一種鑄鋼流動(dòng)性預(yù)測(cè)方法
【專利摘要】本發(fā)明公開了一種鑄鋼流動(dòng)性預(yù)測(cè)方法，包括以下步驟：（1）用不同牌號(hào)的鑄鋼進(jìn)行螺旋形試樣實(shí)驗(yàn)，并采集神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)；（2）建立鑄鋼流動(dòng)性預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型，該神經(jīng)網(wǎng)絡(luò)類型為多層前饋型BP網(wǎng)絡(luò)，并確定其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)；（3）從步驟（1）中提取部分樣本數(shù)據(jù)，訓(xùn)練該神經(jīng)網(wǎng)絡(luò)模型；（4）用步驟（1）中剩余的樣本對(duì)訓(xùn)練后的網(wǎng)絡(luò)模型進(jìn)行仿真測(cè)試；（5）通過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，即可對(duì)其他牌號(hào)的鑄鋼進(jìn)行流動(dòng)性預(yù)測(cè)。通過本發(fā)明中神經(jīng)網(wǎng)絡(luò)模型，為鑄鋼零部件鑄造工藝設(shè)計(jì)中鑄鋼流動(dòng)性提供了一種預(yù)測(cè)方法，有利于促進(jìn)鑄造業(yè)數(shù)字化、智能化、節(jié)能化的發(fā)展。
【專利說明】
一種鑄鋼流動(dòng)性預(yù)測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種鑄鋼流動(dòng)性預(yù)測(cè)方法，屬于鑄造技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 液態(tài)金屬合金的流動(dòng)性是鑄造生產(chǎn)的重要工藝性能，流動(dòng)性的好壞直接影響金屬 的充型性能。金屬液的流動(dòng)性好，充型性能就強(qiáng)，容易獲得尺寸準(zhǔn)確、外形完整、輪廓清晰的 鑄件。否則容易造成鑄件冷隔、澆不足、氣孔與夾雜缺陷。
[0003] 鑄鋼合金是鑄造生產(chǎn)中的一種常用材料，其流動(dòng)性比灰鑄鐵、硅黃銅合金、硅鋁合 金差，所以對(duì)于鑄鋼件來說其液態(tài)合金的流動(dòng)性對(duì)鑄造工藝設(shè)計(jì)的影響很大。鑄鋼合金流 動(dòng)性受多種因素綜合影響，其好壞主要取決于合金本身的性質(zhì)，此外外在的工藝條件對(duì)其 也有重要影響。外在條件如澆注溫度、澆注壓力、鑄型結(jié)構(gòu)復(fù)雜程度、空腔壁厚等因素對(duì)鑄 鋼流動(dòng)性的影響較為簡(jiǎn)單且接近線性相關(guān);而鑄鋼合金本身性質(zhì)（即合金成分的不同）對(duì)其 流動(dòng)性的影響卻有著復(fù)雜的非線性相關(guān)特征，至今還沒有理論公式或經(jīng)驗(yàn)公式來描述這兩 者間的關(guān)系。鑄造從業(yè)者若依靠經(jīng)驗(yàn)來對(duì)鑄鋼的流動(dòng)性做判斷，缺乏科學(xué)性和可靠性;若通 過生產(chǎn)試驗(yàn)來對(duì)鑄鋼流動(dòng)性做判斷，不僅增加成本，還延長(zhǎng)了產(chǎn)品研發(fā)制造周期。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問題是：提供一種鑄鋼流動(dòng)性預(yù)測(cè)方法，建立鑄鋼合金成分 與其流動(dòng)性間非線性映射關(guān)系的數(shù)學(xué)模型，通過該模型可以較為準(zhǔn)確地預(yù)測(cè)不同牌號(hào)鑄鋼 材料本身的流動(dòng)性好壞。
[0005] 本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的： 一種鑄鋼流動(dòng)性預(yù)測(cè)方法，包括以下步驟： (1) 用不同牌號(hào)的鑄鋼進(jìn)行螺旋形試樣實(shí)驗(yàn)，并采集神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)，取鑄型填 充完畢時(shí)式樣的固相質(zhì)量分?jǐn)?shù)作為流動(dòng)性評(píng)價(jià)指數(shù)《，所述樣本數(shù)據(jù)包括鑄鋼材料合金成 分C、Fe、Μη、P、S的百分含量以及流動(dòng)性評(píng)價(jià)指數(shù)w; (2) 建立鑄鋼流動(dòng)性預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型，該神經(jīng)網(wǎng)絡(luò)類型為多層前饋型ΒΡ網(wǎng)絡(luò)，并確 定其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)； (3) 從步驟(1)中提取部分樣本數(shù)據(jù)，訓(xùn)練該神經(jīng)網(wǎng)絡(luò)模型； (4) 用步驟(1)中剩余的樣本對(duì)訓(xùn)練后的網(wǎng)絡(luò)模型進(jìn)行仿真測(cè)試； (5) 通過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，即可對(duì)其他牌號(hào)的鑄鋼進(jìn)行流動(dòng)性預(yù)測(cè)。
