[发明专利]一种基于BP神经网络轧辊合金力学性能预测方法

权利要求书

1.一种基于BP神经网络轧辊合金力学性能预测方法，其特征在于，包括如下步骤：

步骤S1：通过对不同合金成分和热处理工艺参数下的合金铸钢轧辊材料进行一系列的力学性能试验，收集并筛选试验结果数据，归一化预处理后得到人工神经网络模型所需要的训练样本数据；

步骤S2：确定最佳的神经网络模型结构，包括神经网络的输入输出参数、隐层个数以及隐层神经元数目；

步骤S3：选取适当的学习参数，包括动量项因子、学习率、训练步长、初始的权值和阈值、激活函数、学习算法，对神经网络模型进行学习和训练；

步骤S4：采用测试样本数据对模型进行测试，并对所建立的神经网络预测模型的准确性进行评估；

步骤S5：利用上述步骤产生的人工神经网络模型进行合金铸钢轧辊力学性能的预测。

2.根据权利要求1所述的一种基于BP神经网络轧辊合金力学性能预测方法，其特征在于：所述步骤S1中，由试验收集而来的训练样本数据为133组。

3.根据权利要求1所述的一种基于BP神经网络轧辊合金力学性能预测方法，其特征在于：所述步骤2中，最佳的神经网络结构包含：输入层神经元个数为10，隐层神经元个数为17，输出层神经元个数为6。

4.根据权利要求1所述的一种基于BP神经网络轧辊合金力学性能预测方法，其特征在于：所述步骤S3中，适当的学习参数：动量项因子为0.75、学习率为0.15、初始的权值和阈值为(-1，1)之间的随机数，隐层和输出层的激活函数分别为tangent sigmoid和log-sigmoid、学习算法为改进的BP算法。

5.根据权利要求1所述的一种基于BP神经网络轧辊合金力学性能预测方法，其特征在于：所述步骤S4中，神经网络预测合金铸钢轧辊力学性能的偏差基在±5％以内概率大于95％。

6.根据权利要求1所述的一种基于BP神经网络轧辊合金力学性能预测方法，其特征在于：所述步骤S5中，采用训练好的人工神经网络模型，预测和研究不同的合金成分和热处理工艺参数对合金铸钢轧辊力学性能的影响规律，获得最佳的综合力学性能。