否有剔除的,如果没有剔除的,则转入对y1,y2来筛选自变量,直到自变量筛选过程结束,再转入考虑因变量的筛选.重复上述过程,直到因变量和自变量既没有被剔除也没有被引入时为止,这时就建立第1组回归方程.其次从原始数据中删去第1组回归方程中已选入的因变量的资料,比如p1个(注意自变量的数据均不删),重复整个过程直到因变量都有了回归方程.对去年所产生的AM3(大)数据进行了收集,统计了AM3(大)厚度为75mm的钢,共102组轧制数据,按质管处对AM3(大)的技术规定选取了8个化学成分,依次为C,Si,Mn,P,S,Alt,Nb,CE Q6.利用逐步回归原理,对数据进行变量筛选,从而找出对各项力学性能影响显著的化学成分.所选取的数据范围见表1和表2.表1 炼钢所选钢种的化学成分%化学成分最大值最小值平均值C0.310.220.30S i0.290.190.23Mn0.1700.1530.162P0.0280.0170.021Alt0.0450.0200.032Nb0.0290.0220.026CE Q60.590.540.57表2 轧钢所选钢种的力学性能性能指标最大值最小值平均值屈服/MPa15530611抗拉/MPa820690751延伸/%26.51820.5断面收缩/%67.051.561.1冲击性能/J161751223 实际数据验证 通过综合平衡法,得到力学性能与各化学成分之间的关系.设x为自变量,y为因变量,其中x1,x2,x3,x4,x5,x6,x7,x8分别表示化学元素C, Si,Mn,P,S,Alt,Nb,CE Q6的百分比.3.1 屈服强度y=24.564-1042.367x1+3365.847x4+1873.05x6+1347.206x8α=0.01,F=2.69y=24.564-1042.367x1+3365.847x4+1873.05x6+1347.206x8α=0.05,F=2.03y=24.564-1042.367x1+3365.847x4+1873.05x6+1347.206x8α=0.10,F=1.73从关系式可以看出,屈服强度与C,P,Alt, CE Q6存在线性关系,其中与C成反比关系,与P, Alt,CE Q6成正比关系.对屈服强度的影响,依次为P>Alt>CE Q6>C(这一比值的大小是按绝对值进行比较的).3.1.1 屈服强度与C的关系屈服强度83重庆工学院学报y =442.430+570.4085xα=0.01,F =3.98y =-2318.88+14700.08x -54556.11x3α=0.05,F =2.70y =-2318.88+14700.08x -54556.11x3α=0.10,F =2.14 由图1可见,随着C 百分比的增加,屈服强度先增大后减小,当C 的百分比为0.3时,屈服强度达到最大值.图1 屈服强度与C 百分比的变化关系曲线3.1.2 屈服强度与P 的关系屈服强度y =332.761+17848.03x -9915613x3α=0.01,F =3.98y =332.761+17848.03x -9915613x3α=0.05,F =2.70y =332.761+17848.03x -9915613x 3α=0.10,F =2.14由图2可见,P 对屈服强度的影响类似于C ,也是先随着P 的百分比的增加而增加,当P 的百分比为0.025时,屈服强度达到最大.图2 屈服强度与P 百分比的变化关系曲线3.2 抗拉强度y =375.672+2844.878x 4+1373.805x 6+477.470x 8α=0.01,F =2.69y =283.978-703.283x 1+2694.388x 4+1425.966x 6+1009.319x 8α=0.05,F =2.03y =283.978-703.283x 1+2694.388x 4+1425.966x 6+1009.319x 8α=0.10,F =1.73从上述关系式中可以看出,抗拉强度与C ,P ,Alt ,CE Q6存在线性关系;其中与C 成反比关系,与P ,Alt ,CE Q6成正比关系.对抗拉强度的影响,依次为P >Alt >CE Q6>C (这一比值的大小是按绝对值进行比较的).3.3 延伸率当选取α=0.01,F =2.69时,由于对回归要求精度较高,无法计算其相关式,因此y =13.983+22.006x 1α=0.05,F =2.03y =13.983+22.006x 1α=0.10,F =1.73从上述关系式可以看出,延伸率与C 存在着线性关系,且是正比关系,而其他元素对延伸率的影响相对来说很小,不予考虑.3.4 断面收缩率y =70.238-37.289x 2-174.349x 4+189.729x 5α=0.01,F =2.69y =80.629-34.681x 1-37.779x 2-188.074x 4+205.068x 5α=0.05,F =2.03y =80.629-34.681x 1-37.779x 2-188.074x 4+205.068x 5α=0.10,F =1.73从上述关系式可以看出,断面收缩率与C ,Si ,P ,S 存在着线性关系,其中C ,Si ,P 与断面收缩率成反比关系,S 与其成正比关系.