神经网络在20钢时效组织状态无损识别中的应用

详细信息

The Application of Artificial Neural Networks to Non-destructive Identification of Microstructure of 20 Steel

摘要: 通过提取试样超声回波信号的小波系数作为表征组织状态的特征参量,探讨了BP神经网络在20钢球化组织状态和30Mn2SiV结构钢轧制组织状态无损识别中的应用.结果表明:构造BP型神经网络可实现对20钢和30Mn2SiV结构钢组织状态的无损识别与分类,平均识别率可达到86.6%和88.3%,为钢铁材料组织分析提供了一种先进而有效的新方法.
- BP神经网络 /
- 无损识别 /
- 组织状态
Abstract: The wavelet coefficient of ultrasonic signal was extracted as the characteristic parameter of microstructure.The application of BP neural networks to the non-destructive identification of spheroidized microstructure of 20 steel and rolled microstructure of 30Mn2SiV was discussed.The BP neural networks is available for non-destructive identification and classification of 20 steel spheroidized microstructure as well as 30Mn2SiV rolled microstructure.The average reliability is 86.6% and 88.3% respectively.It provides an advanced and valid method for analyzing the microstructure of steel.
- BP neural network /
- non-destructive identification /
- microstructure

[1]	章启贞.金属材料的组织与性能的关系[J].龙岩师专学报,1996,14(3):58-59.
[2]	李萍,李喜孟,王来,等.时域特征用于20#钢球化组织状态无损评价[J].石油化工高等学校学报,2004,17(2):72-74.
[3]	李萍,李喜孟,谭家隆,等.信号特征在20#钢高温时效组织状态无损评价中的应用[J].机械工程材料,2004,28(12):23-25.
[4]	李萍,李喜孟,谭家隆,等.基于贝叶斯方法无损识别20#钢高温时效状态[J].石油化工设备,2004,33(4):8-10.
[5]	飞思科技产品研发中心.辅助小波分析与应用[M].北京:电子工业出版社,2003.
[6]	袁曾任.人工神经元网络及其应用[M].北京:清华大学出版社,1999.
[7]	高隽.人工神经网络原理及仿真实例[M].北京:机械工业出版社,2003.
[8]	飞思科技产品研发中心.辅助神经网络分析与设计[M].北京:电子工业出版社,2003.
[9]	刘镇清,张海燕.人工神经网络及其在超声检测中的应用[J].无损检测,2001,(5):221-225.
[10]	林莉,李喜孟,张俊善,等.超声波无损评价40Cr钢显微组织的探讨[J].无损探伤,2000,(4):28-30.