基于人工神经网络-遗传算法的1Cr18Ni9Ti钢激光表面熔凝工艺优化

1Cr18Ni9Ti激光表面强化工艺的研究

１试验方法
采用ＪＨＭ－ｌＧｘ＿２００Ｂ型脉冲激光器（波长为１．０６斗ｍ，最大
【收稿日期］２００７一１２一０３【作者简介】韩莉（１９７８一），女，山西太原人，讲师，硕士，主要从事表面改性方面的研究。
工作电流４００Ａ，脉冲宽度０．１一１５ｍｓ，最大单脉冲能量６０Ｊ）处理试样。选择电流、扫描速度２个基本实验参数，电流分别取１２０、１４０、１５０、１６０、１７０Ａ，扫描速度分别取１．４、１．２、１．Ｏ、０．８、０．６ｍｍ／ｓ，进行组合实验２５次。试样经激光表面强化处理后，采用）（Ｊｚ＿６Ａ型金相显微镜观察并拍摄处理层的显微组织；采用ＨＶＳ．１０００型显微硬度计测量处理层的显微硬度（加载Ｏ．９８Ｎ，加载时间为２０ｓ）；以从试样的表面垂直测至比基体显微硬度值高ＨＶ。．２０—３０处的距离为处理层厚度ｐｏ。然后运用数学方法分析试样表面硬度的分布，并进行曲线拟合。
硬度高于基体硬度的强化层，最高硬度达２２４ＨＶ；在一定范围内电流越大，硬度越高；扫描速度越慢，硬度越高。
［关键词］激光表面强化；晶粒细化；奥氏体不锈钢
【中图分类号］ＴＧｌ５６．９９
［文献标识码］Ａ
【文章编号］１００１—３６６０（２００８）ｏｌ一００６２—０２
ＳｔｕｄｙｏｎｔｈｅＬａｓｅｒＳｕｒｆａｃｅＳｔｒｅｎｇｔｈｅｎＰｒｏｃｅｓｓｏｆ１Ｃｒｌ８Ｎｉ９ＴｉＨＡＮＬｉ。ＪｌＡＮＧｗｅｉ
至
魁瞽眨姑
瑚珊瑚瑚啪啪ｍ啪啪
图４激光表面强化后硬度分布的曲线拟合图Ｆｉｇｕｒｅ４Ｄｉｓｔｒｉｂｕ虹ｏｎｃｕｒｖｅｆｉｔｌｉ“ｇ０ｆｄｅｇｒｅｅ０ｆＩＩｌｉｃｒｏ．ｈａｒｄｎ髓８ｂｙｌａ靶ｒｓｕｒｆ如ｅ吼ｒｅｎｇ山ｅｎｉｎｇ
在图４中，横坐标代表测量点至表面的距离（一），纵坐标

人工神经网络—遗传算法优化激光—等离子体化学气相沉积Si3N4薄膜制备工艺

（６）
Ｙｊ
其中，表示第Ｋ个学习样本，即教师信号；Ｏ表示相应的网络实际输出值。
（）果Ｅ满足要求或达到指定的学习次数，５如则学
图１ＢＰ三层网络
ｒｇ１Ｓｒｃｕｅ０ｈｅｙＢｅｗｒｓｉ．ｔｔｒｆｔｒｅｌ髓Ｐｎｔｏｋｕａ
维普资讯
第２３卷第２期
２０Ｏ２年６月
陶瓷学报
ＪＵＲＡＬＯＥＡＣＯＮＦＣＲＭＩＳ
Ｖ１２Ｎｏ２ｏ．３，．
Ｊｎ．０２ｕｅ２０
文章编号：００一￣７（０２０１０ａ２０）２—０１ —０１６３
ＫｅｗｏｄＬＣｙｒｓＰＶＤ，ｉＮ４ｌ，ｒｆｉｅｔｌｅｗｒｓｇｎｔｇｒｈＳ３ｍａｔｃａｎｕｒｔｏｋ，ｅｅｃａｏｉｍｆｉｉｌｉａｎｉｌｔ
文在一定实验数据的基础上沉积（Ｉ）是一
工艺参数与薄膜显微硬度的关系进行拟合、预测，并结合遗传算法对制备工艺参数进行了优化。
种新型镀膜工艺，主要参数激光功率密度、Ｆ电源其Ｒ功率和氮硅流量比（／铷．对ｓ薄膜的显微硬ＱＱ）ｉ４３Ｎ度均有影响，且呈现非线性关系。采用传统的统计回归方法较难确定ｓＮ薄膜的最佳制备工艺。而人工４神经网络是一类试图模拟人脑神经结构的新型信息处
习结束则转入下一步；（）６逐层计算各单元的学习信号（Ｔ—ＯｆＰ）（）
＝