对断面收缩率的影响,依次为C <Si <P <S (这一比值的大小是按93苏理云,等:低合金高强度钢力学性能与化学成分之间的统计建模与分析绝对值进行比较的).3.5 冲击性能y=147.917-2428.387x4+1501.443x5α=0.01,F=2.69y=86.543-275.079x1+918.514x3-2799.841x4+1592.967x5α=0.05,F=2.03y=86.543-275.079x1+918.514x3-2799.841x4+1592.967x5α=0.10,F=1.73从上述关系式可以看出,冲击性能与C,Mn, P,S存在着线性关系,其中C,P与冲击性能成反比关系,Mn,S与其成正比关系.对冲击性能的影响,依次为P>S>Mn>C(这一比值的大小是按绝对值进行比较的).4 结论 1)所得的回归方程均以很高的信度水平显示,回归方程可供实际应用参考.2)碳含量的影响普遍显著,说明对钢的力学性能来说碳的控制最重要.其他常规元素(如Mn, P,S等)在回归式中出现较多,说明对五大常规元素的控制精度仍是稳定低合金高强度钢质量的关键因素.3)研究的钢种AM3(大)中没有什么含量较高的杂质,而且在回归式中残存的Alt,CE Q6对几项力学性能影响不是很大,另外残存的Nb对其几乎没有影响.4)由于传统的方法稳定性不好,并且模型误判所带来的风险较大,因此在进一步的分析研究中,可利用非参数回归方法[4-6]分别对各力学性能(比如说屈服强度、抗拉强度等)与化学成分(协变量)进行非参数回归统计建模.参考文献:[1] 曾健鸣,徐光华,姚胜明.2250mm热连轧机生产钢种工艺设计方法探索[J].轧钢,2005,22(4):30-32. [2] 郑宇,吴晓东.回归法在中间包钢水温度预测模型中的应用[J].河南冶金,2005,13(2):43-44.[3] 王明俊,刘新斌,李忠民.20MnS i钢的力学性能与化学成分分析研究[J].冶金标准化与质量,2000,38(4):1-2.[4] 王祖滨,贾书君.大力发展低合金高强度钢促进钢铁工业增长方式的转变[J].中国冶金,2006,16(4):1-8.[5] 刘宇雁,高箭宇,陈林,等.基于逐步回归法研究薄板钢化学成分与力学性能的关系[J].包头钢铁学院报,2005,25(1):18-21.[6] 王丹民,李华德,李擎.力学性能预测模型及其控制得研究[J].机械强度,2006,28(6):879-882.[7] 候安贵,任忠鸣.宝钢低碳微合金高强度钢连铸坯高温力学性能测试[J].上海金属,2008,30(3):39-44.[8] 丁秀林,任雪松.多元统计分析[M].北京:中国统计出版社,1999.(责任编辑 陈 松)04重庆工学院学报。
大学生数学建模-钢力学性能研究
A题:钢力学性能与合金元素关系的数学模型钢力学性能与合金元素关系的数学模型摘要:钢力学性能和合金元素关系的预测的数学模型预测方法有很多。
我们首先对数据进行分析拟合检验与异方差检验等,剔除异常数据。
模型一:运用逐步回归方法分析出钢力学性能与合金元素的回归关系。
模型二:利用神经网络对复杂非线形系统具有曲线拟合能力,使得预测模型具有良好的精度。
并将影响钢力学性能的几个主要因素:C元素的千分含量、Si元素的千分含量、Mn元素的千分含量、P 元素的千分含量、S元素的千分含量、V元素的千分含量、N元素的千分含量以及压缩比的值为神经网络的输入层,训练得到较好的钢力学性能与合金元素关系。
用此神经网络作短期预测的优点:结合了多个元素以及压缩比的影响因素,同时,神经网络模型比灰色系统、时间序列模型都要精确;缺点:预测不能做趋势外推。
最后利用线性优化求得在保证产品质量和各力学性能的前提下,找出最优配置方案。
关键词:BP神经网络数学模型力学性能线性优化多元线性回归一、问题重述:在当今世界的钢铁行业生产中,数学建模方法已经大量运用于钢铁行业生产的各个环节。
随着钢铁行业的迅速发展,降低钢厂的生产成本也越来越重要,通过建立数学模型可以达到精细化成本管理的目的。
一方面,可以把所得到的关系式运用到现实生产中去指导生产,可以节省大量的生产成本;另一方面,在开发高级别的钢的过程中,也可以借鉴建立的数学模型,对钢铁产品开发工作具有指导意义。
同时可对钢力学性能与合金元素之间的关系从定性的认识上升到定量的认识。
现有某钢厂的力学性能和合金元素数据,其中,压缩比当做合金元素来处理),在现有装备和现有生产工艺的条件下。
(1)对所给数据进行直观分析,考虑均值和方差的描述性分析。
(2)建立钢力学性能与合金元素之间的数学模型, 以寻找力学性能与合金元素之间存在的关系,并进行模型评价。
(3)在保证产品质量和各力学性能的前提下,使得总花费最小,找出最优配置方案。
材料力学中金属的力学性能研究
材料力学中金属的力学性能研究金属的力学性能是材料力学中的重要研究内容之一。
它涉及金属材料的力学性质,如强度、韧性、塑性等,以及与之相关的破坏机制、失效行为等。
通过对金属的力学性能进行研究,可以为材料制备、结构设计和工程应用提供科学依据。
首先,金属材料的强度是其力学性能中最为基础的指标之一。
强度是指金属材料在外力作用下抵抗形变和破坏的能力。
常用的强度指标有屈服强度、抗拉强度和抗压强度等。
屈服强度是金属材料开始发生塑性变形的应力值,抗拉强度是金属材料在拉伸过程中最大承载能力的应力值,抗压强度是金属材料在压缩过程中最大承载能力的应力值。
