典型文献
基于智能算法的C-Mn钢轧制工艺优化与性能预测
文献摘要：
为了研究C-Mn钢的化学成分与生产工艺对其力学性能的影响,以某公司生产的实际生产数据为基础,采用BP神经网络和支持向量机对C-Mn钢的力学性能进行了预测.选取C含量、Si含量、Mn含量、粗轧出口温度、精轧出口温度、卷曲温度以及终轧厚度作为模型的输入,选取屈服强度、抗拉强度、伸长率作为模型的输出.对建立的模型引入相对误差分析并对预测精度进行比较.结果表明:BP神经网络模型的屈服强度预测精度为92.6％,相对误差为5.5％;抗拉强度的预测精度为93.9％,相对误差为3.3％;伸长率的预测精度为67.8％,相对误差为10.1％.支持向量机的屈服强度预测精度能达到95.4％,相对误差为4.2％;抗拉强度预测精度为97.9％,相对误差为2.8％;伸长率的预测精度为88.7％,相关误差为6.8％.因此支持向量机模型的预测精度要高于BP神经网络模型.
文献关键词：
C-Mn钢;BP神经网络;支持向量机;力学性能
中图分类号：
作者姓名：
郝坤羽;金朝阳;陈思远;姜世杭;李全
作者机构：
扬州大学机械工程学院,江苏扬州225009
文献出处：
引用格式：
[1]郝坤羽;金朝阳;陈思远;姜世杭;李全-.基于智能算法的C-Mn钢轧制工艺优化与性能预测)[J].塑性工程学报,2022(07):87-93
A类：
B类：
智能算法,Mn,轧制工艺,性能预测,某公司,生产数据,Si,粗轧,出口温度,精轧,卷曲,屈服强度,伸长率,误差分析,抗拉强度预测,支持向量机模型
AB值：
0.218901
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
