本发明专利技术提供了一种基于ISSA‑BP神经网络的55SiCrA弹簧钢性能优化的方法，属于金属成分优化与加工领域。所述方法采集历史生产数据及性能数据并预处理构建训练数据集；基于ISSA‑BP神经网络模型构建55SiCrA弹簧钢性能优化模型，采用训练数据集对优化模型进行训练，得到成熟模型，利用Optuna寻优方法，选取在性能优化目标下的最优解，得到55SiCrA弹簧钢的最佳合金成分和轧制工艺参数；根据最佳合金成分，经转炉‑精炼‑连铸得到钢坯；根据最佳轧制工艺参数，轧制得到盘条，再进行冷拉拔和热处理，从热处理后的55SiCrA弹簧钢中按相应标准截取并加工出测试样，对测试样品进行力学性能测试。本发明专利技术优化后的55SiCrA弹簧钢抗拉强度≥2000MPa，断面收缩率≥40％。
【技术实现步骤摘要】
：本专利技术属于金属成分优化与加工领域，具体涉及一种基于issa-bp神经网络的55sicra弹簧钢性能优化方法。
技术介绍
0、
技术介绍
：
1、55sicra弹簧钢通常应用于铁道车辆、汽车等，用于制作承受较大负荷的扁形弹簧或线径在30mm以下的螺旋弹簧，例如汽车悬架弹簧，起到缓冲和减震的作用。随着汽车的普及，节能性、环保性和安全性日益受到人们的广泛关注，通过汽车的轻量化设计来减少汽车总重，成为有效降低能源消耗和尾气排放的有效途径。为了同时保证汽车的轻量化和高安全性，要求汽车零部件具备更加优异的力学性能。大量研究及实践表明，通过增加10mpa的设计应力可以减少大约10％的弹簧重量，因此，弹簧需要具有更高的设计应力规格。
2、现有技术中，作为典型的低合金中碳高硅钢，55sicra弹簧钢一般通过合金成分设计、微观结构细化、有效热处理、和夹杂物控制等措施来提高其力学性能。但是，由于弹簧钢的合金成分和轧制工艺特性极为复杂，涉及到材料的合金成分、轧制工艺与性能的相互影响，并且弹簧钢合金成分的优化和轧制工艺参数的设计过程相对较为繁琐，且需要通过本文档来自技高网...
【技术保护点】
1.一种基于ISSA-BP神经网络的55SiCrA弹簧钢性能优化的方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述历史生产数据包括成分数据和工艺数据；其中，成分数据包括碳、硅、铬、锰及微量元素磷、硫的质量百分比；工艺数据包括预热段炉膛温度、预热段加热时间、加热段炉膛温度、加热段加热时间、均热段炉膛温度、均热段加热时间、进轧机温度、减定径入口温度、入炉温度、在炉时间、出炉温度、吐丝温度和风机频率；
3.根据权利要求1所述的方法，其特征在于，所述预处理，包括：对采集到的数据进行清洗、筛选和标准化。
>4.根据权利要求1...
【技术特征摘要】
1.一种基于issa-bp神经网络的55sicra弹簧钢性能优化的方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述历史生产数据包括成分数据和工艺数据；其中，成分数据包括碳、硅、铬、锰及微量元素磷、硫的质量百分比；工艺数据包括预热段炉膛温度、预热段加热时间、加热段炉膛温度、加热段加热时间、均热段炉膛温度、均热段加热时间、进轧机温度、减定径入口温度、入炉温度、在炉时间、出炉温度、吐丝温度和风机频率；
3.根据权利要求1所述的方法，其特征在于，所述预处理，包括：对采集到的数据进行清洗、筛选和标准化。
4.根据权利要求1所述的方法，其特征在于，步骤s2构建55sicra弹簧钢性能优化模型，具体包括：
5.根据权利要求4所述的方法，其特征在于，步骤s21构建ssa-bp神经网络模型时，定义bp神经网络模型的结构、输入层、隐藏层、输出层、激活函数和损失函数；其中，所述输入层由成分数据和工艺数据组成；隐藏层采用2层隐藏层结构，每层设置适量的神经元；输出层包含2个输出节点，分别表示抗拉强度和断面收缩率；隐藏层使用rule激活函数，输出层使用线性激活函数以适应回归任务；采...
【专利技术属性】
技术研发人员：于浩，孟佳茹，薛寒琪，周文浩，李志敏，张青学，高建文，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：
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。