由伟
,
白秉哲
,
方鸿生
,
谢锡善
金属学报
根据收集的实验数据, 建立了预测钢的奥氏体形成温度(Ac1和 Ac3) 的反向传播人工神经网络模型. 用散点图和均方误差、相对均方误差和拟合分值三个统计学指标评价模型的预测性能. 人工神经网络预测Ac3和Ac1的三个统计学指标分别为23.8 ℃, 14.6 ℃; 2.89%, 2.06% 和1.8921, 1.7011. 散点图和统计学指标均显示: 人工神经网络的预测性能优于Andrews公式. 此外, 用人工神经网络分析了C和Mn的含量对Ac1和 Ac3温度的定量影响, 计算结果显示, C和Mn含量与Ac3和Ac1点间存在非线性关系, 这主要是由于钢中合金元素间存在的相互作用造成的.
关键词:
钢的奥氏体形成温度
,
null
,
null
由伟
,
刘亚秀
,
白秉哲
,
方鸿生
材料热处理学报
doi:10.3969/j.issn.1009-6264.2007.05.035
用人工神经网络模型分析了镍氢电池阴极材料的合金成分对电化学容量衰减速度的影响.用"留一法"训练了模型,模型对训练样本的计算值与实测值在散点图中沿0～45°对角线分布,误差为:均方误差(MSE)为0.1195,相对均方误差(MSRE)为20.54%,拟合值(VOF)为1.9144.对合金成分的分析结果表明:电化学容量的衰减速度随Ni含量的增加而下降,随Co、Al和Si含量的增加而增大,La含量和Nd含量的影响不大.
关键词:
电化学容量衰减速度
,
合金成分
,
预测
,
人工神经网络
由伟
,
赵玮玮
,
赖惠先
,
白秉哲
钢铁研究学报
用人工神经网络研究了化学成分及热处理工艺参数对低碳低合金钢的硬度的影响.首先设计了RBF型人工神经网络模型,用“舍一法”改进了模型,使其具有较好的预测性能.然后,用神经网络研究了化学成分和冷速对低碳低合金钢的硬度的定量影响.结果表明,碳的质量分数为0.11％～0.15％时,硬度随碳含量的增加而增大；硅的质量分数为0.24％～0.38％、锰的质量分数为0.94％～1.02％时,硬度值基本不变；铬的质量分数为0～0.6％时,硬度值呈增加趋势；镍的质量分数为0～0.04％时,硬度值基本不变；钼的质量分数为0～0.2％时,硬度值从HV288降至HV282；硼的质量分数为1％～2％时,硬度随含量增加而升高；钛、铌、钒的总质量分数为0.06％～0.14％时,硬度值基本不变；冷速从10℃/m增加至170℃/m,硬度值从HV290增至HV420.
关键词:
低碳低合金钢
,
硬度
,
化学成分
,
冷速
,
RBF型人工神经网络
杜畅
,
刘汉武
,
由伟
,
王俊红
,
李明
电镀与涂饰
使用光学软件TFCalc设计了2种金属陶瓷太阳能选择性吸收涂层,根据反射率曲线,优选出A1-A12O3复合涂层,并按照设计的最优涂层结构,采用磁控溅射法在铜基体上制备了A1-Al2O3复合涂层.研究了涂层在300℃/3 h热处理前后的结合强度、太阳光反射率和表面形貌.结果表明,经300℃空气高温处理3h后,涂层临界载荷由11.62N下降到8.75N,太阳光谱吸收率由93％(该值与TFCalc模拟结果基本一致)下降到86％.显微分析证实涂层性能下降是由于热处理后,涂层表面不再致密平整所致.
关键词:
太阳能选择性吸收涂层
,
铝
,
氧化铝
,
高温稳定性
,
反射率
,
设计
何文涛
,
刘淑梅
,
由伟
,
刘雅辉
金属功能材料
为了研究AB5型储氢合金初始放电容量与合金成分间的关系,设计了径向基函数型人工神经网络模型.用“留一法”训练了模型,然后用训练好的神经网络模型预测了5个样本的初始放电容量,预测值和实验值在散点图中沿45°线分布,统计学指标为:均方误差(MSE)为6.063,相对均方误差(MSRE)为0.0262％,拟合分值(VOF)为1.934 5,说明人工神经网络预测的结果是准确、可靠的.最后用神经网络分析了AB5型储氢合金的合金成分对其初始放电容量的定量影响,结果表明:La、Nd含量对初始放电容量影响呈抛物线关系,初始放电容量存在一个极小值;Ce含量对初始放电容量影响较大,随Ce含量的增加而增大,且增幅较大;Pr含量的影响不大,随Pr含量的增加初始放电容量有小幅增大,最后趋于平稳.
