冷轧及退火工艺对304不锈钢组织性能影响
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1. 文献综述 | 第9-19页 |
| ·不锈钢的生产概况 | 第9-10页 |
| ·世界不锈钢的发展 | 第9页 |
| ·我国不锈钢的发展 | 第9-10页 |
| ·冷轧不锈钢生产过程的质量控制 | 第10-12页 |
| ·轧制生产时的质量控制 | 第10-11页 |
| ·退火生产时质量控制 | 第11-12页 |
| ·合金元素对组织和性能的影响 | 第12-14页 |
| ·用于不锈钢板材生产的12 辊可逆式冷轧机 | 第14-15页 |
| ·辊系组成 | 第14-15页 |
| ·轧制线调整 | 第15页 |
| ·板型控制机构 | 第15页 |
| ·主传动机构 | 第15页 |
| ·轧机的主要特性 | 第15页 |
| ·Bp 神经网络 | 第15-18页 |
| ·神经网络研究的发展 | 第15-16页 |
| ·神经网络简介 | 第16-17页 |
| ·人工神经网络的主要方向 | 第17-18页 |
| ·课题的意义和研究内容 | 第18-19页 |
| 2. 采用 Bp 神经网络对材料性能的研究 | 第19-29页 |
| ·BP 神经网络模型确定 | 第19页 |
| ·试验安排和试验结果分析 | 第19-21页 |
| ·BP 网络的拓扑结构 | 第21-24页 |
| ·输入层和输出层节点数确定 | 第21-22页 |
| ·数据预处理 | 第22页 |
| ·训练参数的确定 | 第22页 |
| ·合理网络模型的确定 | 第22-23页 |
| ·网络模型的性能和泛化能力 | 第23-24页 |
| ·BP 网络模型预测与结果分析 | 第24-26页 |
| ·BP 网络模型训练 | 第24-25页 |
| ·BP 网络模型预测 | 第25-26页 |
| ·预测结果分析 | 第26页 |
| ·各参数对材料性能的影响 | 第26-29页 |
| 3. 退火工艺对304 不锈钢材料性能的影响 | 第29-49页 |
| ·力学性能分析的基本理论 | 第31页 |
| ·成型性能的基本试验 | 第31-36页 |
| ·塑性应变比r 值 | 第32-34页 |
| ·加工硬化指数n 值 | 第34-36页 |
| ·拉伸试验内容 | 第36-38页 |
| ·实验材料 | 第36页 |
| ·试验设备 | 第36-37页 |
| ·实验方案 | 第37-38页 |
| ·试验程序 | 第38页 |
| ·r、n 值的计算 | 第38-40页 |
| ·r、n 值的计算 | 第38-40页 |
| ·数据的处理 | 第40页 |
| ·试验结果及分析 | 第40-49页 |
| ·现场退火软态材料 | 第40-41页 |
| ·实验室退火材料 | 第41-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录A | 第53-56页 |
| 致谢 | 第56页 |