通过对这些强度指标的研究和测试,可以评估金属材料的强度水平,为材料选择和设计提供依据。
其次,金属材料的韧性也是其力学性能中重要的指标之一。
韧性是指金属材料在受外力作用时发生塑性变形的能力。
韧性与金属材料的断裂强度有关,通常用断裂延伸率和断裂缺口冲击值来描述。
断裂延伸率是指金属材料在拉伸过程中能够延伸的长度与原始长度之比,反映了金属材料的延展性能。
断裂缺口冲击值是指金属材料在受到冲击加载时发生断裂的能量吸收能力。
通过对这些韧性指标的研究和测试,可以评估金属材料的抵抗破坏能力和冲击能量吸收能力。
此外,金属材料的塑性也是其力学性能的重要指标之一。
塑性是指金属材料在外力作用下发生塑性变形的能力。
金属材料的塑性通常通过材料的应变硬化行为、应力-应变曲线和塑性变形机制等来进行研究。
应变硬化是指金属材料随着应变的增加,其抵抗形变能力也随之增强。
应力-应变曲线是指在拉伸或压缩过程中,应力与应变之间的关系,可以表征金属材料的变形行为和变形机制。
塑性变形机制包括晶体滑移、位错运动和织构发展等,通过研究这些机制可以深入了解金属材料的塑性行为。
最后,金属材料的破坏机制和失效行为对于力学性能的研究也具有重要意义。
金属材料的破坏机制包括断裂、疲劳、蠕变、腐蚀和应力腐蚀断裂等多种形式。
其中,断裂是指金属材料在承受外力过程中突然破裂的现象,研究断裂行为可以为材料的疲劳寿命预测和安全性评估提供依据。
高强度钢材的微观组织与力学性能关系研究与优化
高强度钢材的微观组织与力学性能关系研究与优化一. 引言高强度钢材在现代工程中扮演着重要的角色。
它们具有出色的力学性能和广泛的应用领域,如建筑、汽车和航空航天工业等。
高强度钢材的性能取决于其微观组织,因此精确研究钢材的微观组织与力学性能之间的关系对于提高钢材性能具有重要意义。
二. 高强度钢材的微观组织1. 晶体结构高强度钢材通常具有面心立方结构(FCC)或体心立方结构(BCC)的晶体结构。
晶格的结构对材料的力学性能产生重要影响。
2. 各类相高强度钢材的微观组织中常包含多种相,如铁素体、贝氏体、马氏体等。
这些相的存在与分布对钢材的硬度、强度和塑性等力学性能具有直接影响。
三. 高强度钢材的力学性能1. 强度高强度钢材的力学性能表现为其在受力时能够承受较大的应力而不发生破坏。
高强度钢材的强度取决于其微观组织中的晶粒和相的大小和分布。
2. 塑性塑性是高强度钢材的另一个重要力学性能指标。
较好的塑性能够使钢材在受力时能够发生塑性变形而不断裂。
微观组织中的铁素体和贝氏体相能够提高钢材的塑性。
四. 研究高强度钢材的微观组织与力学性能关系的方法1. 金相显微镜观察金相显微镜是一种常用的观察材料微观组织的仪器。
通过对高强度钢材的金相显微镜观察,可以获得材料中各类相的存在和分布情况。
2. X射线衍射技术X射线衍射技术能够通过分析钢材中晶体的衍射图案来确定其晶体结构和晶粒尺寸等信息。
3. 热处理实验热处理是优化高强度钢材微观组织的常用方法之一。
通过控制加热、冷却等工艺参数,可以改变高强度钢材的相组成和晶体结构,从而优化其力学性能。
五. 高强度钢材的微观组织与力学性能的优化1. 固溶处理固溶处理是一种改变钢材组织的热处理方法。
通过加热高强度钢材至固溶温度,使各类相溶解,并迅速冷却,可以获得奥氏体组织,从而提高钢材的强度和塑性。
2. 相变调质相变调质是通过控制高强度钢材的冷却速度,使其从马氏体转变为贝氏体的热处理方法。
相变调质可以增加高强度钢材的硬度和强度。
钢材的力学性能
钢材的力学性能一、钢材的单向拉伸试验低碳钢在常温、静载条件下的单向拉伸应力-应变曲线如图2-1所示,共分为四个阶段,即弹性阶段(OA)、弹塑性阶段(AB)、屈服阶段(BC)和应变硬化阶段(CD)。
在A 点以前,钢材处于弹性阶段,卸载后变形完全恢复;到达A 点后,钢材进入弹塑性阶段,变形包含弹性变形和塑性变形两个部分,卸载后塑性变形不再恢复,称为残余变形或永久变形;到达 B 点后,钢材全部屈服,荷载不再增加,但变形持续增大,形成水平线段即屈服平台,由于A 点与B 点比较接近,为简化计算模型,假设在B 点以前钢材处于弹性状态;经历屈服阶段后,由于钢材内部晶粒重新排列,强度有所提高,进入硬化阶段,但变形增加非常快;到达D 点时,钢材达到强度极限值,之后截面快速收缩,强度迅速降低,直至断裂。
低合金钢的单向拉伸应力-应变曲线与低碳钢类似,只是强度提高了。
图2-1 钢材的单向拉伸应力-应变曲线二、钢材的力学性能钢材的力学性能是指标准条件下钢材的屈服强度、抗拉强度、伸长率、冷弯性能和冲击韧性,以及厚钢板的Z 向(厚度方向)性能等,也称为机械性能。
1.屈服强度表示,图2-1中与屈服平台BC 段所对应的强度称为屈服强度,用符号fy也称为屈服点,它是建筑钢材的一个重要力学特征。
屈服点是弹性变形的终点,而且在较大变形范围内应力不会增加,形成理想的弹塑性模型,因此,将其作为弹性计算时强度的标准值。
低碳钢和低合金钢都具有明显的屈服平台,而热处理钢材和高碳钢则没有。
2.抗拉强度单向拉伸应力-应变曲线中最高点,如图2-1所示与D 点所对应的强度,称为抗拉强度,用符号fu表示,其是钢材所能承受的最大应力值。
