【技术实现步骤摘要】
201610217971
【技术保护点】
一种铸钢流动性预测方法,其特征在于:包括以下步骤:(1)用不同牌号的铸钢进行螺旋形试样实验,并采集神经网络训练样本数据,取铸型填充完毕时式样的固相质量分数作为流动性评价指数w,所述样本数据包括铸钢材料合金成分C、Fe、Mn、P、S的百分含量以及流动性评价指数w;(2)建立铸钢流动性预测的神经网络模型,该神经网络类型为多层前馈型BP网络,并确定其网络拓扑结构;(3)从步骤(1)中提取部分样本数据,训练该神经网络模型;(4)用步骤(1)中剩余的样本对训练后的网络模型进行仿真测试;(5)通过训练后的神经网络模型,即可对其他牌号的铸钢进行流动性预测。
【技术特征摘要】
1.一种铸钢流动性预测方法,其特征在于:包括以下步骤:(1)用不同牌号的铸钢进行螺旋形试样实验,并采集神经网络训练样本数据,取铸型填充完毕时式样的固相质量分数作为流动性评价指数w,所述样本数据包括铸钢材料合金成分C、Fe、Mn、P、S的百分含量以及流动性评价指数w;(2)建立铸钢流动性预测的神经网络模型,该神经网络类型为多层前馈型BP网络,并确定其网络拓扑结构;(3)从步骤(1)中提取部分样本数据,训练该神经网络模型;(4)用步骤(1)中剩余的样本对训练后的网络模型进行仿真测试;(5)通过训练后的神经网络模型,即可对其他牌号的铸钢进行流动性预测。2.根据权利要求1所述的一种铸钢流动性预测方法,其特征在于:所述步骤(2)中,神经网络模型的层数为三层,包括输入层、隐含层和输出层,其中输入层节点数目为5,隐含层结点数目为11,输出层节点数目为1。3.根据权利要求2所述的一种...
【专利技术属性】
技术研发人员:崔晓斌,黄放,程桐,梅益,孙津原,
申请(专利权)人:贵州大学,
类型:发明
国别省市:贵州;52
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。