本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的IF鋼性能預(yù)報

  更多相關(guān)文章： IF鋼 力學(xué)性能 ANFIS網(wǎng)絡(luò) 互信息 BP網(wǎng)絡(luò)

【摘要】：無間隙原子鋼(IF鋼)憑借其優(yōu)異的材料力學(xué)性能現(xiàn)已被廣泛地用作汽車鋼板。既然材料的微觀組織是決定材料力學(xué)性能的直接因素,因此通過材料的微觀組織利用適當(dāng)?shù)哪Ｐ蛠眍A(yù)測IF鋼的力學(xué)性能,對鋼種的開發(fā)和設(shè)計具有重大的意義。為建立IF鋼微觀組織與力學(xué)性能之間關(guān)系的模型,本文首先以IF鋼定量的微觀組織作為預(yù)測模型的輸入變量,并采用基于互信息的特征選擇方法來分析輸入變量與輸出變量(IF鋼力學(xué)性能)之間的相關(guān)性,為預(yù)測IF鋼力學(xué)性能模型選擇合理的輸入變量,通過仿真可知:IF鋼屈服強(qiáng)度與鐵素體晶粒尺寸、鐵素體晶粒形狀因子、第二相粒子尺寸、第二相粒子平均間距相關(guān),因此選擇這四個參數(shù)作為屈服強(qiáng)度預(yù)測模型的輸入變量;IF鋼抗拉強(qiáng)度僅與鐵素體晶粒尺寸相關(guān),因此選擇鐵素體晶粒尺寸作為抗拉強(qiáng)度預(yù)測模型的輸入變量;IF鋼延伸率與鐵素體晶粒尺寸、分布均勻程度,第二相粒子尺寸、平均間距均相關(guān),因此選擇這四個參數(shù)作為延伸率預(yù)測模型的輸入變量;IF鋼r值與織構(gòu){111}112、{111}110、{001}110、{112}110、{554}225及鐵素體晶粒尺寸相關(guān)性最大,因此選擇這六個參數(shù)作為r值預(yù)測模型的輸入變量;而IF鋼n值與鐵素體晶粒尺寸有關(guān),因此選擇擇鐵素體晶粒尺寸作為n值預(yù)測模型的輸入變量。在確定了系統(tǒng)的輸入變量的基礎(chǔ)上,利用減法聚類法實(shí)現(xiàn)自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的結(jié)構(gòu)識別,并采用混合學(xué)習(xí)算法訓(xùn)練該自適應(yīng)神經(jīng)模糊推理系統(tǒng);最后分別利用ANFIS網(wǎng)絡(luò)、BP網(wǎng)絡(luò)建立了IF鋼微觀組織結(jié)構(gòu)與力學(xué)性能之間關(guān)系的預(yù)測模型,并對所建模型進(jìn)行仿真驗證。仿真結(jié)果表明基于ANFIS網(wǎng)絡(luò)的預(yù)報模型在收斂速度及建模精度方面均優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)。
【關(guān)鍵詞】：IF鋼 力學(xué)性能 ANFIS網(wǎng)絡(luò) 互信息 BP網(wǎng)絡(luò)
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TG142.1
【目錄】：

• 中文摘要5-6
• ABSTRACT6-9
• 1.緒論9-13
• 1.1 研究背景9
• 1.2 研究現(xiàn)狀9-11
• 1.3 本文研究方法11
• 1.4 本文內(nèi)容及結(jié)構(gòu)11-13
• 2.IF鋼簡介13-21
• 2.1 IF鋼的生產(chǎn)工藝流程13
• 2.2 IF鋼力學(xué)性能的影響因素13-15
• 2.2.1 IF鋼的成分控制13-14
• 2.2.2 IF鋼的制備工藝條件14-15
• 2.3 IF鋼的微觀組織控制15-21
• 2.3.1 織構(gòu)15-16
• 2.3.2 金相組織16-19
• 2.3.3 第二相粒子19-21
• 3.基于互信息的預(yù)測模型輸入特征選取21-36
• 3.1 特征選擇21-22
• 3.2 互信息基礎(chǔ)理論22-26
• 3.2.1 熵22-23
• 3.2.2 條件熵和聯(lián)合熵23-24
• 3.2.3 互信息24-26
• 3.3 BP網(wǎng)絡(luò)26-28
• 3.3.1 BP網(wǎng)絡(luò)結(jié)構(gòu)26-27
• 3.3.2 BP網(wǎng)絡(luò)算法的原理27-28
• 3.4 基于互信息的預(yù)測模型輸入特征選取28-36
• 3.4.1 實(shí)驗材料28
• 3.4.2 屈服強(qiáng)度模型的輸入特征選取28-30
• 3.4.3 抗拉強(qiáng)度模型的輸入特征選取30-31
• 3.4.4 延伸率模型的輸入特征選取31-32
• 3.4.5 r值模型的輸入特征選取32-34
• 3.4.6 n值模型的輸入特征選取34-36
• 4.IF鋼性能預(yù)報模型的建立36-47
• 4.1 ANFIS網(wǎng)絡(luò)設(shè)計原理36-39
• 4.1.1 ANFIS網(wǎng)絡(luò)結(jié)構(gòu)36-37
• 4.1.2 ANFIS網(wǎng)絡(luò)的訓(xùn)練37-39
• 4.2 IF鋼性能預(yù)報模型的建立39-45
• 4.2.1 屈服強(qiáng)度模型的建立39-41
• 4.2.2 抗拉強(qiáng)度模型的建立41-42
• 4.2.3 延伸率模型的建立42-43
• 4.2.4 r值模型的建立43-44
• 4.2.5 n值模型的建立44-45
• 4.3 本章小結(jié)45-47
• 5.結(jié)論47-49
• 參考文獻(xiàn)49-52
• 附錄A ANFIS網(wǎng)絡(luò)的輸入、輸出參數(shù)52-60
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況60-61
• 致謝61-62
• 作者簡介62-63

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 粟闖;劉敦文;向海波;杜年春;羅貞焱;范志龍;;基于BP神經(jīng)網(wǎng)絡(luò)不同輸入變量的爆破振速預(yù)測[J];工業(yè)安全與環(huán)保;2012年02期

2 熊興中;多輸入變量的FSM設(shè)計方法研究[J];四川輕化工學(xué)院學(xué)報;2003年04期

3 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 秦勇;邢宗義;賈利民;雷濤;;一種基于模糊模型的輸入變量選擇方法[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

2 楊辰;王曉軍;;區(qū)間參數(shù)多學(xué)科系統(tǒng)的響應(yīng)分析[A];北京力學(xué)會第18屆學(xué)術(shù)年會論文集[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 林碧華;神經(jīng)模糊系統(tǒng)研究及其在電廠協(xié)調(diào)系統(tǒng)中的應(yīng)用[D];華北電力大學(xué)（河北）;2005年

2 王家f ;Agent系統(tǒng)構(gòu)建與交互關(guān)鍵問題研究[D];天津大學(xué);2009年

3 陳超;智能建模中冗余問題的分析與處理及其應(yīng)用[D];華東理工大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 樊林林;基于神經(jīng)網(wǎng)絡(luò)的IF鋼性能預(yù)報[D];遼寧科技大學(xué);2015年

，

本文編號：896480