由于钢材屈服后具有较大的残余变形,已超出结构正常使用范畴,因此,抗拉强度只能作为结构的安全储备。
3.伸长率伸长率是试件断裂时的永久变形与原标定长度的百分比。
取圆形试件直径的5倍或10倍为标定长度,对应的伸长率分别记作δ5、δ10。
建筑钢材的力学性能.ppt
二 钢材的力学性能
二 钢材的力学性能
(四).耐疲劳性
1.定义:钢材在交变荷载反复多次作用下,可在最 大应力远低于屈服强度的情况下突然破坏,这种 破坏称为疲劳破坏。若σmax越大,则次数N越小。
二 钢材的力学性能
2.疲劳破坏的原因:钢材的疲劳破坏是拉应力引起 的,首先在局部开始形成微细裂纹,其后由于裂 纹尖端处产生应力集中而使裂纹逐渐扩展直至疲 劳断裂。钢材内部的晶体结构、成分偏析以及最 大应力处的表面光洁程度等因素均会明显影响疲 劳强度。
建筑钢材
二、 钢材的主要技术性能
钢 材 的 使用性能 主 要 技 术 性 能 工艺性能
力学性能
物理性能 化学性能 冷弯性 可焊性 热处理
拉伸性能 冲击韧性 硬度 变形性
弹性变形 塑性变形
二 钢材的力学性能
(一). 拉伸性能
1.主要测试指标: • 屈服强度 • 抗拉强度 • 伸长率(断面收缩率)等 2.钢材(低碳钢)的抗拉过程主要包括: • 弹性阶段 • 屈服阶段 • 强化阶段 • 颈缩阶段
b
s p
B上 B
A B下
C D
α
O
ε = ΔL L0
低碳钢受拉的应力-应变图
二 钢材的力学性能
图形的特点:
颈缩阶段CD
试件的特点:
一段下降的曲线。 变形迅速发展,在有杂质或 缺陷处,断面急剧缩小—— 颈缩 ,直到断裂。
伸长率δ: 计算的指标:
δ = L1 L0 ×100 % L0
σ=F A
b s p
二 钢材的力学性能
(三).冲击韧性
1.定义:是指钢材抵抗冲击荷载的能力。 2.冲击韧性指标:是通过标准试件的弯曲冲击韧性
试验确定的。以摆锤打击试件,于刻槽处将其打 断,试件单位截面积上所消耗的功,即为钢材的 冲击韧性指标,用冲击韧性ak(J/cm2)表示。 ak值愈大,冲击韧性愈好。
金属材料受力分析的数学模型研究
金属材料受力分析的数学模型研究金属材料是现代工程领域中使用最广泛的材料之一。
它们的特点在于强度高、硬度大、无毒、不易氧化腐蚀等,所以在各个领域中广泛应用。
在很多时候,金属材料的受力问题是研究和应用的重要方向之一。
因此,掌握金属材料受力分析的数学模型是十分必要的。
首先,我们需要了解金属材料在受力时的行为规律。
通常,金属材料受力后会发生弹性变形和塑性变形的现象,前者称为弹性模量,后者称为屈服点。
因此,我们需要建立一个数学模型来描述金属材料在受力时的弹性和塑性变形。
下面,我们将分别从弹性模量和屈服点这两个方面来阐述。
一、弹性模量弹性模量是一个重要的物理参数,它描述的是固体在一定范围内受力时的弹性反应能力。
对于金属材料,弹性模量通常是弹性变形与应力间的比值,其数学描述为:E=σ/ε其中,E为弹性模量,σ为应力,ε为应变。
根据这个公式,我们可以得到材料的弹性模量是一个固定的常数,其中涉及到应力和应变的关系。
这个关系是研究金属材料受力分析的基础。
二、屈服点屈服点是指材料在受力到一定程度时出现塑性变形的临界点。
在这个点上,材料的应力强度已经超过了其强度极限。
屈服点的数学模型通常可以使用哈登-伯加斯克方程来描述,其公式为:σ=Kε^n其中,σ和ε分别为应力和应变,K和n为材料的常数。
根据这个公式,我们可以看到,材料的应力强度随着应变的增加而逐渐增强,直到达到一个临界值就会发生塑性变形。
三、金属材料的力学分析模型基于弹性模量和屈服点的数学模型,我们可以建立金属材料的力学分析模型。
这个模型的基本原理是把金属材料看作一个弹性体,然后根据应力和应变的关系来推导出材料的受力情况。
在这个过程中,我们需要建立数学模型,并运用计算机模拟方法来计算材料的力学响应。
在使用模型时,我们需要注意以下几点:1. 材料的材质特性和力学参数是影响受力分析的关键因素之一,需要准确测定。
2. 材料在受力时出现过渡现象,需要建立相应的过渡模型。
3. 材料在受力时,各个部分的应力分布不均匀,需要建立非均匀模型。
宝钢力学性能预报模型的研究与开发
d i 1 . 9 9 iis . 0 8—0 1 . 0 . 5 0 1 o :0 3 6 / .sn 1 0 7 6 2 1 0 . 0 1
Re e r h a e e o s a c nd d v l pm e ft e m e ha i a nto h c n c l
t e e ae ma y c u e o i .T e c mp e i n i i ut f h r p r r d c in tg t e t h r r n a s sfrt s h o l xt a d d f c l o e p o e t p e it o eh rwi h y f y t y o h t e a t a aa c n i o e e a ay e . S me p o l ms c n en n h r d t n l d l g meh d h cu l t o d t n w r n lz d o r b e o c r i g t e t i o a d i a i mo ei to n b s d o h e r r mi i z t n we e r v a e . I h s a e , i w s on e o t t a s l a e n t e ro n mi i r e e ld a o n ti p p r t a p it d u h t i y mp
