基于广义回归网络的金属变形抗力预测

金属的变形抗力是表征钢材压力加工性能的一个基本量，正确确定不同变形条件下金属的变形抗力，是制定合理的轧制工艺规程的必要条件。以往许多研究者在建立变形抗力与变形量、变形速度及温度的关系模型时，采用多元非线性回归对实测的数据进行处理，得到相应的变形抗力模型。该方法首先要对变形抗力模型的函数类型做出假设（如通常采用指数型函数），而实际上变形抗力的变化规律并不能在大范围内与所选择的函数类型完全一致。特别是考虑静态再结晶，应变积累，动态再结晶，相变等因素的影响时，变形抗力的变化很复杂，难以用所选定的函数来描述，因而这种方法势必带来较大的计算误差。人工神经网络是在模拟脑神经对外部环境进行学习过程中建立起来的一种人工智能模式识别方法，具有适应性强和能够处理复杂非线性问题的特点，广泛应用于解决非线性系统以及模型未知系统的预测和控制。