[0006] 優(yōu)選的，所述步驟(2)中，神經(jīng)網(wǎng)絡(luò)模型的層數(shù)為三層，包括輸入層、隱含層和輸出 層，其中輸入層節(jié)點(diǎn)數(shù)目為5,隱含層結(jié)點(diǎn)數(shù)目為11，輸出層節(jié)點(diǎn)數(shù)目為1。由于樣本數(shù)據(jù)由5 種合金成分及1個(gè)評(píng)價(jià)指數(shù)組成，所以確定輸入層節(jié)點(diǎn)數(shù)目為5，輸出層節(jié)點(diǎn)數(shù)目為1。
[0007] 優(yōu)選的，所述輸入層與隱含層間的傳遞函數(shù)采用S型正切函數(shù)tansig，隱含層與輸 出層間的傳遞函數(shù)采用S型對(duì)數(shù)函數(shù)logsig。各層間傳遞函數(shù)具有非線性特點(diǎn)及處處連續(xù) 可導(dǎo)。
[0008] 優(yōu)選的，步驟（3)中網(wǎng)絡(luò)訓(xùn)練函數(shù)選用動(dòng)量及自適應(yīng)IrBP的梯度遞減函數(shù) traingdx，學(xué)習(xí)函數(shù)選用梯度下降動(dòng)量函數(shù)learngdm，網(wǎng)絡(luò)性能函數(shù)選用加權(quán)均方誤差函 數(shù)msereg，設(shè)定性能參數(shù)為0.5,網(wǎng)絡(luò)訓(xùn)練的最小均方誤差設(shè)為0.001，最大迭代次數(shù)為 5000，采用初始化函數(shù)in i t初始化網(wǎng)絡(luò)的權(quán)值和閾值。
[0009] 優(yōu)選的，步驟(1)中樣本數(shù)據(jù)的數(shù)量為26組。
[0010] 優(yōu)選的，步驟(3)中提取24組樣本數(shù)據(jù)作為訓(xùn)練樣本，直至網(wǎng)絡(luò)訓(xùn)練結(jié)束，步驟(4) 中提取剩余2組樣本數(shù)據(jù)作為仿真測(cè)試樣本。
[0011]通過采用上述技術(shù)方案，本發(fā)明的有益效果:通過本發(fā)明中神經(jīng)網(wǎng)絡(luò)模型，為鑄鋼 零部件鑄造工藝設(shè)計(jì)中鑄鋼流動(dòng)性提供了一種預(yù)測(cè)方法，通過一種CAE手段對(duì)當(dāng)前鑄造工 藝設(shè)計(jì)提供指導(dǎo)，有利于促進(jìn)鑄造業(yè)數(shù)字化、智能化、節(jié)能化的發(fā)展。
【附圖說明】
[0012] 圖1為螺旋形試樣模型圖； 圖2為本發(fā)明中神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)圖； 圖3為本發(fā)明的過程原理圖。
【具體實(shí)施方式】
[0013] 下面結(jié)合附圖及具體的實(shí)施例對(duì)發(fā)明進(jìn)行進(jìn)一步介紹： 實(shí)施例1: 一種鑄鋼流動(dòng)性預(yù)測(cè)方法，包括以下步驟： 步驟（1):用不同牌號(hào)的鑄鋼進(jìn)行螺旋形試樣實(shí)驗(yàn)，并采集神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)。在 本實(shí)施例中，選用26種牌號(hào)的鑄鋼材料，在控制過熱度、澆注速度一致的條件下(過熱度為 該種鑄鋼液相溫度+l〇°C，澆注速度為O.Olm/s)，向螺旋型試樣(如圖1所示）中澆注鋼液，取 鑄型填充完畢時(shí)試樣的固相質(zhì)量分?jǐn)?shù)作為流動(dòng)性評(píng)價(jià)指數(shù)《，樣本數(shù)據(jù)包括鑄鋼材料合金 成分C、Fe、Mn、P、S的百分含量以及流動(dòng)性評(píng)價(jià)指數(shù)w，所得樣本數(shù)據(jù)如下表1所示： 表1神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)
步驟（2):建立鑄鋼流動(dòng)性預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型，該神經(jīng)網(wǎng)絡(luò)類型為多層前饋型BP網(wǎng) 絡(luò)，并確定其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)模型的層數(shù)為三層，包括輸入層、隱含層和輸出層，其 中輸入層節(jié)點(diǎn)數(shù)目為5，隱含層結(jié)點(diǎn)數(shù)目為11，輸出層節(jié)點(diǎn)數(shù)目為1。所述輸入層與隱含層間 的傳遞函數(shù)采用S型正切函數(shù)tansig，隱含層與輸出層間的傳遞函數(shù)采用S型對(duì)數(shù)函數(shù) logsig〇
[0014] 步驟(3):提取步驟（1)中所得樣本數(shù)據(jù)中的1至24組數(shù)據(jù)訓(xùn)練該神經(jīng)網(wǎng)絡(luò)模型。網(wǎng) 絡(luò)訓(xùn)練函數(shù)選用動(dòng)量及自適應(yīng)1 rBP的梯度遞減函數(shù)tra ingdx，學(xué)習(xí)函數(shù)選用梯度下降動(dòng)量 函數(shù)learngdm，網(wǎng)絡(luò)性能函數(shù)選用加權(quán)均方誤差函數(shù)msereg，設(shè)定性能參數(shù)為0.5,網(wǎng)絡(luò)訓(xùn) 練的最小均方誤差設(shè)為0.001，最大迭代次數(shù)為5000,采用初始化函數(shù)init初始化網(wǎng)絡(luò)的權(quán) 值和閾值。
