反向凝固过程中铸带厚度及晶粒度的预测

基于人工神经网络建立了反向凝固过程中的性能预测模型，实现了对铸带厚度和新相层晶粒度的全面预测；探讨了凝固过程中的主要工艺参数对上述性能的综合影响，为反向凝固性能的综合预测提供了简便的新手段．研究表明，新生相晶粒度随钢水过热度、母带厚度、浸入时间变化对其影响不显著，而钢水过热度、母带厚度、浸入时间变化对铸带厚度的影响较大．该模型的预测结果与实测的结果较为接近．