專利名稱：9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法
技術領域：
本發明涉及ー種9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法。
背景技術：
9%Cr新型馬氏體耐熱鋼主要包含T/P92、T/P91和Ε911三種新型馬氏體耐熱鋼，廣泛用于超超臨界鍋爐主蒸汽管、集箱等厚壁管道等構件，焊縫韌性偏低是該系列鋼管道焊縫安裝過程中出現的ー個主要問題。為了改善焊縫韌性，必須對焊縫進行局部熱處理。國內外研究表明，焊后熱處理溫度(即后續所提到的控溫溫度)對焊縫影響非常大，當熱處理溫度在760±10°C時(注受焊縫相變點的限制，熱處理溫度很難進ー步提高)，經過短時的恒溫處理，焊縫的沖擊功就可以達到41J以上，在740°C左右加熱時，要達到這一指標必須 大幅増加恒溫時間，當加熱溫度在730°C以下吋，再延長恒溫時間不僅效果甚微，沖擊功很難達到41J的韌度指標，而且大幅增加安裝成本，嚴重影響施工進度。現場熱處理時，受管道和焊后熱處理設備的限制，熱源一般只能布置在管道外壁，熱量從外壁向內壁傳導，即使達到穩態，內壁溫度仍然低于外壁溫度，即內外壁必然存在一定溫度差異。為了保證內壁焊縫的韌性，要求盡可能縮小內外壁溫差(控制在20°C -30°C以內)。但是隨著蒸汽溫度和壓カ的提高，9%Cr馬氏體耐熱鋼管道部件壁厚不斷増大，ー些部件的設計壁厚最高已達140mm以上，內外壁溫差増大。實際工程中，受管道尺寸的影響，無法在管道內壁安裝熱電偶對內壁溫度進行監控，一般通過測量外壁等效點位置的溫度來預測管道內壁溫度，但是等效點的位置同樣受管道尺寸(管徑和壁厚)、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度等多個因素的影響，所以等效點的位置是變化的，并且難以用解析法確定。雖然可以通過實驗的方法對特定尺寸管道在特定熱處理環境等條件下的管道焊后熱處理內壁溫度等效點的位置，但是實驗的成本高、周期長，且實驗結果不具有普遍適用性。人工神經網絡是80年代末開始迅速發展的一門非線性科學，人工神經網絡模型具有很強的容錯性、學習性、自適應性和非線性的映射能力，特別適于解決因果關系復雜的非確定性推理、判斷、識別和分類等問題。目前，在鋼鐵冶金領域應用最廣泛的是具有多層前饋網絡結構且采用反向誤差傳播訓練方法的模型(BP模型)。

發明內容
本發明所要解決現有技術存在的問題；在9%Cr新型馬氏體耐熱鋼厚壁管道尺寸(管徑和壁厚)、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度已知的條件下，提供了ー種快速預測管道焊后熱處理內壁溫度等效點位置的方法，方便現場熱處理過程中對于管道內壁溫度的監控，保障熱處理質量。本發明再有一目的是解決現有技術中所存在的問題；提供一種解決了工程中采用實驗方法確定等效點位置時浪費時間、増加成本且實驗結果不具有普遍適用性的ー種9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點的確定方法。
本發明的上述技術問題主要通過下述技術方案得以解決的
ー種9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，其特征在于，包括以下幾個步驟
步驟1，等效點位置理論計算模塊。在此模塊中，基于傳熱學理論，建立上T組不同尺寸管道在不同加熱寬度、不同保溫寬度、不同熱處理環境溫度、不同控溫溫度下的熱處溫度場計算模型，計算各組模型的焊后熱處理內壁溫度等效點的位置；
步驟2，神經網絡建立模塊，綜合考慮管道尺寸(管徑和壁厚)、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度對9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的影響，建立基于誤差反向傳播神經網絡；
