基于GA-ANN人工神经网络模型的热处理方法和装置制造方法及图纸

本发明专利技术涉及一种基于GA‑ANN人工神经网络模型的热处理方法和装置，该方法包括步骤：构建神经网络算法和遗传算法相结合的GA‑ANN人工神经网络模型；收集以往生产中钢材热处理的实例数据，建立材料数据库；根据当前待热处理的钢材材料信息和性能要求，设定所述GA‑ANN人工神经网络模型的输入层、输出层的学习数据；利用材料数据库中数据对GA‑ANN人工神经网络模型进行学习和验证；将验证合格的GA‑ANN人工神经网络模型对待热处理的材料所需的热处理参数进行预判。该装置包括构建模块、数据库模块、基本参数设定模块、训练模块和预判模块。该方法和装置，可有效预测目标性能指标所应采用的热处理参数。

【技术实现步骤摘要】
基于GA-ANN人工神经网络模型的热处理方法和装置
本专利技术涉及钢材加工
，具体涉及一种基于GA-ANN人工神经网络模型的热处理方法和装置。
技术介绍
人工神经网络(ArtificialNeuralNetworks，简称ANN)，即向生命学习，用电子方法、光学方法或其他生物物理化学方法仿照生物神经网络所构造出来的神经网络。向生物神经网络学习的人工神经网络，并非在全面指标功能上达到或超过它的学习对象，而是在了解和分析生物神经网络的结构、机理和功能的基础上，学习和实现那些人们所需要的智能。遗传算法(GeneticAlgorithms，简称GA)是借用生物进化和遗传的规律，通过繁殖、遗传、变异、竞争，实现优胜劣汰的随机优化方法。由于GA的开放性和可扩展性，使得它很容易与专家系统(ExpertSystem)、模糊逻辑(FuzzyLogic)、神经网络(NeuralNetwork)以及模拟退火(SimulatedAnnealing)、混沌理论(Chaos)等智能计算方法相互渗透和结合。GA与模拟退火、神经网络、弹性网(ElasticNet)等因它们都是模拟某些自然规律的结果被称为物理计本文档来自技高网...

【技术保护点】
1.基于GA‑ANN人工神经网络模型的热处理方法，其特征在于，包括步骤：构建神经网络算法和遗传算法相结合的GA‑ANN人工神经网络模型；收集以往生产中钢材热处理的实例数据，建立材料数据库；根据当前待热处理的钢材材料信息和性能要求，设定所述GA‑ANN人工神经网络模型的输入层、输出层的学习数据；利用所述材料数据库中数据对所述GA‑ANN人工神经网络模型进行学习和验证；将验证合格的GA‑ANN人工神经网络模型对待热处理的材料所需的热处理参数进行预判。

【技术特征摘要】
1.基于GA-ANN人工神经网络模型的热处理方法，其特征在于，包括步骤：构建神经网络算法和遗传算法相结合的GA-ANN人工神经网络模型；收集以往生产中钢材热处理的实例数据，建立材料数据库；根据当前待热处理的钢材材料信息和性能要求，设定所述GA-ANN人工神经网络模型的输入层、输出层的学习数据；利用所述材料数据库中数据对所述GA-ANN人工神经网络模型进行学习和验证；将验证合格的GA-ANN人工神经网络模型对待热处理的材料所需的热处理参数进行预判。2.根据权利要求1所述的基于GA-ANN人工神经网络模型的热处理方法，其特征在于，所述步骤构建神经网络算法和遗传算法相结合的GA-ANN人工神经网络模型，包括步骤：通过BP算法，建立多层的神经网络拓扑结构；使用神经网络算法和遗传算法结合的方式，基于建立的神经网络拓扑结构，利用遗传算法确定网络连接权重，构建GA-ANN人工神经网络模型。3.根据权利要求2所述的基于GA-ANN人工神经网络模型的热处理方法，其特征在于，所述步骤构建神经网络算法和遗传算法相结合的GA-ANN人工神经网络模型，还包括步骤：设置具备非线性、可微性、单调性的激活函数，以将非线性特性引入到所述GA-ANN人工神经网络模型。4.根据权利要求1所述的基于GA-ANN人工神经网络模型的热处理方法，其特征在于，所述步骤收集以往生产中钢材热处理的实例数据，包括：根据钢种归类，收集记录已经生产的钢种的热处理信息，所述热处理信息包括但不限于尺寸规格、主要成分含量、成材的锻压比、热处理参数、性能指标、使用的热处理炉型号；所述热处理参数包括但不限于调质参数和固溶参数。5.根据权利要求4所述的基于GA-ANN人工神经网络模型的热处理方法，其特征在于，所述待热处理的钢材为马氏体不锈钢2Cr13时，则所述热处理信息包括：尺寸规格、锻压比、锭型、炉号、批次号、调质淬回火温度、成分信息、检验的强度和硬度数据。6.根据权利要求5所述的基于GA-ANN人工神经网络模型的热处...

【专利技术属性】
技术研发人员：李造宇，
申请(专利权)人：大冶特殊钢股份有限公司，
类型：发明
国别省市：湖北,42