基于物理冶金学和BP网络的热轧带钢组织—性能的模拟和预测
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-20页 |
| ·课题的背景及研究意义 | 第11-14页 |
| ·课题的背景 | 第11-12页 |
| ·课题的研究意义 | 第12-14页 |
| ·热轧带钢组织性能预测与控制的发展 | 第14-18页 |
| ·物理冶金学理论的发展及特点 | 第14-16页 |
| ·人工神经网络的发展及其特点 | 第16-17页 |
| ·物理冶金模型与人工神经网络模型的对比 | 第17-18页 |
| ·论文主要研究内容 | 第18-20页 |
| 2 数据的采集及筛选 | 第20-30页 |
| ·数据信息采集 | 第20-27页 |
| ·数据结构 | 第20-21页 |
| ·成分、工艺和性能数据关联 | 第21页 |
| ·热轧工艺数据提取 | 第21-27页 |
| ·数据采集软件的实现 | 第27-28页 |
| ·数据筛选 | 第28-29页 |
| ·小结 | 第29-30页 |
| 3 基于物理冶金学理论的建模 | 第30-45页 |
| ·热变形奥氏体再结晶模型 | 第31-32页 |
| ·动态再结晶模型 | 第31-32页 |
| ·静态再结晶模型 | 第32页 |
| ·再结晶过程流变应力模型 | 第32-33页 |
| ·热轧过程的位错密度模型 | 第33-34页 |
| ·相变体积分数计算模型 | 第34-36页 |
| ·相变实际转变温度模型 | 第34页 |
| ·连续冷却过程中相变体积分数模型 | 第34-36页 |
| ·铁素体晶粒尺寸模型 | 第36页 |
| ·显微组织和力学性能对应关系模型 | 第36-37页 |
| ·计算结果与讨论 | 第37-43页 |
| ·再结晶分数 | 第37-39页 |
| ·热轧过程中的晶粒尺寸 | 第39-40页 |
| ·热轧过程中的流变应力 | 第40页 |
| ·热轧过程中的位错密度 | 第40-42页 |
| ·冷却过程中的相变 | 第42-43页 |
| ·模型精度的验证 | 第43页 |
| ·小结 | 第43-45页 |
| 4 基于BP神经网络的建模 | 第45-75页 |
| ·BP神经网络的基本理论 | 第45-53页 |
| ·BP神经网络隐层的确定 | 第53-55页 |
| ·热轧组织-性能BP神经网络模型的建立 | 第55-63页 |
| ·化学成份 | 第55-58页 |
| ·热轧工艺参数 | 第58-59页 |
| ·BP神经网络模型的建立 | 第59-63页 |
| ·力学性能预测结果 | 第63-70页 |
| ·Q235B的力学性能预测结果 | 第63-66页 |
| ·SPA-H的力学性能的预测结果 | 第66-70页 |
| ·神经网络的输入对力学性能的影响 | 第70-74页 |
| ·小结 | 第74-75页 |
| 5 控制轧制与控制冷却实验 | 第75-79页 |
| ·实验方案 | 第75-76页 |
| ·工艺参数对实验钢力学性能的影响 | 第76-78页 |
| ·小结 | 第78-79页 |
| 6 结论 | 第79-80页 |
| 参考文献 | 第80-82页 |
| 致谢 | 第82页 |