步驟3，預測模型建立模塊，利用所得計算數據對BP神經網絡進行訓練和測試，得到一個可以預測9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的模型；步驟4，模型修正模塊，結合9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的實驗測量數據，對所得的確定9%Cr馬氏體耐熱鋼管道焊后熱處理內壁溫度等效點位置的模型進行修正；
步驟5，等效點位置確定模塊，分析管道尺寸(管徑以及壁厚)、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度，輸入到修正后的模型確定管道焊后熱處理內壁溫度等效點的位置。在上述的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，所述的步驟I中，建立上T組不同尺寸管道在不同加熱寬度、不同保溫寬度、不同熱處理環境溫度、不同控溫溫度下的熱處溫度場計算模型，采用有限元計算軟件對焊后熱處理溫度場進行計算，并得到等效點的位置，具體方法為
根據9%Cr新型馬氏體耐熱鋼的應用情況，選取管道尺寸范圍；根據國內外熱處理技術規程，對于一定規格的管道計算加熱帶寬度、保溫寬度的大小，選取加熱寬度和保溫寬度范圍；根據9%Cr新型馬氏體耐熱鋼的控溫溫度以及熱處理環境溫度情況，選擇控溫溫度以及熱處理環境溫度的范圍。建立T組9%Cr新型馬氏體耐熱鋼管道焊后熱處理溫度場理論計算模型，通過運用有限元軟件計算管道尺寸(管徑和壁厚)、加熱寬度、保溫寬度、控溫溫度以及熱處理環境溫度對等效點位置的影響。如在分析控溫溫度的影響時，控溫溫度一般選擇在760 ± 10°C，因此，分別取750°C、765°C、780°C，其他條件保持不變，經過有限元計算得到等效點的位置，用同樣的方法分析其他因素的影響。計算方法如下
步驟I. I，在有限元軟件中，建立9%Cr新型馬氏體耐熱鋼焊后熱處理溫度場計算模型； 步驟I. 2，定義初始條件、邊界條件，求解；
步驟I. 3，計算完成后，在后處理器中查看管道內壁溫度以及管道外壁軸向溫度分布，通過對比，計算等效點位置。在上述的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，所述步驟2中，建立基于誤差反向傳播神經網絡的具體方法為
步驟2. I，定義輸入層和輸出層
選取管道尺寸(管徑和壁厚)、加熱寬度、保溫寬度、控溫溫度以及熱處理環境溫度的數值作為輸入變量，因此該網絡輸入層的神經元數為6 ；以不同條件下管道焊后熱處理內壁溫度等效點位置的大小作為網絡模型的輸出，因此輸出層神經元數為I。
步驟2. 2，選擇隱層數和隱層單元數采用單隱層，并確定隱層節點數為10。步驟2. 3，其他參數的確定隱層隱層的傳遞函數為單極性S型函數f(x)=l/(l+e_x)，輸出層的傳遞函數為線性函數f (x)=x，使網絡輸出任何值，訓練次數為1800次，誤差目標為I，選擇樣本數為T,其中N個訓練樣本，T-N個測試樣本。在上述的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，所述步驟2中，基于誤差反向傳播神經網絡包括ー個輸入層、ー個中間層和ー個輸出層，輸入層有6個神經元，中間層有10個神經元，輸出層有I個神經元；所述預測模型的中間層的傳遞函數為單極性S型函數，輸出層的傳遞函數為線性函數，使網絡輸出任何值；對步驟I得到T組等效點位置數據對步驟2中基于誤差反向傳播神經網絡進行訓練和測試的具體步驟如下
步驟3. 1，設定權值和閾值和訓練次數，并對權值和閾值進行初始化，隨機摘取T組樣本中的T-N組樣本作為訓練樣本，N組樣本作為測試樣本，輸入T-N組訓練樣本，所述樣本為步驟I中得到的T組等效點的位置以及T組9%Cr新型馬氏體耐熱鋼的熱處理條件； 步驟3. 2，計算網絡輸出，得到反向傳播神經網絡中各層的權值以及閾值，并計算反向傳播神經網絡中各層的權值以及閾值的修正因子，根據步驟I中得到的T-N組等效點位置計算值和網絡輸出計算網絡輸出誤差，所述網絡輸出誤差即為步驟I中得到的T-N組等效點位置計算值和本步驟計算的網絡輸出的比較差值；
