关键词：神经网络优化;机械轴承钢;始锻温度;终锻温度
摘 要：锻造温度是新型机械轴承钢锻造过程中的最重要工艺参数之一。为了优化新型机械轴承钢的锻造温度，本文构建了3×18×1三层拓扑结构的神经网络优化模型。选择轴承钢牌号、始锻温度和终锻温度作为输入层参数，选择耐磨损性能作为输出层参数，选择tansig函数作为隐含层传递函数，选择purelin函数作为输出层传递函数，对神经网络优化模型进行了学习训练以及预测验证。结果表明：模型相对训练误差介于3.03%与6.67%之间，平均相对训练误差5.00%；相对预测误差介于3.13%与5.41%之间，平均相对预测误差4.22%。模型能准确反映轴承钢牌号、始锻温度和终锻温度对钢耐磨损性能的影响规律，模型预测能力强、预测精度高。
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取