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

• 作者: 冯国强 吕战鹏 杨武 蔡珣 郭浩
• 来源期刊: 中国腐蚀与防护学报
• 学科: 工学
• 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
• 年，卷（期）: 2004,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 25-28
• 页数: 4页
• 分类号: TG172.9|TP183
• 字数: 2333字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-4537.2004.01.006

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡珣	上海交通大学材料学院	76	873	16.0	25.0
2	冯国强		2	15	2.0	2.0
3	杨武		45	504	13.0	20.0
4	吕战鹏		20	166	7.0	12.0
5	郭浩	上海交通大学材料学院	12	188	8.0	12.0