一种人工神经网络钢的淬透性预测方法及其预测模型建立方法技术

本发明专利技术公开了一种人工神经网络钢的淬透性预测方法及其预测模型建立方法，属于钢铁淬透性计算技术领域。本发明专利技术包括以下步骤：对试样进行淬透性测试；数据库的建立；神经网络模型的建立及初始设置；神经网络模型训练；测试集仿真；求解相对误差矩阵；以相对误差矩阵中的最大值Rmax小于允许的最大误差δmax为条件重设权重和隐层神经元个数。本发明专利技术将最大相对误差应用于控制人工神经网络的训练和挑选合适的网络，并采用循环算法逐步增加神经元的方法来确定隐层神经元的个数以及克服权值不确定的缺点，从而可以有效避免神经网络易陷入局部最小点带来的影响并得到在满足要求条件下的最精简神经网络，提高了人工神经网络模型的预测精度和运算效率。

A Prediction Method of Hardenability of Steel Based on Artificial Neural Network and Its Prediction Model Establishment

【技术实现步骤摘要】
一种人工神经网络钢的淬透性预测方法及其预测模型建立方法
本专利技术属于钢铁淬透性计算
，更具体地说，涉及一种人工神经网络钢的淬透性预测方法及其预测模型建立方法。
技术介绍
淬透性是钢的一种重要性质，淬透性值对于钢在工程和机械领域的使用具有重要意义，它表征的是通过钢材淬火时获得马氏体的能力。精确的淬透性值对于保证钢热处理后的变形稳定性、尺寸精度、硬度等具有重要意义，因此，获得钢的精确淬透性值对于指导钢厂实际生产中钢材化学成分和热处理工艺的控制和调节，以及保证产品质量具有重要意义。传统技术中通常是通过实验方法来获取钢的淬透性数值，这需要花费大量的人力物力和时间成本，因此，急需要一种更简便、成本更低的方法来获取。目前，现有技术中通常是采用三种方法来避免大量实验存在的不足，一种是采用归纳出的数学公式进行计算，第二种方法是采用大型数值分析软件来模拟端淬实验(Jominyend-test)来获得，第三种方法是采用近些年兴起的人工神经网络来预测淬透性值。其中，采用理论推导公式进行计算会有较大的误差，对实际生产会造成较大影响。人工神经网络模型通过对样本的学习和训练能够模拟其他数学方法难以描述的物理模型的线性或非线性相关性，因此被广泛应用于解决复杂的工程问题。如，中国专利申请号为201010287677.X，申请日为2010年09月19日的申请案公开了一种淬透性预报及生产窄淬透性带钢的方法，该申请案将人工神经网络模型和增量算法结合，以化学成分对参考炉次的成分增量作为输入，以Jominy末端淬火硬度对参考炉次的端淬值增量作为输出，建立基于增量神经网络的淬透性预报模型；根据增量神经网络模型的端淬预测值与端淬目标值的差值，由成分规则库给出各元素成分调整量，并按合金加料模型计算的合金加入量进行加料，实现钢水精炼过程中的化学成分在线微调和窄淬透性带控制。该申请案即是采用人工神经网络模型对钢的淬透性进行预报，进而指导生产中元素成分的调整，但现有人工神经网络通常存在以下两个问题：一是易陷入局部最小点，二是目前现有技术中通常是采用人工经验来设置隐层神经元数量，从而影响神经网络模型的预测精度。
技术实现思路
1.要解决的问题针对现有钢铁淬透性预测方法存在的预测精度相对较低，难以满足生产要求的不足，本专利技术提供了一种人工神经网络钢的淬透性预测方法及其预测模型建立方法。本专利技术通过将最大相对误差应用于控制人工神经网络的训练和挑选合适的网络，并采用循环算法逐步增加神经元的方法来确定隐层神经元的个数，从而可以有效避免人工神经网络易陷入局部最小点带来的影响，提高了人工神经网络模型的预测精度。2.