利用人工神经网络技术优化钛合金微弧氧化工艺

利用人工神经网络技术优化钛合金微弧氧化工艺
牛宗伟，李明哲
（山东理工大学机械工程学院，山东淄博２５５０００）
摘要：在正交试验基础上，利用ＭＡＴＬＡＢ软件建立ＢＰ神经网络膜层耐蚀性能预测模型，通过网络
ＳｔｕｄｉｅｓｏｎＴｉｔａｎｉｕｍＡｌｌｏｙＭｉｃｒｏ－ａｒｃＯｘｉｄａｔｉｏｎＰｒｏｃｅｓｓＯｐｔｉｍｉｚｅｄｂｙＡｒｔｉｉｃｆｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋＴｅｃｈｎｏｌｏｇｙ
・
１０・
Ａｐｒ．２０１５
ＰｌａｔｉｎｇａｎｄＦｉｎｉｓｈｉ４ＳｅｒｉａｌＮｏ．２６５
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－３８４９．２０１５．０４．００３
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｄａｔａｏｆｏｒｔｈｏｇｏｎａｌｅｘｐｅｉｍｅｒｎｔｓ，ｔｈｅｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆＢＰｎｅｕｔｒａｌｎｅｔｗｏｒｋｉｌｆｍｃｏｒｒｏｓｉｏｎｒｅｓｉｓｔａｎｃｅｗａｓｅｓｔａｂｌｉｓｈｅｄｂｙｕｓｉｎｇｏｆＭＡＴＬＡＢｓｏｆｔｗａｒｅ；ｔｈｅｏｐｔｉｍａｌｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｗａｓｄｅ — ｔｅｒｍｉｎｅｄｂｙｔｒａｉｎｉｎｇｏｆｔｈｅｓａｍｐｌｅｅｘｐｅｉｍｅｒｎｔａｌｄａｔａ；ｔｈｅｃｏｒｒｏｓｉｏｎｒｅｓｉｓｔａｎｃｅｏｆｍｉｃｒｏ — ａｒｃｏｘｉｄａｔｉｏｎｃｏａｔ — ｉｎｇｏｎｔｉｔａｎｉｕｍｌｌａｏｙｗａｓｐｒｅｄｉｃｔｅｄａｎｄｔｈｅｍｉｃｒｏ — ａｒｃｏｘｉｄａｔｉｏｎｐｒｏｃｅｓｓｐａｒａｍｅｔｅｒｓｗｅｒｅｏｐｔｉｍｉｚｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔａ４－７— １ｔｈｒｅｅ — ｔｉｅｒｎｅｕｒａｌｎｅｔｗｏｒｋｓｔｕｃｒｔｕｒｅｗａｓｄｅｔｅｒｍｉｎｅｄｂｙａｎｌｙａｓｉｓ；ｔｈｅｎｅｔｗｏｒｋ