步驟3. 3，判斷是否達到最大訓練次數，并根據是否達到最大訓練次數選擇執行以下步
驟
選擇執行步驟1，若尚未達到最大訓練次數，判斷在步驟3. 2中網絡輸出誤差是否小于期望誤差，若小于期望誤差，則訓練結束，同時保存步驟3. 2中反向傳播神經網絡中各層的權值以及閾值，得到待定預測模型；若大于期望誤差，修正反向傳播神經網絡中各層的權值以及閾值后步驟重復3. 2.其中修正因子采用步驟3。2中計算的修正因子；
選擇執行步驟2，若達到最大訓練次數，則該反向傳播神經網絡在給定的訓練次數內不能收斂，訓練結束；
步驟3. 4，將N組測試樣本逐個輸入選擇執行步驟I中的待定預測模型，若預測誤差低于規定水平時表明該待定預測模型能夠用于預測9%Cr新型馬氏體耐熱鋼焊后熱處理內壁溫度等效點位置，即該待定預測模型即是步驟3中所得到的預測模型；否則，該待定預測模型不符合，結束整個步驟。在上述的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，所述的步驟4中，將9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的實驗測量數據與模型計算值進行對比，并修正模型輸出層閥值。因此，本發明具有如下優點1.不僅可以用于確定不同尺寸管道在不同熱處理條件下等效的位置，方便現場熱處理過程中對于管道內壁溫度的監控，保障熱處理質量；
2.解決了實驗方法確定等效點位置時浪費時間、増加成本且實驗結果不具有普遍適用性的問題。


圖I本發明中運用的BP神經網絡模型圖。圖2本發明中BP神經網絡訓練流程圖。
圖3本發明中BP神經網絡訓練誤差圖。
具體實施例方式下面通過實施例，結合附圖，對本發明的技術方案作進ー步具體的說明。本發明的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，包括以下步驟。步驟1，等效點位置理論計算模塊。在此模塊中，基于傳熱學理論，建立上T組不同尺寸管道在不同加熱寬度、不同保溫寬度、不同熱處理環境溫度、不同控溫溫度下的熱處溫度場計算模型，計算各組模型的焊后熱處理內壁溫度等效點的位置，具體方法為
根據9%Cr新型馬氏體耐熱鋼的應用情況，選取管道尺寸范圍；根據國內外熱處理技術規程，對于一定規格的管道計算加熱帶寬度、保溫寬度的大小，選取加熱寬度和保溫寬度范圍；根據9%Cr新型馬氏體耐熱鋼的控溫溫度以及熱處理環境溫度情況，選擇控溫溫度以及·熱處理環境溫度的范圍。建立T組9%Cr新型馬氏體耐熱鋼管道焊后熱處理溫度場理論計算模型，通過運用有限元軟件計算管道尺寸(管徑和壁厚)、加熱寬度、保溫寬度、控溫溫度以及熱處理環境溫度對等效點位置的影響，計算方法如下
步驟I. 1，在有限元軟件中，建立9%Cr新型馬氏體耐熱鋼焊后熱處理溫度場計算模型； 步驟I. 2，定義初始條件、邊界條件，求解；
步驟I. 3，計算完成后，在后處理器中查看管道內壁溫度以及管道外壁軸向溫度分布，通過對比，計算等效點位置。步驟2，神經網絡建立模塊，綜合考慮管道尺寸(管徑和壁厚)、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度對9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的影響，建立基于誤差反向傳播神經網絡，具體方法為
I)輸入層和輸出層的設計
選取管道尺寸(管徑和壁厚)、加熱寬度、保溫寬度、控溫溫度以及熱處理環境溫度的數值作為輸入變量，因此該網絡輸入層的神經元數為6;以不同條件下管道焊后熱處理內壁溫度等效點位置的大小作為網絡模型的輸出，因此輸出層神經元數為I。2)隱層數和隱層單元數的選擇
1989年，Robert Hecht-Nielson證明了對于任何閉區間內的一個連續函數都可以用一個隱層的BP網絡來逼近。因為ー個3層的BP網絡可以完成任意的η維到m維的連續映射，故本模型采用單隱層，而隱層節點數的選擇是一個比較復雜的問題，結合經驗公式并經過作者多次嘗試，最后確定隱層節點數為10。3)其他參數的確定
