基于RBF神经网络的马氏体开始转变温度预测研究
分析马氏体转变温度的影响因素,基于RBF神经网络建立马氏体开始转变温度预测模型,对其训练至稳定,预测钢的马氏体开始转变温度.与经验公式计算结果对比,基于RBF神经网络的马氏体开始转变温度预测模型具有较高预测精度.对4种钢的合金元素进行定量分析,结果表明:增加C含量能降低马氏体开始转变温度;马氏体开始转变温度与C、Si、Mn、Cr、Ni和Mo含量一般呈非线性关系.
RBF神经网络、马氏体开始转变温度、预测
43
TB31;TP391.9(工程材料学)
重庆市高等教育教学改革研究项目;模具设计与制造专业教学团队建设研究与实践1203159
2014-05-22(万方平台首次上网日期,不代表论文的发表时间)
共3页
47-49