钢材力学检验工作总结报告
钢材力学检验工作总结报告
近年来,钢材在建筑、桥梁、机械制造等领域的应用越来越广泛,因此钢材的
质量和力学性能检验工作显得尤为重要。
为了保障工程质量和安全,我们对钢材力学性能进行了全面的检验工作,并在此进行总结报告。
首先,我们对钢材的拉伸性能进行了检验。
通过拉伸试验,我们得到了钢材的
抗拉强度、屈服强度、断裂伸长率等重要参数。
结果显示,所检验的钢材符合相关标准要求,具有良好的拉伸性能。
其次,我们对钢材的硬度进行了检验。
通过硬度测试,我们了解到钢材的硬度值,这对于评估钢材的耐磨性和耐压性能非常重要。
检验结果表明,所检验的钢材硬度值均在标准范围内,符合要求。
此外,我们还对钢材的冲击性能进行了检验。
冲击试验可以评估钢材在受到冲
击载荷时的抗冲击能力,这对于一些特殊工程项目的选择非常重要。
经过冲击试验,我们得出结论,所检验的钢材具有良好的冲击性能,能够满足工程需求。
最后,我们对钢材的化学成分进行了分析。
通过化学成分分析,我们了解到了
钢材中各种元素的含量,这对于评估钢材的质量和性能具有重要意义。
检验结果表明,所检验的钢材化学成分均符合标准要求,具有良好的质量。
综上所述,我们对钢材力学性能的检验工作取得了良好的成果。
通过全面的检
验工作,我们确保了所检验钢材的质量和性能符合相关标准要求,为工程项目的顺利进行提供了有力保障。
我们将继续努力,不断提高检验工作的水平,为钢材在各个领域的应用提供更加可靠的保障。
钢铁材料的力学性能
硬度
硬度就是指金属抵抗更硬物体压入其表面的能力。硬度不是一个单纯的物理量,而是反映弹性、强度、塑性等的一个综合性能指标。
1
布氏硬度
HBS
/
用一定直径的球体(钢球或硬质合金球以相应的试验力压入试样表面,经规定的保持时间后,卸除试验力,测表面压痕直径计算的硬度值。使用钢球测定硬度小于等于450HBS;使用硬质合金球测定硬度大于450HBW
8PL
对圆试样:σbb=——
πd3
8PL
对矩形试样:σbb=——
2bh2
式中 P——试样所承受最大集中载荷(N)
L——两支承点间的跨距(mm)
d——圆试样截面之外径(mm)
b——矩形截面试样之宽度(mm)
h——矩形截面试样之宽度(mm)
3
抗压强度
σbc
MPa
材料在压力作用下不发生碎、裂所能承受的最大正压力,称为抗压强度
2
断面收缩率
ψ
%
金属试样拉断后,其缩颈处横截面积的最大缩减量与原横截面积的百分比。
3
泊松比
μ
/
对于各向同性的材料,泊松比表示:试样在单相拉伸时,横向相对收缩量与轴向相对伸长量之比:
E
μ=— - 1
2G
式中E——弹性模量(GPa)
G——切变模量(GPa)
四
韧性
所谓韧性是指金属材料在冲击力(动力载荷)的作用下而不破坏的能力。
2
冲击吸收功
AKU或AKV
J
由于αK值的大小,不仅取决于材料本身,同时还随试样尺寸、形状的改变与试验温度的不同而变化,因而αK值只是一个相对指标。目前国际上许多国家直接采用冲击吸收功AK作为冲击韧度的指标。
AKU
金属材料力学性能的研究与分析
金属材料力学性能的研究与分析引言金属材料在现代工程领域扮演着重要的角色,其力学性能的研究与分析对于材料的设计、制造以及性能优化具有重要意义。
了解金属材料的力学性能,可以帮助工程师们确定材料的适用范围、预测材料的行为,并为材料的性能改进提供指导。
本文将探讨金属材料力学性能的研究方法和分析技术。
一、材料的机械性能测试材料的力学性能主要包括强度、刚度、塑性和韧性等指标。
为了获取这些参数,需要进行力学性能测试。
常见的力学性能测试方法包括拉伸试验、冲击试验和硬度测试等。
拉伸试验是一种用于测定材料强度和刚度的常见方法。
通过施加拉伸载荷并测量材料的变形来确定材料的应力-应变关系曲线。
根据曲线的形状,可以确定材料的屈服强度、抗拉强度和延伸率等参数。
冲击试验则用于评估材料的韧性,通过给材料施加冲击载荷并测量断裂前后的能量差来评估材料的吸能能力。
硬度测试是一种测量材料抵抗外界压力的能力的方法,常见的硬度测试方法包括布氏硬度测试和洛氏硬度测试等。
二、金属材料的力学性能分析除了进行机械性能测试外,还需要对测试结果进行分析。
常见的分析方法包括应力分析、应变分析和断裂分析等。
应力分析是通过分析材料受力状态来预测材料的破坏行为和强度,并确定材料的使用极限。
通过应力分析,可以确定材料的屈服强度、抗拉强度以及其它力学性能参数。
应变分析则关注材料的变形特征,通过测量和分析材料的形变情况来评估材料的塑性和变形能力。
断裂分析主要研究材料的断裂行为和断裂表面的特征。
在工程实践中,了解材料的断裂行为对于设计和制造具有重要意义。
通过断裂分析,可以确定材料的断裂韧性和韧性转变温度,从而为材料应用于不同运行条件下的设计提供参考。
三、金属材料力学性能的优化方法针对不同应用场景,可以采取不同的方法来优化金属材料的力学性能。
其中,最常见的方法包括合金化、热处理和加工工艺的优化。
合金化是指将不同金属元素合在一起,通过调整元素的含量和比例,来改变材料的力学性能。
