《表1 Vermeulen等人[13]、Filetin等人[14]和由伟等人[15]使用数据集的成分范围(单位为质量分数wt%)》
以上公式给出了钢中含碳量与其硬度值的定量关系,对碳钢的设计研发起到了促进作用,但对高合金含量的工模具钢而言尚有局限性.当前快速发展的人工智能机器学习提供了一些强大的技术手段,用以探究特征量之间复杂的非线性关系.近年来已有大量利用人工神经网络的方式预测成分-硬度关系的研究.例如Vermeulen等人[13]利用前馈神经网络研究了Nedstaa BV提供在表1成分范围内的4000组数据,通过训练得到预测模型,该模型在整个样本中预测值与实际值的平均误差为2 HRC.Filetin等人[14]使用人工神经网络研究了同一来源的40种不同成分钢的数据,其钢的成分范围如表1所示,得到的模型预测值与实际值的平均误差为0.0045 HRC.由伟等人[15]收集了文献中共111组钢的数据,其钢的成分范围如表1所示,用神经网络的方法进行处理,得到的预测模型的均方根误差为0.0868 HRC.
图表编号 | XD00106564300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.20 |
作者 | 王家豪、孙升、何燕霖、张统一 |
绘制单位 | 上海大学材料基因组工程研究院、上海大学材料基因组工程研究院、上海大学材料科学与工程学院、上海大学材料基因组工程研究院 |
更多格式 | 高清、无水印(增值服务) |