冯海波 刘建红 王玉红 李家驹

(天津重型装备工程研究有限公司，天津300457)

18MnNiMo是一种低合金钢，被广泛用于煤液化反应器等大型容器设备。使用状态为调质回火态，为回火下贝氏体组织。在生产过程中由于粗加工状态下的锻件有效壁厚通常在100 mm以上，在调质过程中要求较大的过冷度才能达到力学性能所要求的Rp0.2≥400 MPa，Rm≥550 MPa，A≥20%，这就增加了制造难度。如果化学成分配比不合理很容易导致性能不合格，造成巨大的成本浪费。因此通过控制化学成分，达到满意的力学性能成为首要的任务。

人工神经网络是由大量称为神经元的简单信息单元广泛连接而成的复杂的网络系统，是近年来在各个方面应用较多的一种计算方法。主要是通过仿照生物神经网络(Biological Neural Networks，BNN)的结构和功能而构成的。人工神经网络具有自组织、学习和对输入数据或规则高的容错能力，很适合处理趋势分析、预测和函数拟合等复杂问题[1]。神经网络系统在材料设计方面有着广阔的应用前景，本文是以大量生产数据为基础，通过人工神经网络系统来研究煤液化反应器用18MnNiMo钢成分与力学性能之间的关系。

1 BP人工神经网络模型

本文采用反向传播(BP)算法[2，3]，建立人工神经网络模型。下图给出了一个最基本的BP神经元模型，它具有 个输入，每个输入量都有相对应的适当的权值 和下层相连，网络输出表示为：

z=f(wi,jx-θ)

(1)

式中，f是表示输入/输出关系的传递函数，θ为阀值。

图1 单个BP人工神经网络结构Figure 1 Basic structure of BP artificial neural network

BP网络学习规则的指导思想是：对网络的权值和阀值的修正要沿着函数下降最快的方向即负梯度方向。……