SCM822H齿轮钢合金元素性能关系的神经网络研究Word格式.docx
《SCM822H齿轮钢合金元素性能关系的神经网络研究Word格式.docx》由会员分享，可在线阅读，更多相关《SCM822H齿轮钢合金元素性能关系的神经网络研究Word格式.docx（53页珍藏版）》请在冰点文库上搜索。
第1章绪论1
1.1选题的目标和意义1
1.2文献综述2
1.2.1齿轮钢SCM822H简介2
1.2.2ANN模型3
1.2.2.1ANN模型简介3
1.2.2.2人工神经网络的特点4
1.2.2.3神经网络历史及其发展4
1.2.2.4人工神经网络的类型6
1.2.2.5人工神经网络在材料科学中的应用6
1.2.3神经网络在齿轮钢方面的应用7
1.2.3.1神经网络的ＢＰ算法研究合金元素对SCM822H钢性能的影响7
1.2.3.2SCM822H钢及性能7
1.2.3.3基于RBF神经网络的合金元素-性能的关系8
1.3本文的研究内容8
第2章基于人工神经网络研究合金元素对SCM822H钢性能的影响实现9
2.1ANN模型预测原理9
2.2基于人工神经网络研究合金元素对SCM822H钢性能的影响的模型数据库9
2.2.1数据库来源9
2.2.2数据库内容10
2.3基于人工神经网络合金元素对SCM822H钢性能影响的模型设计10
第3章ANN模型的训练12
3.1训练算法12
3.2ANN预测精度的衡量指标13
3.2.1散点图13
3.2.2统计学指标13
3.3ANN的训练14
3.3.1Spread值的影响15
3.3.2统计学指标18
第4章SCM822H钢性能的预测与影响19
4.1预测19
4.1.1预测结果19
4.1.2散点图19
4.1.3统计学指标20
4.2各个合金元素对抗拉强度的影响20
4.2.1C元素含量对SCM822H钢抗拉强度的影响20
4.2.2Si元素含量对SCM822H钢抗拉强度的影响20
4.2.3Mn元素含量对SCM822H钢抗拉强度的影响21
4.2.4P元素含量对SCM822H钢抗拉强度的影响21
4.2.5S元素含量对SCM822H钢抗拉强度的影响22
4.2.6Ni元素含量对SCM822H钢抗拉强度的影响22
4.2.7Cr元素含量对SCM822H钢抗拉强度的影响23
4.2.8Cu元素含量对SCM822H钢抗拉强度的影响23
4.2.9Mo元素含量对SCM822H钢抗拉强度的影响24
4.2.10Al元素含量对SCM822H钢抗拉强度的影响24
第5章各个影响因素的反向设计25
5.1ANN模型25
5.1.1数据库25
5.1.2ANN模型26
5.2ANN模型训练：
26
5.2.1基于SCM822H钢抗拉强度对C元素含量的影响26
5.2.2基于SCM822H钢抗拉强度对Si元素含量的影响27
5.2.3基于SCM822H钢抗拉强度对Mn元素含量的影响27
5.2.4基于SCM822H钢抗拉强度对P元素含量的影响27
5.2.5基于SCM822H钢抗拉强度对S元素含量的影响28
5.2.6基于SCM822H钢抗拉强度对Ni元素含量的影响28
5.2.7基于SCM822H钢抗拉强度对Cr元素含量的影响29
5.2.8基于SCM822H钢抗拉强度对Cu元素含量的影响29
5.2.9基于SCM822H钢抗拉强度对Mo元素含量的影响29
5.2.10基于SCM822H钢抗拉强度对Al元素含量的影响30
5.3基于ANN模型的工艺优化30
5.3.1基于抗拉强度对SCM822H钢碳元素含量进行优化设计30
5.3.2基于抗拉强度对SCM822H钢硅元素含量进行优化设计31
5.3.3基于抗拉强度对SCM822H钢锰元素含量进行优化设计31
5.3.4基于抗拉强度对SCM822H钢磷元素含量进行优化设计32
5.3.5基于抗拉强度对SCM822H钢硫元素含量进行优化设计33
5.3.6基于抗拉强度对SCM822H钢镍元素含量进行优化设计33
5.3.7基于抗拉强度对SCM822H钢铬元素含量进行优化设计34
5.3.8基于抗拉强度对SCM822H钢铜元素含量进行优化设计35
5.3.9基于抗拉强度对SCM822H钢钼元素含量进行优化设计35
5.3.10基于抗拉强度对SCM822H钢铝元素含量进行优化设计36
结论38
参考文献39
致谢41
外文科技资料翻译42
APPLICATIONOFARTIFICIALNERVENETWORKINMETALLURGICALFORMING42
1.moldingprocessoftheBPalgorithmprofile42
2developmentandapplication44