技术方案为了解决上述问题，本专利技术所采用的技术方案如下：本专利技术的一种人工神经网络钢的淬透性预测模型建立方法，包括以下步骤：Stp1、对试样进行淬透性测试采用端淬实验对n个不同的试样分别进行淬透性测试，分别得到其淬透性值；Stp2、数据库的建立将每个试样的化学成份及通过端淬实验得到的淬透性值均输入到计算机中，形成数据库，将数据库中的数据分为训练集和测试集两部分；Stp3、神经网络模型的建立及初始设置建立一个三层的神经网络，包括有输入层，隐层和输出层，设定输入层、隐层和输出层神经元个数，设定主程序循环记数变量i＝1，并设置神经网络模型的参数；Stp4、神经网络模型训练将训练集数据输入神经网络模型进行训练，训练完成后，主程序循环记数变量i＝i+1；Stp5、测试集仿真将测试集中钢的成份输入到训练好的神经网络进行计算，计算完成后进行反归一化处理得到测试集的淬透性预测值输出矩阵其中l为测试集中的样本值个数，yi,1，yi,2，.....yi,k(i＝1,2,…l)为测试集中第i个试样的淬透性预测值；Stp6、求解相对误差矩阵求解测试集的淬透性值模型预测值与其真值的相对误差矩阵R，并找出相对误差矩阵R的最大值Rmax；Stp7、检查相对误差矩阵的最大值Rmax是否小于允许的最大误差δmax，如果“是”则程序结束，保存模型；如果“否”则继续执行Stp8；Stp8、如果此时循环变量i<1000，则执行步骤Stp10，如果不是，执行Stp9；Stp9、隐层神经元个数+1，重新设置循环控制变量i＝1，程序转到Stp10；Stp10、重设权重和偏置，转到Stp4重新训练神经网络模型。更进一步的，所述Stp2中数据库中90％的数据用于训练神经网络模型，10％的数据用于检验神经网络模型。更进一步的，所述Stp3中神经网络模型的输入是钢的化学成份，输入层神经元的个数与选择输入的钢的化学成份数量相同；神经网络模型的输出是淬透性值，输出层神经元个数与端淬实验淬透性值测试点的数量相同；更进一步的，所述Stp3中神经网络模型隐层神经元的初始个数S采用如下公式进行确定：式中：m为输入层神经元个数；k为输出层神经元个数。更进一步的，所述Stp3中选择S型正切函数tansig作为隐层神经元的激励函数，选取S型对数函数作为输出层神经元的激励函数，网络训练函数为traingdx，网络性能函数为mse。更进一步的，所述Stp3中神经网络模型的权值和偏置均由计算机随机给出，神经网络模型的网络迭代次数epochs为5000次，期望误差goal为0.00000001，学习速率lr为0.01。更进一步的，将训练集用于训练神经网格模型前，对其进行归一化处理。更进一步的，所述Stp6中测试集的淬透性值的真值矩阵为其中ai,1，ai,2，.....ai,k(i＝1,2,…l)为测试集中第i个试样的淬透性值实验值，所述相对误差矩阵为：本专利技术的一种人工神经网络钢的淬透性预测方法，所述神经网络训练完成后，将钢的化学成份输入保存下来的神经网络中即可得到其淬透性预测数据。3.有益效果相比于现有技术，本专利技术的有益效果为：(1)本专利技术的一种人工神经网络钢的淬透性预测模型建立方法，通过将最大相对误差应用于控制人工神经网络的训练和挑选合适的网络，从而可以有效避免人工神经网络易陷入局部最小点带来的影响，提高了所得人工神经网络模型的预测精度，且所得人工神经网络模型更能适合工程要求。(2)本专利技术的一种人工神经网络钢的淬透性预测模型建立方法，采用循环算法逐步增加神经元的方法来确定隐层神经元的个数，解决了现有技术中通过人为盲目设置隐层神经元个数的不足，达到了神经网络模型紧凑同时又能满足预测精度要求的效果，采用本专利技术的方法可以得到最小规模的神经网络模型。(3)本专利技术的一种人工神经网络钢的淬透性预测方法，通过采用优化的神经网络模型对钢的淬透性进行预测，既可以有效避免求解全局最小点的困难，同时还能够保证其预测精度。附图说明图1为通过端淬实验测得的各钢试样的硬度值分布表格；图2为钢的淬透性曲线；图3为数据库中各试样的成份及淬透性值；图4为神经网络模型示意图；图5为本专利技术中神经网络模型的建立流程框架图。具体实施方式针对现有人工神经网络存在的易陷入局部最小点，不能保证达到全局最小点，以及人工神经网络隐层神经元的数量主要依靠经验进行设置和权重值偏值设置缺少理论指导，从而导致人工神经网络预测精度无法满足要求的问题，本申请提出了最大相对误差控制的概念，通过最大相对误差控制人工神经网络的训练和挑选合适的网络，并采用循环算法逐步增加神经元的方法来确定隐层本文档来自技高网...

