【摘要】 本发明涉及9%Cr钢管道焊后热处理内壁温度等效点位置确定方法。本方法计算得到T组不同尺寸管道在不同加热宽度、不同保温宽度、不同热处理环境温度条件下的管道焊后热处理内壁温度等效点位置的数据，综合考虑管道尺寸、加热宽度、保温宽度、热处理环境温度、控温温度对内壁温度等效点位置的影响，建立基于误差反向传播的神经网络并对其进行训练和测试，最后结合等效点位置的实测数据，将训练和测试好的网络输出阀值进行修正得到一个可用于确定9%Cr新型马氏体耐热钢厚壁管道焊后热处理内壁温度等效点位置的方法。该方法能够快速地确定内壁温度等效点的位置，能够帮助指导和优化热处理工艺，提高热处理质量。 【专利类型】发明授权 【申请人】河北沧海重工股份有限公司; 武汉大学; 中国能源建设集团天津电力建设公司 【申请人类型】企业,学校 【申请人地址】061300 河北省沧州市盐山县小庄乡南徐小庄村 【申请人地区】中国 【申请人城市】沧州市 【申请人区县】盐山县 【申请号】CN201210332231.3 【申请日】2012-09-11 【申请年份】2012 【公开公告号】CN102816917B 【公开公告日】2014-12-17 【公开公告年份】2014 【授权公告号】CN102816917B 【授权公告日】2014-12-17 【授权公告年份】2014.0 【IPC分类号】G06F17/50; G06N3/08; C21D9/50 【发明人】王学; 孟庆云; 严正; 赵德清; 肖德铭; 袁霖; 王鹏飞; 张永生; 胡磊; 东岩; 谢琳; 王密堂 【主权项内容】1.一种9%Cr钢管道焊后热处理内壁温度等效点位置确定方法，其特征在于，包括以下步骤： 步骤1，由等效点位置理论计算模块建立上T组不同尺寸管道在不同加热宽度、不同保温宽度、不同热处理环境温度、不同控温温度下的热处理温度场计算模型，计算各组模型的焊后热处理内壁温度等效点的位置； 步骤2，由神经网络建立模块结合管道尺寸、加热宽度、保温宽度、热处理环境温度、控温温度对新型9%Cr马氏体耐热钢厚壁管道焊后热处理内壁温度等效点位置的影响，建立基于误差反向传播神经网络； 步骤3，由预测模型建立模块利用所得计算数据对基于误差反向传播神经网络进行训练和测试，得到一个可以预测新型9%Cr马氏体耐热钢厚壁管道焊后热处理内壁温度等效点位置的模型； 步骤4，由模型修正模块结合新型9%Cr马氏体耐热钢厚壁管道焊后热处理内壁温度等效点位置的实验测量数据，对所得的确定9%Cr马氏体耐热钢管道焊后热处理内壁温度等效点位置的模型进行修正； 步骤5，由等效点位置确定模块分析管道尺寸、加热宽度、保温宽度、热处理环境温度、控温温度，输入到修正后的模型确定管道焊后热处理内壁温度等效点的位置，所述管道尺寸为管径以及壁厚； 所述步骤2中，建立基于误差反向传播神经网络的具体方法为： 步骤2.1，定义输入层和输出层： 选取管道尺寸、加热宽度、保温宽度、控温温度以及热处理环境温度的数值作为输入变量，因此该网络输入层的神经元数为6；以不同条件下管道焊后热处理内壁温度等效点位置的大小作为网络模型的输出，因此输出层神经元数为1； 步骤2.2，选择隐层数和隐层单元数：采用单隐层，并确定隐层节点数为10； 步骤2.3，其他参数的确定：隐层的传递函数为单极性S型函数：f(x)=1/(1+e-x)，输出层的传递函数为线性函数：f(x)=x，使网络输出任何值，训练次数为1800次，误差目标为1，选择样本数为T, 其中N个训练样本, T-N个测试样本； 所述步骤2中，基于误差反向传播神经网络包括一个输入层、一个中间层和一个输出层，输入层有6个神经元，中间层有10个神经元，输出层有1个神经元；所述预测模型的中间层的传递函数为单极性S型函数，输出层的传递函数为线性函数，使网络输出任何值；对步骤1得到T组等效点位置数据对步骤2中基于误差反向传播神经网络进行训练和测试的具体步骤如下： 步骤3.1，设定权值和阈值和训练次数，并对权值和阈值进行初始化，随机摘取T组样本中的T-N组样本作为训练样本，N组样本作为测试样本，输入T-N组训练样本，所述样本为步骤1中得到的T组等效点的位置以及T组新型9%Cr马氏体耐热钢的热处理条件； 步骤3.2，计算网络输出，得到反向传播神经网络中各层的权值以及阈值，并计算反向传播神经网络中各层的权值以及阈值的修正因子，根据步骤1中得到的T-N组等效点位置计算值和网络输出计算网络输出误差，所述网络输出误差即为步骤1中得到的T-N组等效点位置计算值和本步骤计算的网络输出的比较差值； 步骤3.3，判断是否达到最大训练次数，并根据是否达到最大训练次数选择执行以下步骤： 选择执行步骤1，若尚未达到最大训练次数，判断在步骤3.2中网络输出误差是否小于期望误差，若小于期望误差，则训练结束，同时保存步骤3.2中反向传播神经网络中各层的权值以及阈值，得到待定预测模型；若大于期望误差，修正反向传播神经网络中各层的权值以及阈值后步骤重复3.2.其中修正因子采用步骤3.2中计算的修正因子； 选择执行步骤2，若达到最大训练次数，则该反向传播神经网络在给定的训练次数内不能收敛，训练结束； 步骤3.4，将N组测试样本逐个输入选择执行步骤1中的待定预测模型，若预测误差低于规定水平时表明该待定预测模型能够用于预测新型9%Cr马氏体耐热钢焊后热处理内壁温度等效点位置，即该待定预测模型即是步骤3中所得到的预测模型；否则，该待定预测模型不符合，结束整个步骤。 【当前权利人】河北沧海核装备科技股份有限公司; 武汉大学; 中国能源建设集团天津电力建设公司 【当前专利权人地址】河北省沧州市盐山县小庄乡南徐小庄村; 湖北省武汉市武昌区八一路299号; 天津市和平区张自忠路240号港湾中心23层 【专利权人类型】集体所有制 【统一社会信用代码】12100000707137123P 【引证次数】4.0 【他引次数】4.0 【家族引证次数】4.0 【家族被引证次数】11

未经允许不得转载：http://www.zhongzhencnc.com/1791022024.html