|
|||||
|
|
| 人工神经网络模型预测不锈钢在高温水中的应力腐蚀破裂 | |
| 引用本文： | 郭浩,吕战鹏,冯国强,蔡珣,杨武.人工神经网络模型预测不锈钢在高温水中的应力腐蚀破裂[J].中国腐蚀与防护学报,2004,24(1):25-28. |
| 作者姓名： | 郭浩 吕战鹏 冯国强 蔡珣 杨武 |
| 作者单位： | 1. 上海交通大学材料学院,上海,200030;上海材料研究所,上海,200437 2. 上海材料研究所,上海,200437 3. 上海交通大学材料学院,上海,200030 |
| 基金项目： | 国家重点基础研究专项经费资助项目 (G19990 65 0 ) |
| 摘 要： | 采用两种基于人工神经网络(ANN)的经验学习方法，即双层感知器(DLP)模型和Elman反馈(EF)模型，分析应力腐蚀破裂(SCC)数据，预测奥氏体不锈钢在高温水(HTW)中的SCC敏感性，对304不锈钢(SS)和316SS的两组SCC数据，DLP模型经过长时间的训练周次并不收敛，而EF模型在有限的时间内收敛到一稳定值。304SS和316SS的SCC敏感性依赖于温度(T)、溶解氧浓度(DO)、氯离子浓度(Cl^-])以及电位(E)．采用EF模型，待预测样本数据被包含在训练数组里(方法Ⅰ)比不包含(方法Ⅱ)的情况有更高的预测率．用于EF模型的SCC阈值(ThV)影响预测率，当ThV≤0．6时，对304SS而言，预测率的范围大约是0．66～0．90(方法Ⅰ)，0．60—0．79(方法Ⅱ)；对316SS，预测率范围约为0．81～0．98(方法Ⅰ)，0．78～0．90(方法Ⅱ)．从预测率平均值来看，预测率服从正态分布，0．5应为最佳阈值．EF模型对定性预测ASS在高温水中的SCC行为有较高的预报率，是一个很有用的工具。 |
| 关 键 词： | 应力腐蚀破裂 人工神经网络 304SS 316SS 高温水 环境因素 预测 |
| 文章编号： | 1005-4537(2004)01-0025-04 |
PREDICTING SCC BEHAVIOR OF AUSTENITIC STAINLESS STEELS IN HIGH TEMPERATURE WATER BY ARTIFICIAL NEURAL NETWORK |
|
| GUO Hao ,LU Zhanpeng ,FENG Guoqiang ,CAI Xun ,YANG Wu.PREDICTING SCC BEHAVIOR OF AUSTENITIC STAINLESS STEELS IN HIGH TEMPERATURE WATER BY ARTIFICIAL NEURAL NETWORK[J].Journal of Chinese Society For Corrosion and Protection,2004,24(1):25-28. | |
| Authors: | GUO Hao LU Zhanpeng FENG Guoqiang CAI Xun YANG Wu |
| Affiliation: | GUO Hao 1,2,LU Zhanpeng 2,FENG Guoqiang 2,CAI Xun 1,YANG Wu 2 |
| Abstract: | |
| Keywords: | stress corrosion cracking artificial neural network 304 stainless steel 316 stainless steel high temperature water environmental factor prediction |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