[0015] 步驟(4):用剩余的第25、26組樣本數(shù)據(jù)對(duì)訓(xùn)練后的網(wǎng)絡(luò)模型進(jìn)行仿真測(cè)試，結(jié)果 如表2所示： 表2仿真測(cè)試結(jié)果
通過分析誤差，該神經(jīng)網(wǎng)絡(luò)模型對(duì)鑄鋼流動(dòng)性的預(yù)測(cè)達(dá)到所需的精度要求。
[0016]步驟(5):通過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，即可對(duì)其他牌號(hào)的鑄鋼進(jìn)行流動(dòng)性預(yù)測(cè)。 [0017]以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說明，不能認(rèn)定 本發(fā)明的具體實(shí)施只局限于這些說明。對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在 不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡(jiǎn)單推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明的 保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種鑄鋼流動(dòng)性預(yù)測(cè)方法，其特征在于:包括以下步驟： (1) 用不同牌號(hào)的鑄鋼進(jìn)行螺旋形試樣實(shí)驗(yàn)，并采集神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)，取鑄型填 充完畢時(shí)式樣的固相質(zhì)量分?jǐn)?shù)作為流動(dòng)性評(píng)價(jià)指數(shù)W，所述樣本數(shù)據(jù)包括鑄鋼材料合金成 分C、Fe、Μη、P、S的百分含量以及流動(dòng)性評(píng)價(jià)指數(shù)W; (2) 建立鑄鋼流動(dòng)性預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型，該神經(jīng)網(wǎng)絡(luò)類型為多層前饋型ΒΡ網(wǎng)絡(luò)，并確 定其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)； (3) 從步驟(1)中提取部分樣本數(shù)據(jù)，訓(xùn)練該神經(jīng)網(wǎng)絡(luò)模型； (4) 用步驟(1)中剩余的樣本對(duì)訓(xùn)練后的網(wǎng)絡(luò)模型進(jìn)行仿真測(cè)試； (5) 通過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型，即可對(duì)其他牌號(hào)的鑄鋼進(jìn)行流動(dòng)性預(yù)測(cè)。2. 根據(jù)權(quán)利要求1所述的一種鑄鋼流動(dòng)性預(yù)測(cè)方法，其特征在于:所述步驟(2)中，神經(jīng) 網(wǎng)絡(luò)模型的層數(shù)為三層，包括輸入層、隱含層和輸出層，其中輸入層節(jié)點(diǎn)數(shù)目為5,隱含層結(jié) 點(diǎn)數(shù)目為11，輸出層節(jié)點(diǎn)數(shù)目為1。3. 根據(jù)權(quán)利要求2所述的一種鑄鋼流動(dòng)性預(yù)測(cè)方法，其特征在于:所述輸入層與隱含層 間的傳遞函數(shù)采用S型正切函數(shù)tansig，隱含層與輸出層間的傳遞函數(shù)采用S型對(duì)數(shù)函數(shù) logsig〇4. 根據(jù)權(quán)利要求3所述的一種鑄鋼流動(dòng)性預(yù)測(cè)方法，其特征在于：步驟(3)中網(wǎng)絡(luò)訓(xùn)練 函數(shù)選用動(dòng)量及自適應(yīng)1 rBP的梯度遞減函數(shù)traingdx，學(xué)習(xí)函數(shù)選用梯度下降動(dòng)量函數(shù) learngdm，網(wǎng)絡(luò)性能函數(shù)選用加權(quán)均方誤差函數(shù)msereg，設(shè)定性能參數(shù)為0.5，網(wǎng)絡(luò)訓(xùn)練的 最小均方誤差設(shè)為0.001，最大迭代次數(shù)為5000,采用初始化函數(shù)init初始化網(wǎng)絡(luò)的權(quán)值和 閾值。5. 根據(jù)權(quán)利要求1所述的一種鑄鋼流動(dòng)性預(yù)測(cè)方法，其特征在于：步驟（1)中樣本數(shù)據(jù) 的數(shù)量為26組。6. 根據(jù)權(quán)利要求5所述的一種鑄鋼流動(dòng)性預(yù)測(cè)方法，其特征在于：步驟(3)中提取24組 樣本數(shù)據(jù)作為訓(xùn)練樣本，直至網(wǎng)絡(luò)訓(xùn)練結(jié)束，步驟(4)中提取剩余2組樣本數(shù)據(jù)作為仿真測(cè) 試樣本。
【文檔編號(hào)】G06Q50/04GK105868483SQ201610217971
【公開日】2016年8月17日
【申請(qǐng)日】2016年4月11日
【發(fā)明人】崔曉斌, 黃放, 程桐, 梅益, 孫津原
【申請(qǐng)人】貴州大學(xué)