1Cr18Ni9Ti不锈钢低功率激光-双面TIG复合焊接仿真研究

产的需求。
７６ｍｍＸ２５ｍｍＸ９ｍｍ，焊接形式为不填充焊丝，
不开坡口平板立焊。焊接实验时激光一双面ＴＩＧ复
合焊接的工艺参数为激光功率３００Ｗ，电弧电流１２５Ａ，焊接速度１２０ｍｍ／ｍｉｎ。不锈钢１Ｃｒｌ８Ｎｉ９ＴＩ钢的热物理性能参数如表１所示 ’ 。
关键词：低功率激光一双面ＴＩＧ复合焊；１Ｏｒ１８ＮｉｇＴｉ不锈钢；数值模拟中圈分类号：Ｔ＠４５６．７文献标识码：Ａ文章编号：１００９－０１３４（２０１３）１２（上）－０１００ — ０３
Ｄｏｉ：１０．３９６９／Ｊ．ｉｓｓｎ．１００９－０１３４．２０１３．１２（Ｅ）．２８
０引言
激光一电弧复合焊接、双面电弧焊接、ＡＴＩＧ
１有限元模型和实验方法
１１００１第３５卷
第１２期
２０１３ —１２（上）
、ｌ匐秒似
的平面模型。利用ＡＮＳＹＳ的前处理模块中模型创建功能（Ｍｏｄｅｌｉｎｇ），在０ｍｍ ≤Ｙ≤５ｍｍ
的焊缝及热影响区，６ｍｍ ≤Ｙ≤ ７ｍｍ中间区域，９ｍｍ ≤Ｙ≤ １２．５ｍｍ母材边缘区域分别用
舶、车辆等领域得到了广泛地应用。而由于激光一双面ＴＩＧ复合焊接技术，存在三个焊接热源问的相互耦合作用，焊接操作困难、温度场变化机理复杂，该项技术的研究和应用远不能满足现代化生

1Cr18Ni9Ti激光表面熔覆的研究

1Cr18Ni9Ti激光表面熔覆的研究
郑启关;陶星之
【期刊名称】《华中理工大学学报》
【年(卷),期】1993(021)004
【摘要】对1Cr_(18)NiTi不锈钢材料表面进行激光熔覆的研究.采用正交设计方案选取了最佳工艺参数,研究了激光熔覆层的组织结构,测量了激光熔覆区的成分及硬度分布,特别是对激光熔覆的热影响区的碳的扩散与集聚作了分析与讨论.对激光熔覆试样进行了磨损和腐蚀试验.
【总页数】6页(P84-89)
【作者】郑启关;陶星之
【作者单位】不详;不详
【正文语种】中文
【中图分类】TG174.445
【相关文献】
1.KmTBCr15Mo表面激光熔覆原位合成TiC-VC增强镍基熔覆层的工艺研究 [J], 丁阳喜;殷晓耀;廖芳蓉
2.1Cr18Ni9Ti激光表面熔覆合金结构相的研究 [J], 甘仲惟;郑启光
3.1Cr18Ni9Ti激光熔覆表面的穆斯堡尔研究 [J], 祁守仁;郑启光
4.20Cr13钢表面激光熔覆铁/镍基合金熔覆层的组织与性能研究 [J], 周志杰;许磊;杜彦斌;张磊
5.1Cr18Ni9Ti不锈钢表面电火花熔覆WC涂层特性研究 [J], 张瑞珠;赵元元;严大考;郭朋彦;张洁溪;韩婷婷;黄荣浩
因版权原因，仅展示原文概要，查看原文内容请购买。

人工神经网络在化工工艺过程优化中的应用研究

人工神经网络在化工工艺过程优化中的应用研究人工神经网络（Artificial Neural Networks，ANN）作为一种模拟人类神经系统运作的数学模型，已经在许多领域中被广泛应用。