隱層隱層的傳遞函數為單極性S型函數f (x)=l/(l+e_x)，輸出層的傳遞函數為線性函數f (x)=x，使網絡輸出任何值，訓練次數為1800次,誤差目標為I，選擇樣本數為T,其中N個訓練樣本，T-N個測試樣本。本步驟中，基于誤差反向傳播神經網絡包括ー個輸入層、一個中間層和ー個輸出層，輸入層有6個神經元，中間層有10個神經元，輸出層有I個神經元；所述預測模型的中間層的傳遞函數為單極性S型函數，輸出層的傳遞函數為線性函數，使網絡輸出任何值，結構圖如附圖I所示。步驟3，預測模型建立模塊，利用所得計算數據對BP神經網絡進行訓練和測試，得到ー個可以預測9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的模型；對于步驟I得到T組等效點位置數據對步驟2中基于誤差反向傳播神經網絡進行訓練和測試的具體步驟如下
步驟3. 1，設定權值和閾值和訓練次數，并對權值和閾值進行初始化，隨機摘取T組樣本中的T-N組樣本作為訓練樣本，N組樣本作為測試樣本，輸入T-N組訓練樣本，所述樣本為步驟I中得到的T組等效點的位置以及T組9%Cr新型馬氏體耐熱鋼的熱處理條件；步驟3. 2，計算網絡輸出，得到反向傳播神經網絡中各層的權值以及閾值，并計算反向傳播神經網絡中各層的權值以及閾值的修正因子，根據步驟I中得到的T-N組等效點位置計算值和網絡輸出計算網絡輸出誤差，所述網絡輸出誤差即為步驟I中得到的T-N組等效點位置計算值和本步驟計算的網絡輸出的比較差值；
步驟3. 3，判斷是否達到最大訓練次數，并根據是否達到最大訓練次數選擇執行以下步 驟
選擇執行步驟1，若尚未達到最大訓練次數，判斷在步驟3. 2中網絡輸出誤差是否小于期望誤差，若小于期望誤差，則訓練結束，同時保存步驟3. 2中反向傳播神經網絡中各層的權值以及閾值，得到待定預測模型；若大于期望誤差，修正反向傳播神經網絡中各層的權值以及閾值后步驟重復3. 2.其中修正因子采用步驟3。2中計算的修正因子；
選擇執行步驟2，若達到最大訓練次數，則該反向傳播神經網絡在給定的訓練次數內不能收斂，訓練結束；
步驟3. 4，將N組測試樣本逐個輸入選擇執行步驟I中的待定預測模型，若預測誤差低于規定水平時表明該待定預測模型能夠用于預測9%Cr新型馬氏體耐熱鋼焊后熱處理內壁溫度等效點位置，即該待定預測模型即是步驟3中所得到的預測模型；否則，該待定預測模型不符合，結束整個步驟。在本實施例中，訓練與測試是指用前面有限元軟件計算所得7250組不同條件下9%Cr新型馬氏體耐熱鋼管道焊后熱處理內壁溫度等效點位置數據中的7200組作為訓練樣本對所建立的模型進行訓練，用余下的50組不同條件下9%Cr新型馬氏體耐熱鋼管道焊后熱處理內壁溫度等效點位置數據作為測試樣本對訓練好的BP網絡進行測試。對網絡模型網絡采用誤差反向傳播算法進行訓練，訓練流程如附圖2所示，反復訓練后當神經網絡的輸出誤差達到Imm時即可停止訓練，訓練誤差圖如附圖3所示，當神經網絡對50組測試樣本的預測誤差低于規定水平時表明網絡模型可用于預測9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置。步驟4，模型修正模塊，結合9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的實驗測量數據，并與網絡計算值進行對比，修正模型輸出層閥值。步驟5，等效點位置確定模塊，分析管道尺寸(管徑以及壁厚)、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度，輸入到修正后的模型確定管道焊后熱處理內壁溫度等效點的位置。本發明中選取管道尺寸(管徑和壁厚)、加熱帶寬度、保溫帶寬度、熱處理環境溫度以及控溫溫度作為輸入參數，適用范圍如下
管道內徑(半徑)100mm-500mm ；
