应用BP神经网络预测热处理温度对高钒高速钢中残余奥氏体含量的影响

摘要

对含钒10 %的高速钢,利用铁磁性法测量了经90 0℃～110 0℃淬火、2 5 0℃～6 0 0℃回火后其残余奥氏体含量。基于测量的实验数据,利用BP神经网络建立了残余奥氏体含量与热处理温度的非线型关系模型。结果表明:良好训练的BP网络模型可以较准确预测不同淬火、回火温度条件下残余奥氏体的含量。预测结果揭示了淬火、回火温度对残余奥氏体含量的影响规律,为生产中优化热处理工艺、控制残余奥氏体含量提供了一种新的方法。