3deficienciesandapplicationprospect47
中文译文:
人工神经网络在钢铁成型工艺中的应用49
1成型工艺中的BP算法简介49
2开发及应用情况50
3不足之处及应用前景53
第1章绪论
1.1选题的目标和意义
齿轮是汽车及各类机械的主要传动部件，主要是传递动力和运动的作用，被广泛应用，自1976年欧拉创立渐开线圆柱齿轮以来,至今已有200多年历史。
一对齿轮在啮合时，啮合齿面之间既有滚动又有滑动，轮齿根部还要承受脉冲或交变弯曲应力的作用，齿面和齿根在上述不同应力作用下导致下不同的失效形式。
主要分为以下三种：
啮合齿面间相对滑动而产生的齿面磨损；
齿面上的接触应力超过了材料疲劳极限而产生的接触疲劳；
齿根部受到最大振幅的脉动和交变弯曲应力作用下产生的弯曲疲劳。
根据失效的统计，在传动装置中，齿轮失效占失效总数的60%左右。
因此，要充分的韧性。
齿轮心部的抗拉强度明显地影响齿轮的疲劳性能。
根据齿轮承受小能量多次冲击载荷的观点，随着齿轮心部抗拉强度的提高，其疲劳性能亦随之改善。
但心部抗拉强度为某一值时疲劳性能达到最大值，超过这一值会引起疲劳性能的降低。
为保证齿轮心部的抗拉强度，钢材应具有足够的淬透性，使齿轮在热处理时能确保心部淬透。
但是淬透性应当适中，并非越高越好。
过高的淬透性会使齿轮淬火时产生很大的变形。
淬透性是指在规定条件下试样淬透层深度和硬度分布来表征的材料特征，它主要取决于材料的临界淬火冷速的大小。
在规定条件下，决定钢材淬硬深度和硬度分布的特性。
即钢淬火时得到淬硬层深度大小的能力，它表示钢接受淬火的能力。
钢材淬透性好与差，常用淬硬层深度来表示。
淬硬层深度越大，则钢的淬透性越好。
钢的淬透性是钢材本身所固有的属性，它只取决于其本身的内部因素，而与外部因素无关。
钢的淬透性主要取决于它的化学成分，特别是含增大淬透性的合金元素及晶粒度，加热温度和保温时间等因素有关。
因此钢的化学成分波动会影响钢的淬透性和力学性能。
故必须把化学成分严格控制在一较窄范围。
内以使淬透性和力学性能稳定均匀。
而淬透性和抗拉强度均有一最佳值，因而化学成分还应控制在一最佳范围内【1~4】。
1.2文献综述
1.2.1齿轮钢SCM822H简介
多年来，中国汽车用齿轮钢一直以20CrMnTiH合金渗碳结构钢为主。
但随着重型汽车的发展，齿轮的尺寸和模数加大，20CrMnTi已经不能满足使用要求，各大钢铁企业和汽车公司相继开发和引进了各种类型的齿轮钢。
为了提高齿轮钢的淬透性，节约Cr资源，满足重型汽车齿轮的要求，20世纪60年代，中国汽车工业大力进行了B钢的研究和应用工作，用20MnVB、20Mn2TiB等钢种来代替20CrMnTi制造汽车渗碳齿轮。
随着汽车工业的发展，对齿轮精度要求的不断提高，B钢的使用存在一些问题，主要是淬透性不稳定，淬透性带过宽，渗碳时容易出现混晶，淬火处理后变形大且没有规律性，影响齿轮的加工、尺寸精度和使用寿命，所以在1980年前后很多汽车公司就停止使用B钢生产齿轮。
近几十年来，随着改革开放和国民经济发展需要，中国引进许多汽车齿轮生产线，为了适应汽车齿轮国产化的需要，在消化吸收国外先进技术的基础上，分别从德、日、美、意等国家引进了相应的齿轮用钢，中国引进汽车用齿轮钢的部分钢号与引进标准如表1所示。
中国已开发并能批量生产的新型齿轮钢有多个系列。
表1中国汽车用齿轮钢的钢号与引进标准
钢系
钢号
引进标准
Cr-Mo系
SCM420H、SCM822H
日本JIS
SAE8620H
美国ASTM
Cr-Ni-Mo系
21NiCrMo5H
意大利
20CrNi2MoH、ZF1A
德国DIN
Mn-Cr系
20MnCr5H、25MnCr5H、28MC5H
Mn-Cr-B系
ZF6、ZF7
Mn-Cr-Ti系
19CN5
汽车齿轮用钢SCM822H（22CrMoH），是我国近年引进的国外Cr-Mo系列齿轮钢的一个主要钢号。
这类钢,由于具有合适的淬透性，经适宜的金属热处理后，显微为均匀的索氏体、贝氏体或极细的珠光体，因而具有较高的抗拉强度和屈强比（一般在0.85左右），较高的韧性和疲劳强度，和较低的韧性－脆性转变温度，可用于制造截面尺寸较大的机器零件。
研制开发SCM822H齿轮钢，对于扩大我国汽车齿轮钢用品，提高汽车齿轮钢的质量，提升我国汽车齿轮钢在世界齿轮钢中的低位均有重要意义。
汽车用齿轮钢的发展趋势是：
（1）齿轮的强度取决于化学成分和热处理技术。
因此，在设计齿轮钢的成分时，尽量降低Si的含量，适当减少Mn、Cr元素，提高Ni、Mo的含量。
为此，欧洲和日本充分利用微合金元素Nb、V、Zr等的作用，对原有钢种进行微合金化处理，并开发高镍、高钼高强度齿轮钢。