《建筑材料》钢材的技术性能——力学性能
《建筑材料》钢材的技术性能——力学性能钢材是建筑材料中最重要的一种,因其具有优秀的力学性能而被广泛使用于建筑领域。
本文将钢材的力学性能进行详细介绍,包括其强度、韧性、刚性和稳定性等方面。
首先是钢材的强度。
作为一种结构材料,钢材的强度是其最重要的性能之一、钢材的强度可以通过屈服强度、抗拉强度和抗压强度等参数来衡量。
屈服强度是指在材料发生塑性变形之前所能承受的最大应力,抗拉强度是指材料在拉伸状态下能够承受的最大应力,抗压强度是指材料在压缩状态下能够承受的最大应力。
一般来说,钢材的强度较高,能够承受较大的拉力和压力,因此在建筑结构中使用钢材能够保证结构的安全性和稳定性。
其次是钢材的韧性。
韧性是指材料在受力下具有弯曲和变形能力的能力。
钢材具有较好的韧性,能够承受较大的变形而不破坏,这对于避免结构的突然失效非常重要。
钢材的韧性可以通过伸长率和冲击韧性来进行评价。
伸长率是指材料在拉伸过程中的延伸程度,冲击韧性是指材料在受到冲击载荷时能够吸收的能量。
一般来说,钢材的伸长率较高,冲击韧性较好,能够在受到冲击载荷时有较好的抗破坏能力。
此外,钢材还具有较好的刚性。
刚性是指材料在受力下不容易发生变形的能力。
钢材的刚性可以通过弹性模量来进行衡量,弹性模量是指材料在受力下的应变与应力之间的比值。
钢材的弹性模量较高,所以在建筑结构设计中常常使用钢材来构造刚性支撑系统,以保证结构的稳定性和抗震性能。
综上所述,钢材具有优秀的力学性能,包括较高的强度、良好的韧性、较好的刚性和较好的稳定性。
这些性能使得钢材成为建筑领域中不可或缺的一种材料,能够保证建筑结构的安全性、稳定性和抗震性能。
随着钢材制造工艺的不断进步和技术的不断创新,相信钢材的力学性能将会得到进一步提高,为建筑领域的发展做出更大的贡献。
金属材料的力学性能研究毕业论文
金属材料的力学性能研究毕业论文摘要:本论文旨在研究金属材料的力学性能,通过分析材料的力学特性和加工工艺对其性能的影响,以期提高金属材料的应用价值。
首先,介绍了金属材料力学性能的基本概念和相关理论知识。
其次,以某特定金属材料为例,通过实验和数值模拟的方法,深入探究其力学性能在不同条件下的变化规律,并对其应用前景进行评估。
最后,提出了未来金属材料力学性能研究的发展方向与挑战。
1. 引言在现代工业中,金属材料被广泛应用于制造业、航空航天工程、汽车工业等领域。
材料的力学性能是评判其使用性能的重要指标,因此对金属材料力学性能的研究具有重要意义。
本文旨在探索金属材料力学性能的关键因素,以期提高材料的机械强度、韧性和耐磨性,从而广泛应用于实际工程中。
2. 金属材料力学性能的基本概念2.1 弹性模量弹性模量是衡量材料抵抗外力变形程度的指标,其数值越大代表材料越硬。
弹性模量与材料的原子间力有关,可以通过实验和理论模拟方法计算和测定。
2.2 屈服强度屈服强度是金属材料在受到外力作用下开始产生塑性变形的临界值。
屈服强度的大小直接影响材料的机械性能和使用寿命,可以通过压缩试验、拉伸试验等实验方法进行测定。
3. 材料力学性能与加工工艺的关系3.1 冷加工冷加工是指在室温下对金属材料进行塑性变形的工艺。
通过冷加工可以改善材料的强度、硬度和韧性,但同时也会导致材料变脆和晶界变异等问题。
3.2 热加工热加工是指在高温下对金属材料进行塑性变形的工艺。
相比冷加工,热加工能够更充分地改善材料的晶体结构和塑性变形能力,但也存在加热温度控制和后续退火等工艺问题。
4. 实验与数值模拟研究4.1 实验设计通过选取特定金属材料,采用不同试样形状和尺寸,结合拉伸试验、压缩试验等实验方法,探究金属材料的力学性能及其与加工工艺的关系。
4.2 数值模拟通过建立金属材料力学行为的数学模型,运用有限元分析方法,模拟金属材料在受力下的变形行为和力学性能。
结合实验结果进行验证和优化。
钢的力学性能原理
钢的力学性能原理
钢的力学性能主要包括强度、韧性、延展性、硬度、疲劳性和塑性等。
这些性能是由钢材的化学成分、热处理及加工方法等多种因素所决定。
以下是常见的钢的力学性能原理介绍:
1.强度:钢的强度指钢材在外加荷载下的抗拉、抗压、抗弯等能力。
强度是钢材最基本的力学性能之一,通常分为屈服强度、极限强度、断裂强度等。
2.韧性:韧性指钢材在受到冲击或弯曲等外力作用时,能够承受一定能量损失而不破裂或断裂的能力。
韧性是钢材用于承受复杂载荷情况下的重要力学性能之一。
3.延展性:延展性指钢材在拉伸过程中能够拉长变形的程度。
钢材的延展性决定了它的可塑性和变形能力,对于要求复杂造型的钢制品具有重要意义。
4.硬度:硬度是钢材的一种重要力学性能,指钢材对外界压力的抵抗程度。
硬度可以反映钢材的抗磨损能力、强度等方面性能的好坏。
5.疲劳性:疲劳性指钢材在长期受到交替载荷的作用下发生疲劳裂纹,导致钢材的破坏。
疲劳性对于承受变化载荷的钢制品非常重要,如船舶、飞机等。
6.塑性:塑性是指钢材在受到外力作用下具有一定程度的变形能力,表现为钢材的延性和回弹性。
塑性是钢材加工成形的基础,对于制造各种钢制品具有重要意
义。
总之,钢的力学性能是由多种因素综合作用而成,不同种类的钢材在不同条件下表现出各异的力学性能,选用适合的钢材对于确保钢制品的质量和安全至关重要。
