[发明专利]基于神经网络合金铸钢轧辊材料设计专家系统的建立方法

说明书

技术领域

本发明具体涉及合金铸钢轧辊技术领域，特别涉及基于神经网络合金铸钢轧辊材料设计专家系统的建立方法。

背景技术

合金铸钢在轧辊材料发展中占有十分重要的地位。随着现代轧机向高压和高速轧制的方向发展，对轧辊的要求变得越来越苛刻，进一步要求增加轧辊的质量和综合性能。因此，势必要开发高性能的高合金钢轧辊。为了达到降低开发成本和提高轧辊性能的目标，就有必要对轧辊的材质进行性能预测，再根据预测的结果，对其成分和热处理工艺进行设计，可以降低生产成本，并缩短开发时间。

在研究开发出新的轧辊材质过程中，对轧辊材质添加合金元素且提高其合金化程度，进行轧辊材料合金设计，是提高轧辊性能的一个重要措施。采用数理统计方法如回归分析进行材料性能预测是比较常用的方法，但是由于存在许多问题的不确定性和非线性，因此在回归之前很难用数学描述并建立精确的数学模型。因此，采用计算机进行新材料的开发与研究是材料设计发展的必然趋势。神经网络以事实和范例为基础，通过数值计算实现浅层次经验推理，而专家系统基于规则的深层次的符号逻辑推理。本发明根据二者的各自特点，取长补短，将两者科学地结合形成基于神经网络模型的专家系统，将该专家系统应用在合金铸钢轧辊材料研究与发展中，具有十分重要的意义。

发明内容

本发明的目的在于克服现有技术中存在的上述问题，提供基于神经网络合金铸钢轧辊材料设计专家系统的建立方法；

基于神经网络合金铸钢轧辊材料设计专家系统的建立方法，其特征在于，包括如下步骤：

步骤S1：综合数据库的建立，采集合金铸钢轧辊材料的力学性能试验和接触疲劳性能试验结果，建立合金铸钢合金成分、工艺参数及性能的静态数据库，通过数据处理系统进行特征提取，建立神经网络计算过程中所产生的动态数据库；

步骤S2：知识库模块的建立，根据提供的示例样本，通过BP学习算法对样本进行学习，把专家求解实际问题的启发式知识以矩阵的形式进行保存，并隐式的分散存储在神经网络连接的各项权值和阈值文件中，从而构成了专家系统的知识库；

步骤S3：推理机的建立；

步骤S4：性能优化模块的建立，根据系统预测的结果，研究和分析主要合金元素和热处理工艺参数对力学性能和接触疲劳性能的影响规律，并做出成分、工艺和性能的优化；

步骤S5：系统的集成和人机交互界面的实现。

进一步地，所述步骤S1中，数据库能够实现学习样本数据的查询、增加、减少、浏览、归一化、反归一化、网络结构参数调整操作。

进一步地，所述步骤S2中，对知识库中的知识进行统一数字编号。

进一步地，所述步骤S3中，系统的推理通过BP神经网络系统完成，包括以下步骤：步骤S3.1将影响合金铸钢轧辊性能的主要因素规范到相应区间，形成输入值，步骤S3.2在此基础上系统自动计算隐含层和输出层神经元输出，步骤S3.3调用神经网络学习过程中获得的权值和阈值文件，完成该专家系统的推理功能。

进一步地，所述步骤S3中，推理机采取并行推理的方式，并且采用数值推理代替符号推理的过程，通过神经网络的前向计算产生神经网络的输出。

进一步地，所述步骤S4中，性能优化模块可以对性能预测结果进行自动判定。

进一步地，所述步骤S5中，神经网络预报力学性能和接触疲劳寿命模型的程序编写采用MATLAB程序设计语言，人机界面的编写采用VB6.0，采用ActiveX部件的方法实现VB对MATLAB的调用，从而实现数值的计算与界面的连接。

进一步地，所述步骤S5中，用户界面不仅具有初始化显示、环境变量设置、动态调入链接库文件等功能，还可以利用菜单调用子模块。

本发明的收益效果是：

采用本发明可以方便、准确而且快速的的预测出合金铸钢轧辊的力学性能和接触疲劳性能，并能对预测结果进行优化，可以减少合金铸钢轧辊材料设计过程中的盲目性，节省大量的时间和成本，具有明显的实用价值。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

附图1为本发明所述建立方法的流程图；

附图2为专家系统的主窗口；

附图3为专家系统中的数据库查询界面；

附图4为导入样本数据界面；

附图5为网络参数设置及训练界面；