公开(公告)号：CN103761423A

公开(公告)日：2014-04-30

申请号：CN201310752648.X

申请日：2013-12-31

Applicant: 中南大学

Inventor： 曹卫华 ,  李熙 ,  吴敏 ,  安剑奇 ,  陈鑫 ,  胡学敏

IPC: G06F19/00

Abstract: 本发明提供了一种基于PSO-ELM算法的热轧板材组织-性能预测方法，包括以下几个步骤：步骤1：获取影响热轧板材组织-性能的参数；步骤2：获取板材的冷却速率Rc；步骤3：按照步骤1获取的数据与步骤2获取的冷却速率对板材进行力学性能试验，获得板材的屈服强度、抗拉强度及延伸率的试验值；步骤4：建立基于ELM（极限学习机）的热轧板材组织-性能预测模型；步骤5：采用粒子群算法对步骤4建立的模型进行训练；步骤6：利用步骤5得到的预测模型对热轧板材组织-性能进行预测；本方法实现了热轧板材组织-性能的在线实时精确预测，解决了以往力学性能只能依靠机器设备检测的问题。

公开(公告)号：CN103761423B

公开(公告)日：2016-06-29

申请号：CN201310752648.X

申请日：2013-12-31

Applicant: 中南大学

Inventor： 曹卫华 ,  李熙 ,  吴敏 ,  安剑奇 ,  陈鑫 ,  胡学敏

IPC: G06F19/00

Abstract: 本发明提供了一种基于PSO-ELM算法的热轧板材组织-性能预测方法，包括以下几个步骤：步骤1：获取影响热轧板材组织-性能的参数；步骤2：获取板材的冷却速率Rc；步骤3：按照步骤1获取的数据与步骤2获取的冷却速率对板材进行力学性能试验，获得板材的屈服强度、抗拉强度及延伸率的试验值；步骤4：建立基于ELM（极限学习机）的热轧板材组织-性能预测模型；步骤5：采用粒子群算法对步骤4建立的模型进行训练；步骤6：利用步骤5得到的预测模型对热轧板材组织-性能进行预测；本方法实现了热轧板材组织-性能的在线实时精确预测，解决了以往力学性能只能依靠机器设备检测的问题。