管道壁厚30mm-140mm ；加熱帶寬度360mm-1472mm ；
保溫帶寬度560mm-2521_ ；
熱處理環境溫度-10°C -30°C ；
控溫溫度750°C -780°C。下面是具體采用本發明的方法實施的實驗數據
本發明所涉及的BP神經網絡方法與實驗方法確定9%Cr馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的比較
分析和記錄表I所示的三種規格的9%Cr馬氏體耐熱鋼管道的尺寸(管徑和壁厚)、加熱帶寬度、保溫帶寬度、熱處理環境溫度以及控溫溫度，將各個影響因素的數值輸入到模型中進行計算，即可快速計算該條件下管道焊后熱處理內壁溫度等效點的位置。另外通過實驗 對管道焊后熱處理內壁溫度等效點的位置進行實測，以驗證該模型的精度。本例中用本發明所得的計算結果與實測結果如下表2所示。表I 9%Cr馬氏體耐熱鋼管道的焊后熱處理參數
權利要求
1.ー種9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，其特征在于，包括以下步驟 步驟1，由等效點位置理論計算模塊建立上T組不同尺寸管道在不同加熱寬度、不同保溫寬度、不同熱處理環境溫度、不同控溫溫度下的熱處溫度場計算模型，計算各組模型的焊后熱處理內壁溫度等效點的位置； 步驟2，由神經網絡建立模塊結合管道尺寸、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度對9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的影響，建立基于誤差反向傳播神經網絡； 步驟3，由預測模型建立模塊利用所得計算數據對基于誤差反向傳播神經網絡進行訓練和測試，得到ー個可以預測9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的模型； 步驟4，由模型修正模塊結合9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的實驗測量數據，對所得的確定9%Cr馬氏體耐熱鋼管道焊后熱處理內壁溫度等效點位置的模型進行修正； 步驟5，由等效點位置確定模塊分析管道尺寸(管徑以及壁厚)、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度，輸入到修正后的模型確定管道焊后熱處理內壁溫度等效點的位置。
2.根據權利要求I所述的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，其特征在于，所述的步驟I中，建立上T組不同尺寸管道在不同加熱寬度、不同保溫寬度、不同熱處理環境溫度、不同控溫溫度下的熱處溫度場計算模型，基于有限元計算軟件進行計算，具體方法為 根據9%Cr新型馬氏體耐熱鋼的應用情況，選取管道尺寸范圍；根據國內外熱處理技術規程，對于一定規格的管道計算加熱帶寬度、保溫寬度的大小，選取加熱寬度和保溫寬度范圍；根據9%Cr新型馬氏體耐熱鋼的控溫溫度以及熱處理環境溫度情況，選擇控溫溫度以及熱處理環境溫度的范圍；建立T組9%Cr新型馬氏體耐熱鋼管道焊后熱處理溫度場理論計算模型，通過運用有限元軟件計算管道尺寸、加熱寬度、保溫寬度、控溫溫度以及熱處理環境溫度對等效點位置的影響，計算方法如下 步驟I. 1，在有限元軟件中，建立9%Cr新型馬氏體耐熱鋼焊后熱處理溫度場計算模型； 步驟I. 2，定義初始條件、邊界條件，求解； 步驟I. 3，計算完成后，在后處理器中查看管道內壁溫度以及管道外壁軸向溫度分布，通過對比，計算等效點位置。
