金属学报  2004, Vol. 40 Issue (10): 1051-1054

论文 本期目录 | 过刊浏览 |

齿轮选材及热处理工艺智能专家系统

李新城 陈 光 朱伟兴 王 匀 张开华 汪建敏

江苏大学机械工程学院; 镇江 212013

Intelligent Expert System Used in Gear Material Selection and its Heat Treatment

LI Xincheng; CHEN Guang; ZHU Weixing; WANG Yun; ZHANG KAihua; WANG Jianmin

School of Mechanical Engineering; Jiangsu Univercity; Zhenjiang 212013

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 .
, , , , , . Intelligent Expert System Used in Gear Material Selection and its Heat Treatment[J]. Acta Metall Sin, 2004, 40(10): 1051-1054 .

摘要 参考文献 相关文章 Metrics 全文: PDF(39545 KB)   摘要: 分析了专家系统和人工神经网络各自的特征和优缺点及其在选材和热处理方面的应用，将人工神经网络技术引入齿轮选材和热处理专家系统，建立了两级BP网络模型，在很大程度上克服了传统专家系统的缺陷。本系统包含有大量的齿轮选材和热处理资料 关键词 ： 人工神经网络,  专家系统,  齿轮选材,  热处理     Abstract：The characters and weakness of expert system (ES) and artificial neural networks (ANN) have been analyzed. The ANN were led into gear materials selection and heat treatment ES, and 2-grades back propagation (BP) ANN model which has conquered the weakness of traditional ES has been established. This system contains large quantity of knowledge of gear materials and heat treatment process. Key words： artificial neural network    expert system    gear material selection    heat treatment 收稿日期: 2003-10-22      ZTFLH:  TD182   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 李新城 陈光 朱伟兴 王匀 张开华 汪建敏 44.8K 链接本文: https://www.ams.org.cn/CN/      或      https://www.ams.org.cn/CN/Y2004/V40/I10/1051 [1] Zakarian V I, Kaiser M J. Expert System Appl, 1999; 16: 233 [2] Mizoguchi R. IEEE Expert, 1995; 8: 23 [3] Kim H S, Im Y T. Mater Proc Technol, 1999; 95: 262 [4] Chan Y W. Computer Appl Technol, 1998; 11: 66 [5] Sonar R M. Expert System Appl, 1999; 17: 45 [6] Phillip W G. Eng Appl Artificial Intelligence, 1996; 2: 163 [7] Lucas W. Weld World, 1994; 34: 9 [8] Andrew R G, Paul S R. Artificial Intelligence, 1996; 87:215 [9] ASM Handbook Committee. Metal Handbook (Vol.6) .New York: McGraw-Hill, 1996: 158 [10] Lange K. Handbook of Metal Forming. New York:McGraw-Hill, 1995: 116 [1] 王法, 江河, 董建新. 高合金化GH4151合金复杂析出相演变行为[J]. 金属学报, 2023, 59(6): 787-796. [2] 张东阳, 张钧, 李述军, 任德春, 马英杰, 杨锐. 热处理对选区激光熔化Ti55531合金多孔材料力学性能的影响[J]. 金属学报, 2023, 59(5): 647-656. [3] 杨累, 赵帆, 姜磊, 谢建新. 机器学习辅助2000 MPa级弹簧钢成分和热处理工艺开发[J]. 金属学报, 2023, 59(11): 1499-1512. [4] 孙腾腾, 王洪泽, 吴一, 汪明亮, 王浩伟. 原位自生2%TiB2 颗粒对2024Al增材制造合金组织和力学性能的影响[J]. 金属学报, 2023, 59(1): 169-179. [5] 李钊, 江河, 王涛, 付书红, 张勇. GH2909低膨胀高温合金热处理中的组织演变行为[J]. 金属学报, 2022, 58(9): 1179-1188. [6] 韩林至, 牟娟, 周永康, 朱正旺, 张海峰. 热处理温度对Ti0.5Zr1.5NbTa0.5Sn0.2 高熵合金组织结构与力学性能的影响[J]. 金属学报, 2022, 58(9): 1159-1168. [7] 张家榕, 李艳芬, 王光全, 包飞洋, 芮祥, 石全强, 严伟, 单以银, 杨柯. 热处理对一种双峰晶粒结构超低碳9Cr-ODS钢显微组织与力学性能的影响[J]. 金属学报, 2022, 58(5): 623-636. [8] 曾小勤, 王杰, 应韬, 丁文江. 镁及其合金导热研究进展[J]. 金属学报, 2022, 58(4): 400-411. [9] 袁波, 郭明星, 韩少杰, 张济山, 庄林忠. 添加3%Zn对Al-Mg-Si-Cu合金非等温时效析出行为的影响[J]. 金属学报, 2022, 58(3): 345-354. [10] 陈润, 王帅, 安琦, 张芮, 刘文齐, 黄陆军, 耿林. 热挤压与热处理对网状TiBw/TC18复合材料组织及性能的影响[J]. 金属学报, 2022, 58(11): 1478-1488. [11] 王迪, 黄锦辉, 谭超林, 杨永强. 激光增材制造过程中循环热输入对组织和性能的影响[J]. 金属学报, 2022, 58(10): 1221-1235. [12] 王文权, 王苏煜, 陈飞, 张新戈, 徐宇欣. 选区激光熔化成形TiN/Inconel 718复合材料的组织和力学性能[J]. 金属学报, 2021, 57(8): 1017-1026. [13] 王悦, 王继杰, 张昊, 赵泓博, 倪丁瑞, 肖伯律, 马宗义. 热处理对激光选区熔化AlSi10Mg合金显微组织及力学性能的影响[J]. 金属学报, 2021, 57(5): 613-622. [14] 马德新, 赵运兴, 徐维台, 皮立波, 李重行. 高温合金单晶铸件中共晶组织分布的表面效应[J]. 金属学报, 2021, 57(12): 1539-1548. [15] 张少华, 谢光, 董加胜, 楼琅洪. 单晶高温合金共晶溶解行为的差热分析[J]. 金属学报, 2021, 57(12): 1559-1566. Viewed Full text Abstract Cited   Shared      Discussed