【技术保护点】
1.一种人工神经网络钢的淬透性预测模型建立方法，其特征在于，包括以下步骤：Stp1、对试样进行淬透性测试采用端淬实验对n个不同的试样分别进行淬透性测试，分别得到其淬透性值；Stp2、数据库的建立将每个试样的化学成份及通过端淬实验得到的淬透性值均输入到计算机中，形成数据库，将数据库中的数据分为训练集和测试集两部分；Stp3、神经网络模型的建立及初始设置建立一个三层的神经网络，包括有输入层，隐层和输出层，设定输入层、隐层和输出层神经元个数，设定主程序循环记数变量i＝1，并设置神经网络模型的参数；Stp4、神经网络模型训练将训练集数据输入神经网络模型进行训练，训练完成后，主程序循环记数变量i＝i+1；Stp5、测试集仿真将测试集中钢的成份输入到训练好的神经网络进行计算，计算完成后进行反归一化处理得到测试集的淬透性预测值输出矩阵

【技术特征摘要】
1.一种人工神经网络钢的淬透性预测模型建立方法，其特征在于，包括以下步骤：Stp1、对试样进行淬透性测试采用端淬实验对n个不同的试样分别进行淬透性测试，分别得到其淬透性值；Stp2、数据库的建立将每个试样的化学成份及通过端淬实验得到的淬透性值均输入到计算机中，形成数据库，将数据库中的数据分为训练集和测试集两部分；Stp3、神经网络模型的建立及初始设置建立一个三层的神经网络，包括有输入层，隐层和输出层，设定输入层、隐层和输出层神经元个数，设定主程序循环记数变量i＝1，并设置神经网络模型的参数；Stp4、神经网络模型训练将训练集数据输入神经网络模型进行训练，训练完成后，主程序循环记数变量i＝i+1；Stp5、测试集仿真将测试集中钢的成份输入到训练好的神经网络进行计算，计算完成后进行反归一化处理得到测试集的淬透性预测值输出矩阵其中l为测试集中的样本值个数，yi,1，yi,2，.....yi,k(i＝1,2,…l)为测试集中第i个试样的淬透性预测值；Stp6、求解相对误差矩阵求解测试集的淬透性值模型预测值与其真值的相对误差矩阵R，并找出相对误差矩阵R的最大值Rmax；Stp7、检查相对误差矩阵的最大值Rmax是否小于允许的最大误差δmax，如果“是”则程序结束，保存模型；如果“否”则继续执行Stp8；Stp8、如果此时循环变量i<1000，则执行步骤Stp10，如果不是，执行Stp9；Stp9、隐层神经元个数+1，重新设置循环控制变量i＝1，程序转到Stp10；Stp10、重设权重和偏置，转到Stp4重新训练神经网络模型。2.根据权利要求1所述的一种人工神经网络钢的淬透性预测模型建立方法，其特征在于：所述Stp2中数据库中90％的数据用于训练神经网络模型，10％的数据用于检验神经网络模型。3.根据权利要求...

【专利技术属性】
技术研发人员：李长宏，钊凤娥，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：安徽,34