化工工艺过程优化是其中之一。

本文旨在探讨人工神经网络在化工工艺过程优化中的应用研究。

化工工艺过程优化是指利用现代信息技术对化工生产过程进行智能化管理和控制，以提高生产效率、降低能耗和环境污染。

传统的化工工艺过程优化方法通常依赖于经验公式和统计模型，这些方法在某些情况下具有局限性。

相比而言，人工神经网络作为一种模拟人脑工作原理的计算模型，能够从数据中自动提取特征，并通过非线性映射实现对复杂系统的建模和优化。

首先，人工神经网络在化工工艺过程优化中的应用广泛涉及建模和预测。

通过对已有数据进行训练，人工神经网络能够学习到不同变量之间的复杂关系，并能够预测未来的变量值。

例如，在化工生产过程中，通过输入不同变量的数据，如温度、压力、浓度等，并结合对应的产量数据，可以训练出一个人工神经网络模型，用于预测在给定条件下的产量。

这种方法可以帮助工程师对不同的工艺参数进行优化，以达到最佳的产量和能源利用效率。

其次，人工神经网络在化工工艺过程中的应用还包括故障检测与诊断。

传统的故障检测方法通常只能检测到明显的故障，而对于一些隐蔽的故障往往无法及时发现。

人工神经网络通过学习正常运行时的数据模式，能够对异常情况进行检测，并提供实时的故障诊断。

例如，对于一个反应釜，通过将传感器数据输入到训练好的人工神经网络模型中，可以对反应釜的异常状态进行检测，如温度过高、压力异常等，并及时发出警报。

这样可以有效地避免生产过程中的故障导致的生产停滞和损失。

另外，人工神经网络还能够应用于化工工艺优化中的过程控制。

过程控制是保证化工生产过程稳定运行的关键环节。

传统的过程控制方法通常基于数学模型，但这些模型往往不能完全准确地描述复杂的非线性关系。

而人工神经网络作为一种基于数据驱动的建模方法，能够根据实际运行数据进行训练，并在不断学习和优化的过程中逐步提高控制效果。

基于人工神经网络智能算法的9310_钢本构模型优化

第16卷第3期精密成形工程2024年3月JOURNAL OF NETSHAPE FORMING ENGINEERING171基于人工神经网络智能算法的9310钢本构模型优化施文鹏1，孙岑花1，李佳俊2，王宇航2，董显娟2（1.江西景航航空锻铸有限公司，江西景德镇 330046；2.南昌航空大学航空制造工程学院，南昌 330063）摘要：目的研究9310钢在变形温度为800~1 200 ℃、应变速率为0.01~50 s−1和高度压下量为70%条件下的热变形行为，建立预测效果相对较好的9310钢本构模型。

方法使用Gleeble-3800热模拟机对9310钢进行等温恒应变速率热压缩实验，基于热压缩实验数据，分析了应变速率对9310钢流动软化效应的影响，建立了考虑应变补偿的Arrhenius本构模型与支持向量回归（SVR）本构模型，并进行了模型精度分析，之后引入人工神经网络（ANN）智能算法优化了Arrhenius本构模型。

结果与变形温度相比，应变速率对9310钢流动软化效应的影响更为显著。

相较于支持向量回归（SVR）本构模型，考虑应变补偿的Arrhenius本构模型精度更高，其相关系数R为0.993 4，平均相对误差（AARE）和均方误差（MSE）分别为0.055 6和89.362，它在预测高应变速率（1、10、50 s−1）流动应力时出现了较大偏差，经ANN智能算法优化后，相关系数R 提高至0.999 1，AARE和MSE分别降至0.019 9和9.998，且绝对误差在±10 MPa以内的预测流动应力占比为98.34%。

