西宁特殊钢股份有限公司 青海西宁 810005
摘要：在型材生产制造的过程之中，能够影响到最终产品质量以及力学性能的因素特别的多，使用计算机对特钢型材生产制造过程实施模拟实验，能够分析出现场所出现的问题，制定出相应的处理方案，这对与优化钢材生产工艺存在这特别关键的意义。本文就现阶段的整个特殊钢的市场性能要求的具体情况，提出了BP神经网络模型，它能够有效地利用起始的化学成分，还有生产工艺参数，并能够UI预测特钢型材产品力学性能的，在生产过程中依靠具体数据方面的训练，从而在型材力学性能上表现出了较好的离线预测，并且这种预测模型的适应性较好，预测精度较高。
关键词：特殊钢；力学性能；模型；预测；BP神经网络
前 言：特殊钢的制造是一个十分繁琐的系统，特别是在没有完成全程机电自动控制的情况之下，生产过程逐步被每一种随机因素所干挠，特别容易使用准确的数学公式表示出来。本文通过具体的生产数据，利用神经网络完成钢种以及力学性能的映射，进行自主学习来明确不一样力学性能和工艺参数以及基础成分之间的关系，进而完善工艺制度，制造出质量比较好的产品，在很大程度上，可以减少制造时间，给企业带来最大的经济收益。
1 特殊钢行业的现状
现阶段，我国特殊钢现在的发展水平很难符合市场竞争需求的，因为计划经济的原因，整个特殊钢行业产品要求太低、设备简陋、技术落后、产品质量不稳定、消耗高，这些因素阻碍了特殊钢的进一步发展，导致特殊钢行业一直处在发展不前的状态。因此，在以后的时间里我们应该对特殊钢行业进行不断的完善。[1]
2 BP神经网络
误差反向传播神经网络（Back一ProPagation）简称BP网络，是神经网络模型中应用范围最广的一种网络模型。就结构而言，BP神经网络以及多层感知机类似，是特别明显的多层前向网络，能够划分为输人层和中间层以及输出层这三层。层和层之间多使用完全互连的方式，同一层的单元间并不能够相互连接。一个三层BP网络结构如图1。然而，对于BI神经网络来讲，当它在处理单元传递函数以及学习算法上，很明显地同多层感知机间存在着差异。在多层感知机方面，其处理单元分为线性输人/输出关系，而其单元的状态属于二进制的0，1（或—1，十1）。同时，BP神经网络处理单元则是属于非线性输入/输出关系，一般都通过S型传递函数来表达。处理单元的输人以及输出值能够持续的改变。[2]正是因为BP神经网络使用了此类持续改变的非线性输人/输出关系。因此，BP神经网络的各层连接权值都能够通过自主学习来进行相应的调节，从而来完成多层网络自主学习的想法。
图1三层BP神经网络结构
在提出了网络的一个特定的输人模式时，它能够通过输入层单元传递到中间层单元，经过中间层单元逐层解决之后再传递到输出层单元，最后依靠输出层单元来对之后出现的输出模式进行解决。这个过程属于逐层状态改进的过程，所以也被人们叫做前向传播。如果输出模式同期望输出模式之间有误差，达不到规定的标准，那就将会转入误差反向传播，并且把误差权值沿着连接的通路，逐层地进行传送，同时修正每一层的连接权值。[2]对于所提出来的规定的训练模式来讲，如果是逐步地使用一个个训练模式，反复地使用前向传播和误差反向传播过程，并且直到每个训练模式都满足其要求，这样才可以停止。[3]就BP神经网络而言，其数学模型如下：
输出函数：
结语
（l）本文创立了一个神经元网络模型，它可以有效地预报特钢力学性能。同时明确了7个节点的输入层，也就是化学成分C、iS、Mn、rC、iN、M。与锻比。还有6个节点的隐层，它成功地完成了离线预测；（2）用齿轮钢SCM822H作为例子，针对不一样的化学成分和锻比产品力学性能，并且完成了相应的训练，也得到了预报齿轮钢抗拉强度和冲击功，以及淬透性能的结果。通过研究结果能够知道，抗拉强度方面的预报偏差通常都在2%以内；而淬透性能方面的预报偏差则通常都在3%以内，但是冲击功预报存在的偏差比较大，达到了8%以内；（3）经过此文的研究分析结果可知，人工神经网络预报齿轮钢淬透性的精度非常高，特殊钢轧制这中完成性能预报是完全可以成为现实的。
参考文献
[1]黄敬花.冷镦钢表面开裂的其余钢种的力学性能影响因素研究[J].山西冶金，2013，36（6）：3-5.
[2]王忠伟，温国栋，刘和家.SWRCH22A冷镦钢盘条质量研究[J].甘肃冶金，2016，38（3）：33-35.
[3]林辉，熊志辉，程勇刚.冷镦钢冷镦开裂影响因素分析及控制[C]// 全国轧钢生产技术会议.2014.
[4]林辉.冷镦钢冷镦开裂影响因素分析及控制[J].2013年中国金属学会高速线材轧机装备技术分会厂长会，2013.
[5]蒋波，张朝磊，刘雅政，等.控轧控冷工艺参数对冷镦钢10B21组织影响的热模拟研究[J].特殊钢，2014，35（1）：49-52.
论文作者:年国恩,金启邦
论文发表刊物:《建筑学研究前沿》2017年第32期
论文发表时间:2018/4/20
标签：神经网络论文; 特殊钢论文; 单元论文; 力学性能论文; 误差论文; 模式论文; 多层论文; 《建筑学研究前沿》2017年第32期论文;