- 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)。
A题:钢力学性能与合金元素关系的数学模型钢力学性能与合金元素关系的数学模型摘要:钢力学性能和合金元素关系的预测的数学模型预测方法有很多。
我们首先对数据进行分析拟合检验与异方差检验等,剔除异常数据。
模型一:运用逐步回归方法分析出钢力学性能与合金元素的回归关系。
模型二:利用神经网络对复杂非线形系统具有曲线拟合能力,使得预测模型具有良好的精度。
并将影响钢力学性能的几个主要因素:C元素的千分含量、Si元素的千分含量、Mn元素的千分含量、P 元素的千分含量、S元素的千分含量、V元素的千分含量、N元素的千分含量以及压缩比的值为神经网络的输入层,训练得到较好的钢力学性能与合金元素关系。
用此神经网络作短期预测的优点:结合了多个元素以及压缩比的影响因素,同时,神经网络模型比灰色系统、时间序列模型都要精确;缺点:预测不能做趋势外推。
最后利用线性优化求得在保证产品质量和各力学性能的前提下,找出最优配置方案。
关键词:BP神经网络数学模型力学性能线性优化多元线性回归一、问题重述:在当今世界的钢铁行业生产中,数学建模方法已经大量运用于钢铁行业生产的各个环节。
随着钢铁行业的迅速发展,降低钢厂的生产成本也越来越重要,通过建立数学模型可以达到精细化成本管理的目的。
一方面,可以把所得到的关系式运用到现实生产中去指导生产,可以节省大量的生产成本;另一方面,在开发高级别的钢的过程中,也可以借鉴建立的数学模型,对钢铁产品开发工作具有指导意义。
同时可对钢力学性能与合金元素之间的关系从定性的认识上升到定量的认识。
现有某钢厂的力学性能和合金元素数据,其中,压缩比当做合金元素来处理),在现有装备和现有生产工艺的条件下。
(1)对所给数据进行直观分析,考虑均值和方差的描述性分析。
(2)建立钢力学性能与合金元素之间的数学模型, 以寻找力学性能与合金元素之间存在的关系,并进行模型评价。
(3)在保证产品质量和各力学性能的前提下,使得总花费最小,找出最优配置方案。
二、模型假设1.假设样品生产过程中,加工设备,加工工艺相同2.假设不考虑其他因素对钢材力学性能的影响3.假设拉伸实验时样品的尺寸相同,不存在误差三、主要变量符号说明1X :钢材中C 元素的千分含量 2X :钢材中Si 元素的千分含量3X :钢材中Mn 元素的千分含量 4X :钢材中P 元素的千分含量5X :钢材中S 元素的千分含量 6X :钢材中V 元素的千分含量 7X :钢材中N 元素的千分含量8X :钢材压缩比的值1Y :拉伸实验所测的样品的屈服点2Y :拉伸实验计算所得样品的抗拉强度3Y :拉伸实验计算所得样品的延伸率m :所需钢材的重量S:对应的钢材的价格yi1、yi2、yi3:为所需钢材的力学性能四、模型的建立和求解问题1:对数据进行直观分析(SPSS处理数据)通过线性回归方程的计算得出压缩比对刚的屈服强度,抗拉强度,延伸率有最重要的影响,所以我们决定用压缩比的标准差作为评定其他因素偏离是否合理的标准。
一、由于压缩比的屈服强度标准差接近于23.31965C Si Mn S P V N影响因素标准差23.31965 23.31965 23.29135 23.31965 23.29135 23.31965 23.31965 综上表述,我们发现所以元素的标准差都小于23.31965,所以对于C,Si,Mn,S,P,V,N对屈服强度的影响确定是几乎准确的。
二、压缩比的抗拉强度标准差接近于20.73883C Si Mn S P V N影响因素标准差20.73883 20.73883 20.77847 20.73883 20.77847 20.73883 20.73883 综上表所述,我们发现除了Mn,P的标准差大于20.73883其他元素C,Si,S,V,N对于抗拉强度来说,他们的选取数据几乎是准确的。
一、压缩比的延伸率标准差接近于3.32089影响因素C Si Mn S P V N 标准差3.32089 3.32089 3.32392 3.32089 3.32392 3.32089 3.32089 综上表所述,我们发现除了Mn ,P 的标准差大于3.32089,其他元素C,Si,S,V,N 对于抗拉强度来说,他们的选取数据几乎是准确的。
问题2:刚力学性能与合金元素之间的数学模型 模型一: 多元回归分析方法 采用多重多元回归分析方法,非线性回归问题可通过引进新变量化为线性回归,建立各影响因素与预测值之间比较明确的线性关系.设有m 个自变量1x ,1x ,…,m x ,对应p 个因变量,1y ,2y ,…,p y 。
假定它们之间有线性关系:y1=ß01+ ß11X 1+ ßX 2+… + ßX m +ξ1 y1= ß02+ ß X 1+ ßX 2+ …+ ßX m +ξ2多元线性回归:y1=161.300+7.293X 1+0.435X 2+0.672X 3-0.208X 4-0.554X 5+0.311X 6+1.722X 7+3.862X 8 从关系式中看,屈服强度与C 、Si 、Mn 、P 、S 、V 、N 、压缩比存在线性关系,其中与P 、S 的含量成反比关系,与其他因素成正比关系,C 的含量对钢的屈服强度影响最大,C>压缩比>N>Mn>S>Si>V> P(绝对值大小比较)y2=254.403+9.561X 1+0.488X 2+0.821X 3+0.174 X 4-0.760 X 5+0.279 X 6+2.267 X 7+1.825X 8 y3=45.488-0.496 X 1+0.045 X 2-0.032 X 3-0.110 X 4+0.018 X 5-0.016 X 6-0.487 X 7+0.213 X 8模型二:BP神经网络1.模型选择钢力学性能和合金元素关系的预测的数学模型预测方法有很多,具体说来,常见的方法有以下几个方面:其一是简单的趋势外推。
