金属学报  2003, Vol. 39 Issue (10): 1110-1114

论文 本期目录 | 过刊浏览 |

应用回归和神经网络方法预测热轧带钢性能

莫春立; 李强; 李殿中; 冯峰; 詹志东

中国科学院金属研究所; 沈阳 110016

莫春立; 李强; 李殿中; 冯峰; 詹志东 . 应用回归和神经网络方法预测热轧带钢性能[J]. 金属学报, 2003, 39(10): 1110-1114 .

摘要 参考文献 相关文章 Metrics 全文: PDF(232 KB)   摘要: 针对Q235B热轧带钢性能预测系统, 提出一种回归分析和神经网络相结合的方法来预测其力学性能. 首先, 测量材料最终相的组成与铁素体的晶粒度, 应用多重回归分析的方法, 建立成分、相体积分数、晶粒尺寸与抗拉强度、屈服强度、延伸率的对应关系. 另一方面, 采用BP神经网络方法, 结合相变动力学模型的计算数据, 通过大量数据的自学习训练, 完成神经网络模型对抗拉强度、屈服强度、延伸率的预测. 预测结果表明, 应用神经网络和回归分析方法, 具有较高的预测精度. 关键词 ： 热轧带钢,  神经网络,  回归     Key words： 收稿日期: 2002-10-18      ZTFLH:  TG335.11   服务 把本文推荐给朋友 加入引用管理器 E-mail Alert RSS 作者相关文章 莫春立 李强 李殿中 冯峰 詹志东 44.8K 链接本文: https://www.ams.org.cn/CN/Y2003/V39/I10/1110 [1] Sellars C M, Davies G J. Met Soc, London, 1980: 3 [2] Sellars C M, Whiteman J A. Met Sci, 1979; 13: 187 [3] Hodgson P D. J Mater Proc Technol, 1996; 60: 27 [4] Majta J, Kuziak R. J Mater Proc Technol, 1996; 60: 581 [5] Trowsdale A J, Anderson K R. Proc Conf 'Thermome-chanical Processing of Steels', London, 2000; 1: 332 [6] Denis S, FaRias D, Simon A. ISIJ, 1992; 32(3) : 316 [7] Vaiq S. VOEST-A1PINE Industrieanlagenbau GmbH, Automation Department, Linz, Austria [8] Baragar D L, Canadian Metals Technology LaboratoriesReport MTL 95-20(GF), 1995 [9] Kwon O. ISIJ, 1992; 32(3) : 350 [10] Zheng H, Wang Z D, Wang G D, Zhang P J. Iron and Steel, 2002; 37(7) : 37(郑 晖,王昭东,王国栋,张丕军.钢铁,2002;37(7) :37) [11] Sourmail T, Bhadeshia H K D H, Mackay D J C. Mater Sci Technol, 2002; 18(6) : 655 [12] Abihijit S P, Translated by Xu Y, Jing T. Pattern Recognition with Neural Networks in C++, Beijing: Electronics Industry Press, 1999: 57(Abihijit S P著,徐勇,荆涛译.神经网络模式识别及其实现.北京:电子工业出版社, 1999:57) [13] Zhang Y T, Li D Z. Acta Metall Sin, 2002; 15(3) : 267(张玉妥,李殿中,金属学报,2002;15(3) :267) [1] 冀秀梅, 侯美伶, 王龙, 刘玠, 高克伟. 基于机器学习的中厚板变形抗力模型建模与应用[J]. 金属学报, 2023, 59(3): 435-446. [2] 冯迪, 张新明, 陈洪美, 金云学, 王国迎. 非等温回归再时效对Al-8Zn-2Mg-2Cu合金厚板组织及性能的影响[J]. 金属学报, 2018, 54(1): 100-108. [3] 余滨杉,王社良,杨涛,樊禹江. 基于遗传算法优化的SMABP神经网络本构模型[J]. 金属学报, 2017, 53(2): 248-256. [4] 刘远荣,陈伟民,汤颖,杜勇,张利军. 实用型数值回归法在三元铝合金互扩散系数计算中的应用*[J]. 金属学报, 2016, 52(8): 1009-1016. [5] 苏睿明, 曲迎东, 李荣德. 喷射态7075合金回归再时效中预时效的研究*[J]. 金属学报, 2014, 50(7): 863-870. [6] 侯介山,周兰章,郭建亭,袁超. NiAl合金超塑性的人工神经网络预测[J]. 金属学报, 2013, 49(11): 1333-1338. [7] 余晖 KIM Youngmin 于化顺 YOU Bongsun 闵光辉. Mg-Zn-Zr-Ce合金高温变形行为与热加工性能研究[J]. 金属学报, 2012, 48(9): 1123-1131. [8] 邓天勇 吴迪 许云波 赵彦峰 刘相华 王国栋. 普碳钢中厚板热轧温度制定的一种新的数学方法[J]. 金属学报, 2009, 45(1): 67-72. [9] 吴令; 姜周华; 龚伟; 梁连科 . 遗传神经网络改进正规溶液模型及其在二元渣系中的应用[J]. 金属学报, 2008, 44(7): 799-802 . [10] 宁爱林; 刘志义; 冯春; 曾苏民 . 铝合金回归再时效状态的超峰时效强度行为分析[J]. 金属学报, 2006, 42(12): 1253-1258 . [11] 连利仙; 刘颖; 叶金文; 高升吉; 涂铭旌 . 基于人工神经网络的Nd-Fe-Co-Zr-B系永磁合金磁性能的预测模型[J]. 金属学报, 2005, 41(5): 529-533 . [12] 王洪斌; 崔华; 郝斌; 程军胜; 黄进峰; 张济山 . 喷射沉积超高强Al-Zn-Mg-Cu合金的回归再时效处理[J]. 金属学报, 2005, 41(12): 1267-1271 . [13] 李军伟; 彭志方 . 用人工神经网络法预测镍基单晶高温合金的蠕变断裂寿命[J]. 金属学报, 2004, 40(3): 257-262 . [14] 由伟; 白秉哲; 方鸿生 ; 谢锡善 . 用人工神经网络模型预测钢的奥氏体形成温度[J]. 金属学报, 2004, 40(11): 1133-1137 . [15] 李新城; 陈光; 朱伟兴; 王匀; 张开华; 汪建敏 . 齿轮选材及热处理工艺智能专家系统[J]. 金属学报, 2004, 40(10): 1051-1054 . Viewed Full text Abstract Cited   Shared      Discussed