基于BP神经网络和遗传算法的TWIP钢热处理工艺参数优化
Hot Working Technology（2018）
摘要
为了提高Fe-Mn-C-A1系TWIP钢的力学性能,采用BP神经网络与遗传算法对热处理工艺参数优化.以3个热处理工艺参数为优化对象,以抗拉强度与伸长率之积的强塑积作为优化目标,建立3-4-1的BP神经网络的非线性映射模型,再通过遗传算法的全局寻优,得到具有最优强塑积的热处理工艺参数的最优配置组合.预测结果表明,其最优强塑积热处理工艺为:退火温度为863℃、保温时间为26min、冷却方式为炉冷,并通过试验验证了预测结果的准确性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要