合金元素按照一定的增长率变化,这相当于线形增长。
但合金元素含量变化曲线从来都不是线形延伸,所以线形模型可以拟和小范围内的序列。
其二是采用一个常用的模型给出预测结果。
模型的选择没有依据,没有考虑该模型是否符合合金元素含量变化。
其三是多种结果的加和平均,这是最常见的一种错误处理方法:将多种预测模型不分青红皂白地全套搬上,给出一系列的预测结果,然后取各项预测的平均值。
但是合金元素含量是复杂不确定变化的,能否用非线性映射表示合金元素含量这一非线性系统以提高模型精度?人工神经网络由于其神经元间非线性,是从输入到输出的高度非线性映射,使得模型具有良好的精度。
在短期预测中,神经网络模型比灰色系统、时间序列模型都要精确。
2、神经网络模型神经网络对复杂非线性系统具有曲线拟合能力,基于BP神经网络的时间序列预测方法只需以历史数据作为输入,通过抑制与激活神经网络节点自动决定影响性能的参数及其影响程度,自动形成模型,无需进行模型假设。
BP网络(backpropagation NN)是单向传播的多层前向网络,其网络除了输入和输出节点外,还有一层和多层的隐层节点。
输入信号从输入层节点,依次传过各隐层节点,然后传到输出节点。
每层节点的输出只影响下一层节点输出。
每个节点都是一个f x通常为S形函数(Sigmoid)等非线性函神经元结构,其单元特性即传递函数()数.S 状曲线常常是在(0,1)或者(-1,1)内连续取值的单调可微分的函数,如1()1exp()f x x =+-。
BP 网络可看成是一从输入到输出的高度非线性映射,即:,()n m f R R f x Y →=。
BP 神经网络的算法:反向传播是通过误差函数求导使误差沿网络向反传播,对误差函数求导以确定各层神经元误差的方法.前向传播是输入d x 进入网络,信息在网络中前进移动的方向,次计算j j t ,α直至输出k y 的过程.学习样本集为,cd d N R p t p R x x x p x ∈=∈==),,(,),,(,},{111ααααααααα分别为网络系统的输入和期望输出,而网络系统在输入αx 时的实际计算输出,误差函数为∑∑====Nc N y y E E E 111),,(αααααα∑==∂∂=∂∂Ns jis ji s w E w E 1)()(,1,αα2 分析)(s ji w E ∂∂α与误差的关系,而利用上式得)(s jiw E∂∂与误差的关系.分别称c k E kk,,1,2=∂∂=αδα和M j E j j ,1,0,)1(=∂∂=αδα为第k 个输出元和j 个隐元的误差率,计算可得kk k k k k ky E y y E E ∂∂'=∂∂∂∂=∂∂=ααααϕααδ)(2 ∑=∂∂∂∂∂∂∂∂=∂∂=ck jj j k k k k j jt t y y E E 1)1(ααααδαα 同时又可得j k kjk k kj t w E w E 222δαααα=∂∂∂∂=∂∂ i i jij j ji x w E w E )1()1()1(δαααα=∂∂∂∂=∂∂, 在计算中,先计算输出层误差)2(k δ,再计算隐层误差)1(j δ,称误差反向传播.可设计求解sij w 的最小二乘法或梯度法得学习规则∑=-=∆Njk kj t w 1)2(ααδη∑=-=∆Ni j jix w1)1()1(ααδη如果学习规则仅限当前输入,算法称为在线学习规则.j k ki t w 2ηδ-=∆i j ji x w )1()1(ηδ-=∆误差反向传播学习算法step1 给出权重和阀值的初值)0(),0()1(kj ji w w ,选择学习效率0>η step2 t 次迭代值)(),()1(t w t w kj ji 已知,正向过程,对N ,,1 =α,次计算αααk k j j y t ,,,反向过程,对N ,,1 =α,次计算)(2t k αδ和)()1(t j αδ如2k δ和)1(j δ迭代过程,计算第1+t 次权重 ∑=-=+Njkkj kj t t t w t w 12)()()1(αααδη∑=-=+Nijjiji x t t w t w 1)1()1()1()()()1(αααδηstep3 得序列 )}(),(),(),({)1(2)1(t w t w t t kj ji k j ααδδ直到满足停机准则3、模型的建立根据合金元素和压缩比与刚力学性能的特点以及题目要求,为了体现7种合金元素和压缩比对屈服、抗拉强度和延伸率的影响特点,我们设有8个输入层,其分别为C 元素的千分含量、Si 元素的千分含量、Mn 元素的千分含量、P 元素的千分含量、S 元素的千分含量、V 元素的千分含量、N 元素的千分含量以及压缩比的值。