结论在低应变速率（0.01 s−1）下软化效应更强，在高应变速率（10 s−1）下再结晶程度较低，软化效应较弱。

ANN智能算法优化后的Arrhenius本构模型具有较高的精度，能较准确地预测9310钢的流动行为。

关键词：9310钢；本构模型；Arrhenius型本构模型；人工神经网络（ANN）；智能算法优化DOI：10.3969/j.issn.1674-6457.2024.03.019中图分类号：TG142.1+4 文献标志码：A 文章编号：1674-6457(2024)03-0171-109310 Steel Constitutive Model Optimization Based on ArtificialNeural Network Intelligent AlgorithmSHI Wenpeng1, SUN Cenhua1, LI Jiajun2, WANG Yuhang2, DONG Xianjuan2(1. Jiangxi Jinghang Aviation Forging & Casting Co., Ltd., Jiangxi Jingdezhen 330046, China;2. School of Aeronautical Manufacturing Engineering, Nanchang Hangkong University, Nanchang 330063, China)ABSTRACT: The work aims to study the thermal deformation behavior of 9310 steel under the conditions of deformation temperature of 800-1 200 ℃, strain rate of 0.01-50 s−1 and high depression of 70%, and to establish a constitutive model of 9310 steel with a relatively good prediction effect. An isothermal constant strain rate thermal compression test was carried out on收稿日期：2024-01-05Received：2024-01-05基金项目：江西省自然科学基金面上项目（20232BAB204050）Fund：Natural Science Foundation of Jiangxi Province (20232BAB204050)引文格式：施文鹏, 孙岑花, 李佳俊, 等. 基于人工神经网络智能算法的9310钢本构模型优化[J]. 精密成形工程, 2024, 16(3): 171-180.SHI Wenpeng, SUN Cenhua, LI Jiajun, et al. 9310 Steel Constitutive Model Optimization Based on Artificial Neural Network Intelligent Algorithm[J]. Journal of Netshape Forming Engineering, 2024, 16(3): 171-180.172精密成形工程 2024年3月9310 steel using Gleeble-3800 thermal simulator, and the influence of strain rate on the flow softening effect of 9310 steel was analyzed based on the thermal compression experimental data, and an Arrhenius constitutive model and a support vector regression (SVR) constitutive model considering strain compensation were established, and the model accuracy was analyzed.Compared with the deformation temperature, the strain rate had a more significant effect on the flow softening effect of 9310 steel. Compared with the Support Vector Regression (SVR) constitutive model, the Arrhenius constitutive model considering strain compensation had higher accuracy, with a correlation coefficient R of 0.993 4, an average relative error (AARE) and a mean square error (MSE) of 0.055 6 and 89.362, respectively, and a high strain rate (1, 10, 50 s−1). After the optimization of the ANN intelligent algorithm, the correlation coefficient R was increased to 0.999 1, the AARE and MSE were reduced to 0.019 9 and 9.998, respectively. The proportion of the predicted flow stress with an absolute error of ±10 MPa was 98.34%. The softening effect is stronger at low strain rate (0.01 s−1). The degree of recrystallization is lower at high strain rate (10 s−1), and the softening effect is weaker. The Arrhenius constitutive model optimized by ANN intelligent algorithm has high accuracy and can accurately predict the flow behavior of 9310 steel.KEY WORDS: 9310 steel; constitutive model; Arrhenius constitutive model; artificial neural network (ANN); intelligent algorithm optimization9310钢具有优异的综合性能，如强度高、韧性好等[1]。

基于改进神经网络算法的中碳钢热处理工艺参数预测方法研究

基于改进神经网络算法的中碳钢热处理工艺参数预测方法研究朱贺;徐涵;赵庆
【期刊名称】《山西冶金》
【年(卷),期】2024(47)3
【摘要】传统的BP神经网络算法应用于热处理工程实践,常出现数据收敛速度较低,易陷入局部最优解等状况,通过搭建遗传算法优化的神经网络,即GA-BP神经网络,利用遗传算法强大的全局优化性,解决了传统BP神经网络易陷入局部最优解、容易过拟合等弊端;再通过采集热处理实验数据,训练并测试单独的BP神经网络和GA-BP神经网络。

借助MATLAB能够运行部分程序的特点,采用优化前的BP神经网络和优化后的GA-BP神经网络对低碳钢热处理的优化结果进行比较,确认GA-BP神经网络算法在金属热处理优化的作用及优越性。

