典型文献
基于BP神经网络的电力角钢成分优化及生产实践
文献摘要：
基于BP神经网络,创建了角钢合金成分与力学性能关系预测模型,所建立的模型绝对误差平均值仅为3～4 MPa,具有较高的可靠性.利用该性能预测模型研究了残余元素Cr含量及VN12合金加入量对强度的量化贡献,并进行工业试制250 mm×250mm×35 mm电力角钢,结果表明:当Cr质量分数大于350×10-6时,可以采用每吨钢添加0.5kg的VN12合金、0.3kg的VFe合金,使钢中V质量分数为0.05％,其屈服强度和抗拉强度均可满足性能要求.基于BP神经网络创建的电力角钢预测模型对成分进行优化设计具有可靠的指导性.
文献关键词：
电力角钢;BP神经网络;微合金化;力学性能;性能测试
中图分类号：
作者姓名：
文辉;朱守欣;韩伏;朱自猛;于浩
作者机构：
南京钢铁股份有限公司特钢事业部,江苏南京210044;北京科技大学材料科学与工程学院,北京100083
文献出处：
引用格式：
[1]文辉;朱守欣;韩伏;朱自猛;于浩-.基于BP神经网络的电力角钢成分优化及生产实践)[J].钢铁研究学报,2022(01):95-100
A类：
电力角钢,VN12,VFe
B类：
成分优化,生产实践,合金成分,绝对误差,性能预测模型,残余元素,试制,250mm,每吨,5kg,3kg,屈服强度,抗拉强度,性能要求,微合金化
AB值：
0.243136
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