关键词:
AB5型储氢合金
,
初始放电容量
,
合金成分
,
人工神经网络
,
定量影响
刘亚秀
,
刘雅芳
,
姜艳梅
,
由伟
稀有金属
doi:10.3969/j.issn.0258-7076.2013.06.005
设计了径向基函数型人工神经网络模型,研究TA15钛合金的抗拉强度与热加工工艺参数的关系.用“留一法”训练了神经网络模型并对它的预测性能进行了测试,散点图和统计学指标均表明,人工神经网络模型经过训练后,具有较高的预测精度和可靠性.用训练好的神经网络模型预测了6个样本的抗拉强度,预测值与相应的实验测试值很接近,3个误差统计学指标的值分别为MSE=20.9,MRSE =2.11％,VOF=1.9895,这表明实验结果很好地验证了神经网络模型的计算结果,说明人工神经网络的预测结果是准确、可靠的.最后用神经网络模型分析了热加工工艺参数与抗拉强度间的定量关系,结果表明:加热温度在780 ～ 940℃之间时,随着加热温度T的升高,TA15钛合金的抗拉强度随之提高:加热温度为780℃时,抗拉强度为961.7 MPa,当加热温度升到940℃时,抗拉强度提高到了978.3 MPa;应变量在0.5～0.9范围时,随着应变量的增加,钛合金的抗拉强度也提高:应变量为0.5时,抗拉强度为973 MPa,当应变量达到0.9时,抗拉强度增加到了1020 MPa;应变速率在0.003 ～0.007 s-1范围内时,随着应变速率的增加,钛合金的抗拉强度也提高:应变速率为0.003 s-1时,抗拉强度为974 MPa,当应变速率达到0.007s-1时,抗拉强度增加到了986.5 MPa.
关键词:
TA15钛合金
,
抗拉强度
,
热加工工艺参数
,
人工神经网络
,
定量影响
由伟
,
白秉哲
,
方鸿生
,
谢锡善
金属学报
doi:10.3321/j.issn:0412-1961.2004.11.003
根据收集的实验数据,建立了预测钢的奥氏体形成温度(Ac1和Ac3点)的反向传播人工神经网络模型.用散点图和均方误差、相对均方误差和拟合分值三个统计学指标评价模型的预测性能.人工神经网络预测Ac3和Ac1的三个统计学指标分别为23.8℃,14.6℃;2.89%,2.06%和1.8921,1.7011.散点图和统计学指标均显示:人工神经网络的预测性能优于Andrews公式.此外,用人工神经网络分析了C和Mn的含量对Ac1和Ac3温度的定量影响,计算结果显示,C和Mn含量与Ac3和Ac1点间存在非线性关系,这主要是由于钢中合金元素间存在的相互作用造成的.
关键词:
钢的奥氏体形成温度
,
人工神经网络
,
预测性能
,
合金元素
,
定量影响
由伟
,
方鸿生
,
白秉哲
金属学报
根据收集和整理的实验数据, 建立了低碳低合金钢的成分与马氏体转变开始温度(Ms点)的反向传播(BP)人工神经网络, 用这种方法预测了一些钢的Ms点, 并与用其它经验公式得到的结果进行了比较. 结果表明: 用人工神经网络能更精确地预测钢的Ms点, 预测精度明显高于其它线性经验公式, 另外用正交实验法设计了几种基准成分的钢, 用人工神经网络分析了几种合金元素对Ms点的定量影响, 计算结果表明, 与传统的经验公式表达的信息不同, 合金元素的含量与钢的Ms点间表现为非线性关系. 可以认为, 这种非线性关系是由合金元素间复杂的交互作用引起的.
关键词:
钢的Ms点
,
null
,
null