将此研究提出的GA-BP神经网络算法应用于其他各类金属的热处理工艺优化中去,可更好地指导工程实践。

【总页数】4页(P10-13)
【作者】朱贺;徐涵;赵庆
【作者单位】中国民用航空飞行学院民航监察员培训学院;中国民用航空飞行学院航空工程学院;中国民用航空飞行学院空中交通管理学院
【正文语种】中文
【中图分类】TG156
【相关文献】
1.基于HMPSO和BP神经网络算法的中频淬火工艺参数预测
2.基于改进遗传算法优化BP神经网络的短时交通流量预测方法研究
3.基于改进蝗虫算法优化长短时记忆神经网络的多参数瓦斯浓度预测模型研究
4.基于改进BP神经网络算法的钻锪工艺参数优化
因版权原因，仅展示原文概要，查看原文内容请购买。

人工神经网络结合遗传算法对CFWRP固化制度的优化

１ —ｌ — 日－舌】． — ｊ一
ห้องสมุดไป่ตู้
化时间的力学性能和固化度。以正交实验结果作为
训练样本，通过建立ＢＰ神经网络模型寻求固化制度与力学性能的内在规律（函数关系）即。预测结果和实验结果误差不大于１％。对建立起来的函数关系
该函数作为目标函数的最优化问题，即寻找合适的网络输入，以使网络输出值达到最大（或最小）。由于用人工神经网络模型确立的函数关系是通过神经元间的连接权值与阈值来实现的，以用简单的函难数形式表达，以用传统的优化方法不易解决这类所问题。可用遗传算法完成人工神经网络模型的寻优过程，它只需要由网络响应值转换得来的适应值信息，而无需知道具体的函数形式。本文以碳纤维缠绕聚合物基复合材料ＮＬ环Ｏ为试件。ＮＬ环的力学性能是纤维缠绕压力容器Ｏ强度设计的依据，同时也可提供最基础的缠绕工艺参数。首先可以根据ＤＣ实验得到环氧树脂固化Ｓ过程放热峰曲线，确定出固化温度（凝胶温度与聚
２实验部分
ＮＬＯ环是一种单向纤维缠绕成型的复合材料
环形试验件。
２１实验设备与原料．
ＳＡ４９型差示扫描量热仪（Ｓ）德国Ｔ４ＣＤＣ，
ＮＴＳＨ公司；制组合式ＮＬ环模具及ＮＬ环缠ＥＺＣ钢ＯＯ
人工神经网络具有非常强的非线性映射能力。它不需要任何先验公式就可通过学习（或训练）自动总结出数据间的函数关系，而是一种较有效的因

人工神经网络模型预测高碳钢高速线材力学性能

人工神经网络模型预测高碳钢高速线材力学性能
芮晓艳
【期刊名称】《特殊钢》
【年(卷),期】2000(021)005
【摘要】以现场试验数据为基础,采用人工神经网络方法获得高碳钢高速线材力学性能与化学成分和生产工艺参数之间相关性的预测模型.将预报结果与试验结果相比较可知,该模型具有较高的精度.
【总页数】3页(P17-19)
【作者】芮晓艳
【作者单位】唐山钢铁(集团)有限责任公司,唐山,063016
【正文语种】中文
【中图分类】TF7
【相关文献】
1.利用人工神经网络模型预测Q235B热轧板带力学性能 [J], 黄海娥;阎俊岗;王红岩;邢淑清;宿国栋;麻永林
2.基于神经网络的高碳钢高速线材控冷工艺优化 [J], 冯贺滨;李连诗
3.应用人工神经网络模型预测Ti-10V-2Fe-3Al合金的力学性能 [J], 曾卫东;舒滢;周义刚
4.控轧控冷生产中高碳钢高速线材组织和性能的预测模型 [J], 冯贺滨;李连诗;刘明哲;褚建东;李克敏
5.用人工神经网络模型预测高碳钢高速线材力学性能 [J], 芮小艳
因版权原因，仅展示原文概要，查看原文内容请购买。