3.根據權利要求I所述的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，其特征在于，所述步驟2中，建立基于誤差反向傳播神經網絡的具體方法為 步驟2. I，定義輸入層和輸出層 選取管道尺寸、加熱寬度、保溫寬度、控溫溫度以及熱處理環境溫度的數值作為輸入變量，因此該網絡輸入層的神經元數為6 ;以不同條件下管道焊后熱處理內壁溫度等效點位置的大小作為網絡模型的輸出，因此輸出層神經元數為I ; 步驟2. 2，選擇隱層數和隱層單元數采用單隱層，并確定隱層節點數為10 ； 步驟2. 3，其他參數的確定隱層隱層的傳遞函數為單極性S型函數f(x)=lパl+e_x)，輸出層的傳遞函數為線性函數f(x)=x，使網絡輸出任何值，訓練次數為1800次，誤差目標為1，選擇樣本數為T，其中N個訓練樣本，T-N個測試樣本。
4.根據權利要求I所述的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，其特征在于，所述步驟2中，基于誤差反向傳播神經網絡包括ー個輸入層、ー個中間層和ー個輸出層，輸入層有6個神經元，中間層有10個神經元，輸出層有I個神經元；所述預測模型的中間層的傳遞函數為單極性S型函數，輸出層的傳遞函數為線性函數，使網絡輸出任何值；對步驟I得到T組等效點位置數據對步驟2中基于誤差反向傳播神經網絡進行訓練和測試的具體步驟如下 步驟3. 1，設定權值和閾值和訓練次數，并對權值和閾值進行初始化，隨機摘取T組樣本中的T-N組樣本作為訓練樣本，N組樣本作為測試樣本，輸入T-N組訓練樣本，所述樣本為步驟I中得到的T組等效點的位置以及T組9%Cr新型馬氏體耐熱鋼的熱處理條件； 步驟3. 2，計算網絡輸出，得到反向傳播神經網絡中各層的權值以及閾值，并計算反向傳播神經網絡中各層的權值以及閾值的修正因子，根據步驟I中得到的T-N組等效點位置計算值和網絡輸出計算網絡輸出誤差，所述網絡輸出誤差即為步驟I中得到的T-N組等效點位置計算值和本步驟計算的網絡輸出的比較差值； 步驟3. 3，判斷是否達到最大訓練次數，并根據是否達到最大訓練次數選擇執行以下步驟 選擇執行步驟1，若尚未達到最大訓練次數，判斷在步驟3. 2中網絡輸出誤差是否小于期望誤差，若小于期望誤差，則訓練結束，同時保存步驟3. 2中反向傳播神經網絡中各層的權值以及閾值，得到待定預測模型；若大于期望誤差，修正反向傳播神經網絡中各層的權值以及閾值后步驟重復3. 2.其中修正因子采用步驟3. 2中計算的修正因子； 選擇執行步驟2，若達到最大訓練次數，則該反向傳播神經網絡在給定的訓練次數內不能收斂，訓練結束； 步驟3. 4，將N組測試樣本逐個輸入選擇執行步驟I中的待定預測模型，若預測誤差低于規定水平時表明該待定預測模型能夠用于預測9%Cr新型馬氏體耐熱鋼焊后熱處理內壁溫度等效點位置，即該待定預測模型即是步驟3中所得到的預測模型；否則，該待定預測模型不符合，結束整個步驟。
5.根據權利要求I所述的9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法，其特征在于，所述的步驟4中，將9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的實驗測量數據與模型計算值進行對比，并修正模型輸出層閥值。
全文摘要
本發明涉及9%Cr鋼管道焊后熱處理內壁溫度等效點位置確定方法。本方法計算得到T組不同尺寸管道在不同加熱寬度、不同保溫寬度、不同熱處理環境溫度條件下的管道焊后熱處理內壁溫度等效點位置的數據，綜合考慮管道尺寸、加熱寬度、保溫寬度、熱處理環境溫度、控溫溫度對內壁溫度等效點位置的影響，建立基于誤差反向傳播的神經網絡并對其進行訓練和測試，最后結合等效點位置的實測數據，將訓練和測試好的網絡輸出閥值進行修正得到一個可用于確定9%Cr新型馬氏體耐熱鋼厚壁管道焊后熱處理內壁溫度等效點位置的方法。該方法能夠快速地確定內壁溫度等效點的位置，能夠幫助指導和優化熱處理工藝，提高熱處理質量。
文檔編號C21D9/50GK102816917SQ20121033223
公開日2012年12月12日 申請日期2012年9月11日 優先權日2012年9月11日
發明者王學, 孟慶云, 嚴正, 趙德清, 肖德銘, 袁霖, 王鵬飛, 張永生, 胡磊, 東巖, 謝琳, 王密堂 申請人:河北滄海重工股份有限公司, 武漢大學, 中國能源建設集團天津電力建設公司