（2）汽车齿轮的产量很大，制造齿轮时需要进行大量切削加工，为了提高切削效率，一些先进的齿轮制造公司都装备了高速程控机床。
为适应高速切削的发展，对齿轮材料的易切削性能提出了更高的要求，需要开发易切削汽车渗碳齿轮钢。
齿轮钢中主要添加的易切削元素为S、Pb、Bi、Mg、Ca等。
（3）为了降低切削加工费用，提高生产率和材料利用率，发展了直接锻出齿形的齿轮精密锻造技术和冷镦技术。
因此需要开发精密锻造和冷镦汽车渗碳齿轮钢。
精密锻造齿轮要求严格控制钢的质量：
（a）钢的内在质量，主要是钢的纯净度、末端淬透性、晶粒度、带状组织等指标；
（b）表面无缺陷、球化退火组织和适宜的硬度[5~12]
1.2.2ANN模型
1.2.2.1ANN模型简介
人工神经网络（ArtificialNeuralNetworks，简写为ANNs）也简称为神经网络（NNs）或称做连接模型（ConnectionistModel），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。
这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互的关系从而达到处理信息的目的。
人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入-输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程称为“训练”。
人工神经网络ANN（ArtificialNeuralNetwork）具有模拟生物神经元系统之间的复杂激励过程的特性,在学习、识别、控制、预测和模拟仿真等方面应用十分广泛。
神经网络具有以任意精度逼进任意非线性连续函数的特性,为解决复杂过程的建模问题开辟了新的途径。
此次课程设计采用RBF算法,以SCM822H齿轮钢的10个主要合金元素（碳、硅、锰、磷、硫、镍、铬、铜、锰、铝）为输入变量,SCM822H钢抗拉强度（关键指标）为输出变量,建立了10个输入和1个输出的网络模型,经过反复训练,可以对影响齿轮钢SCM822H钢的抗拉强度进行预测,以达到提高齿轮钢SCM822H钢性能、降低废品率、减少实验成本的目的[13~15]。
1.2.2.2人工神经网络的特点
人工神经网络具有四个基本特征：
（1）非线性非线性关系是自然界的普遍特性。
大脑的智慧就是一种非线性现象。
人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。
具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。
（2）非局限性一个神经网络通常由多个神经元广泛连接而成。
一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。
通过单元之间的大量连接模拟大脑的非局限性。
联想记忆是非局限性的典型例子。
（3）非常定性人工神经网络具有自适应、自组织、自学习能力。
神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。
经常采用迭代过程描写动力系统的演化过程。
（4）非凸性一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。
例如能量函数，它的极值相应于系统比较稳定的状态。
非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性。
1.2.2.3神经网络历史及其发展
（1）历史沿革：
1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts建立了神经网络和数学模型，称为MP模型。
他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。
1949年，心理学家提出了突触联系强度可变的设想。
60年代，人工神经网络的到了进一步发展，更完善的神经网络模型被提出，其中包括感知器和自适应线性元件等。
M.Minsky等仔细分析了以感知器为代表的神经网络系统的功能及局限后，于1969年出版了《Perceptron》一书，指出感知器不能解决高阶谓词问题。
他们的论点极大地影响了神经网络的研究，加之当时串行计算机和人工智能所取得的成就，掩盖了发展新型计算机和人工智能新途径的必要性和迫切性，使人工神经网络的研究处于低潮。
在此期间，一些人工神经网络的研究者仍然致力于这一研究，提出了适应谐振理论（ART网）、自组织映射、认知机网络，同时进行了神经网络数学理论的研究。
