论文部分内容阅读
对含钒10%的高速钢,利用铁磁性法测量了经900℃～1100℃淬火、250℃～600℃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.