在对铸坯质量缺陷类型及其主要影响因素分析总结的基础上,确定以特殊钢大方坯常见的中间裂纹、中心裂纹和中心偏析为研究对象,利用BP神经网络建立了该3种典型缺陷的预测模型.基于冶金理论和连铸生产大量历史数据的统计分析,提炼出影响以上3种内部缺陷的20个主要工艺参数,进而提出20-15-3的预测模型网络拓扑结构.采用生产现场数据制做了预测模型的训练样本集和测试样本集.利用训练样本集将该神经网络训练至设定预报误差以内,再用测试样本集对所构建的网络进行了测试.基于训练成熟的神经网络模型,进一步编制在线预报系统,实现铸坯质量在线实时预报.
参考文献
| [1] | A. Yamanaka;K. Nakajirna;K. Okamura .Critical strain for internal crack formation in continuous casting[J].Ironmaking & Steelmaking: Products and applications,1995(6):508-512. |
| [2] | Normanton A S;Barber B;Bell A et al.Developments in Online Surface and Internal Quality Forcasting of Continuously Cast Semis[J].Ironmaking and Steelmaking,2004,31(05):377. |
| [3] | 姜广森,毕学工,金焱,李救生,郝二虎.连铸板坯表面质量预报专家系统[J].山东冶金,2005(03):36-39. |
| [4] | 金焱,毕学工.板坯表面质量预报专家系统[J].河南冶金,2004(03):7-8,24. |
| [5] | 李向奎;张家泉.基于BP神经网络的铸坯质量预报模型[A].通化:中国金属学会连续铸钢分会,2007 |
| [6] | Lesoult G .Macro segregation in steel strands and ingots: Characterisation, formation and consequences[J].Materials Science & Engineering, A. Structural Materials: Properties, Misrostructure and Processing,2005(0):19-29. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%