淬透性是硼钢的重要工艺性能,它关系到硼钢的生产、使用以及新钢种的开发。因此,开展硼钢淬透性预测的研究,对推动硼钢的应用和研究具有重要意义。 本文将偏最小二乘法(PLS)和人工神经网络技术(ANN)应用于硼钢淬透性的预测,分别建立了硼钢淬透性和化学成分之间的PLS模型和ANN模型,并对两种预测模型的建立和预测结果进行了分析讨论。 采用改进BP算法的ANN模型对硼钢的单点端淬值、多点端淬值和淬透性曲线进行了预测,预测精度均高于标准BP算法ANN模型、经验公式和PLS模型的预测精度。为了进一步验证ANN模型的可行性,对20MnVB钢的淬透性曲线进行了预测,预测结果与实验结果非常吻合,端淬值偏差在±2HRC内的命中率为90%。 利用本文建立的硼钢淬透性ANN预测模型,分析了碳含量、硅含量、锰含量、钒含量和硼含量对20MnVB钢淬透性的定量影响。在技术标准(GB3077-82)规定的成分范围内,增加锰含量可显著提高钢的淬透性,钒含量和硼含量对淬透性的影响甚微。通过对硼钢淬透性ANN预测模型的进一步研究,发现利用该模型可以进行硼钢化学成分的设计,为新钢种的开发提供了一种新途径。 上述结果表明,本文所建立的改进BP算法的ANN硼钢淬透性预测模型预测精度高,完全可用于生产实际。 为了方便使用所建立的模型预测硼钢的淬透性,采用MATLAB6.5编制了硼钢淬透性预测软件。