基于人工神经网络含稀土元素熔敷金属力学性能预测
Prediction for mechanical properties of deposited metal containing rare earth elements based on artificial neural networks作者机构:江苏师范大学机电工程学院江苏徐州221116 大庆油田管理局大庆钻探工程公司钻井生产技术服务二公司黑龙江大庆163461
出 版 物:《沈阳工业大学学报》 (Journal of Shenyang University of Technology)
年 卷 期:2017年第39卷第3期
页 面:269-274页
学科分类:080503[工学-材料加工工程] 0808[工学-电气工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 0817[工学-化学工程与技术] 08[工学] 0807[工学-动力工程及工程热物理] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0801[工学-力学(可授工学、理学学位)] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金资助项目(51475220) 江苏省产学研前瞻性联合研究项目(BY2016028-02) 徐州市科技计划资助项目(KC15SM031)
主 题:La元素 焊接速度 BP神经网络 RBF神经网络 预测模型 熔敷金属 力学性能 焊条
摘 要:为了提高焊条的力学性能并缩短焊条研发周期,在E4301型焊条药皮配方基础上加入了CeO_2和稀土元素La,并对焊条进行了力学性能试验.对试验数据进行分析后发现,加入适量的稀土元素可以改善焊条的力学性能.利用典型BP和RBF神经网络分别建立力学性能预测模型.将焊条中的CeO_2、La、Si、Mn含量与焊接速度作为预测模型的输入变量,将熔敷金属的抗拉强度、下屈服强度、断后伸长率与热影响区平均硬度作为输出变量.结果表明,将BP和RBF神经网络用于对含稀土焊条力学性能的预测是可行的,且RBF神经网络模型的预测精度和效率要高于BP神经网络模型.