简介:摘要在本研究中,主要阐述了冶炼高炉烧结矿化学原料的配比的准确预测,通过分析烧结具体工艺原理以及特点,提出采用深度学习中的深度置信网络算法,能够准确预测烧结矿化学成分,建立具有深度置信网络为核心的准确预测模型。首先,需要进行深度置信网络结构和参数的设计,通过利用无监督贪婪算法能够完成模型训练,采用BP网络反向微调权值对整个模型进行优化,最后比较浅层预测算法,通过仿真结果表发现,利用这种方法所获得的预测值是与具体值之间的差距相对较小,具有较高的预测精确度,相比其他方法来说具有显著优势,表明在烧结矿化学原料配比上采用深度置信网络法,具有较高的准确预测效果和有效性。
简介:与通常采用纯雾化铁粉和部分合金化铁粉作为温压基粉不同,作者对水雾化Fe-Ni-Mo合金钢粉作基粉的Fe-1.5Ni-0.5Mo-1.0Cu-xC(x=0.6,0.8,1.0)粉末进行了温压与烧结行为的研究.结果表明,通过设计新型聚合物润滑剂,高硬度的合金钢粉仍适用于温压工艺.当粉末和模具的加热温度分别为125和145℃时,Fe-1.5Ni-0.5Mo-1.0Cu-0.8C的温压密度较高.在735MPa的压力下进行压制,压坯密度达到7.35g/cm3,比室温压制提高了0.19g/cm3左右.并且,温压压坯的弹性后效比室温压制降低了40%,在1120℃烧结1h后的烧结密度为7.32g/cm3.