以上研究为神经网络的研究和发展奠定了基础。
1982年，美国加州工学院物理学家J.J.Hopfield提出了Hopfield神经网格模型，引入了“计算能量”概念，给出了网络稳定性判断。
1984年，他又提出了连续时间Hopfield神经网络模型，为神经计算机的研究做了开拓性的工作，开创了神经网络用于联想记忆和优化计算的新途径，有力地推动了神经网络的研究，1985年，又有学者提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点。
1986年进行认知微观结构地研究，提出了并行分布处理的理论。
人工神经网络的研究受到了各个发达国家的重视，美国国会通过决议将1990年1月5日开始的十年定为“脑的十年”，国际研究组织号召它的成员国将“脑的十年”变为全球行为。
在日本的“真实世界计算（RWC）”项目中，人工智能的研究成了一个重要的组成部分。
（2）发展趋势：
人工神经网络特有的非线性适应性信息处理能力，克服了传统人工智能方法对于直觉，如模式、语音识别、非结构化信息处理方面的缺陷，使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。
人工神经网络与其它传统方法相结合，将推动人工智能和信息处理技术不断发展。
近年来，人工神经网络正向模拟人类认知的道路上更加深入发展，与模糊系统、遗传算法、进化机制等结合，形成计算智能，成为人工智能的一个重要方向，将在实际应用中得到发展。
将信息几何应用于人工神经网络的研究，为人工神经网络的理论研究开辟了新的途径。
神经计算机的研究发展很快，已有产品进入市场。
光电结合的神经计算机为人工神经网络的发展提供了良好条件[16]。
1.2.2.4人工神经网络的类型
人工神经网络有BP型算法和RBF型算法。
图1人工神经网络模型
BP型神经网络是一种多层前馈网络,最基本的BP网络是三层前馈,即输入层、隐含层和输出层单元之间的前向连接。
各层次间的神经元形成相互连接,而各层次内的神经元之间没有连接。
输入信息从输入层经过隐含层再传递给输出层,得到网络的实际输出,并将实际输出与期望输出相比较,把网络输出出现的误差归结为各连接权的过错,通过把输出层单元的误差逐层向输入层逆向传播以分摊给各层单元,从而获得各层单元的参考误差,以便调整相应的连接权,使误差信号最小。
但BP型神经网络的弊端是需要手动调节隐含层的神经元个数，比较麻烦，所以采用RBF型神经网络预测SCM822H齿轮钢性能的预测，其自动调节隐含层的神经元个数，具有操作简便，精度高等优点。
所以本篇论文对RBF型神经网络的方法预测SCM822H齿轮钢的抗拉强度进行了研究。
[17~19]
1.2.2.5人工神经网络在材料科学中的应用
1）CTT图的预测
2）TTT图的预测
3）Ms点的预测
4）淬透性曲线的预测
5）奥氏体形成温度的预测
6）力学性能的预测
7）工艺优化及智能控制
1.2.3神经网络在齿轮钢方面的应用
1.2.3.1神经网络的ＢＰ算法研究合金元素对SCM822H钢性能的影响
1）摘要:
本文以齿轮钢SCM822H钢合金元素的含量与性能的关系为研究对象,以人工神经网络中的BP算法为基础,借助MATLAB工具设计出具有预测SCM822H齿轮钢性能的网络模型,训练后的网络模型对SCM822H齿轮钢的抗拉强度进行预测,得到了较好的效果。
2）过程：
模型的计算步骤如下：
（1）权值和阈值初始化:
随机地给全部权值和神经元阈值赋以初始值;
（2）给定样本输入x和期望输出y;
（3）计算实际输出y
（4）修正权值:
从输出层开始,将误差信号沿连接通路反向传播,通过修正各权值使误差最小;
MATLAB中有关BP网络的重要函数：
反向网络初始化函数initff
反向网络训练函数trainbp
网络的仿真函数sim
3）结论：
采用反向传播BP算法研究开发的SCM822H钢性能预测模型,解决了SCM822H钢合金元素和性能之间的非线性关系难于精确描述的问题。
并且预测精度高,结果可靠,能应用于指导实验和生产[20]。
1.2.3.2SCM822H钢及性能
1）摘要：
综述了齿轮钢材料的发展过程；
齿轮的重要性；
齿轮的主要失效形式，影响失效的主要因素。
指出SCM822H钢在齿轮领域具有一个非常大的市场，应于重视。
另外，为了提高SCM822H钢的质量，需要解决SCM822H钢合金元素含量最适范围的问题。
（1）分析钢组成。
（2）讨论钢组成与性能的关系。
（1）齿轮应用领域非常广，齿轮钢选材很重要。
（2）SCM822H钢为近年
升级会员 