[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

摘要

本发明公开了一种基于改进BP神经网络的轧辊用合金铸钢力学性能预测方法，属于合金铸钢轧辊技术领域。首先针对轧辊用不同合金成分和热处理工艺参数下的合金铸钢进行一系列的力学性能试验，收集并筛选人工神经网络模型所需要的训练样本数据；构建包含输入层、隐含层和输出层的BP人工神经网络模型，从而建立合金铸钢轧辊的合金成分、热处理工艺参数与力学性能之间的映射关系；采用训练好的人工神经网络对合金铸钢轧辊的力学性能进行预测。本发明建立的BP神经网络模型的预报精度较高，稳定性较好，推广能力强，为进一步研究和开发新型的合金铸钢轧辊材料提供新的途径和方法，从而降低生产成本，缩短开发时间。

主权项

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。