金属热处理
• 测试与分析 • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 采用等离子技术对硼铸铁进行熔凝处理，利用SEM、XRD及显微硬度计对硬化层的组织和性能进行了测试和分析。在此基础上，采用BP人工神经网络建立等离子工艺参数与硼铸铁熔凝硬化层性能之间的神经网络预测模型。结果表明，熔凝层的组织为细小均匀的共晶莱氏体+少量未溶石墨，神经网络预测的硬化层深度和硬度值与试验值相对误差小于4.3%，说明该BP神经网络模型可以较准确预测硼铸铁等离子熔凝硬化层的性能。利用该模型可为实际生产中选择合适的工艺参数提供参考。
关键词: 人工神经网络, 等离子熔凝, 硼铸铁, 硬化层
Key words: artificial neural networks, plasma remelting, boron cast iron, hardened layer
中图分类号:
TG174.44
彭竹琴，李俊魁，卢金斌. 基于BP神经网络的硼铸铁等离子熔凝硬化层性能预测[J]. 金属热处理, doi: 10.13251/j.issn.0254-6051.2015.05.044.
Peng Zhuqin, Li Junkui, Lu Jinbin. Performance prediction of plasma remelting hardened layer on boron cast iron based on back propagation artificial neural networks[J]. HTM, doi: 10.13251/j.issn.0254-6051.2015.05.044.
0 / / 推荐
导出引用管理器 EndNote|Ris|BibTeX
链接本文: http://www.jsrcl.net/CN/10.13251/j.issn.0254-6051.2015.05.044
http://www.jsrcl.net/CN/Y2015/V40/I5/177
