中国表面工程 - 辽宁科技大学.DOC

人工神经网络预P110油套管钢稀土渗铬层厚度* 林乃明1，谢发勤1，钟涛1，吴向清1，田伟1,2 （西北工业大学 航空学院，西安 710072中国石油天然气集团公司 管材研究所，西安 710065） 要：利用人工神经网络原理，建立了反映P110油套管钢（P110钢）稀土渗铬工艺参数与渗铬层厚度关系的预测模型。结果显示该模型可以对选定工艺条件下渗铬层厚度进行良好的预测，预测结果在合理的误差范围内，建立的模型是可靠的，可以通过此模型优化工艺参数，实现P110钢稀土渗铬层厚度预。 人工神经网络P110钢油套管稀土渗铬预中图分类号：文献标识码：A 文章编号：1007–9289(2009)0–0077–04 Thickness Prediction of Rare Earth Chromizing Coatings on P110 Oil Casing Tube Steel Based on Artificial Neural Network LIN Nai–ming1, XIE Fa–qin1, ZHONG Tao1, WU Xiang–qing1, TIAN Wei1,2 (1. School of Aeronautics Northwestern Polytechnical University, Xi’an, 710072; 2. Tubular Goods Research Center of CNPC, Xi’an, 710065) Abstract: The artificial neural network theory was used to build a prediction model aimed at reflecting the relationship between process parameters and thickness of Rare Earth (RE) chromizing coatings on P110 oil casing tube steel (P110 steel). The results indicated that thickness of chromizing coatings was well predicted at selected process parameters by this model. The predicted error lied at rational range, the built model was reliable and could be used to optimize process parameters, which presented an advanced and effective approach to solve the thickness prediction of RE chromizing coatings on P110 steel. Key words: artificial neural network; P110 steel; oil casing tube; rare earth; chromizing; prediction 0 引 言 石油套管是固定油井井壁用钢管，一般占整个石油管消耗量的73 %～76 %[12]，作为油井的主要构件，其成本约占油井开发生产成本的20 %30 %。在油（气）开采中，油套管在极其严酷和复杂的环境下服役[3]，材料的表面首当其冲，采用恰当的表面处理技术，在表面形成一层全新化学成分或组织结构的保护层(膜)，提高其硬度和耐磨性、耐蚀性，延长使用寿命，既能满足服役条件的要求，又能降低生产成本[]。稀土元素电子结构特殊，化学活性极强，许多研究工作已经表明，稀土元素对化学热处理和其它表面改性技术和改性效果有多方面的影响[]。利用稀土元素在化学热处理中的催渗、促渗作用，采用热渗镀技术[10]在P110钢表面制备渗Cr合金层。渗铬的工艺参数：催化剂含量；稀土添加量；实验温度；保温时间，渗层的成分受各工艺参数的影响，渗层的成分又会影响其性能。化学热处理过程十分复杂，发生诸多化学反应，难以对整个系统过程进行定量的描述。人工神经网络(Artificial Neural Network，ANN)作为一种模拟人脑神经系统的结构与功能特征的数学处理方法，具有自学习、自组织和自适应、固有的并行结构和并行处理、知识的分布存储、容错性等功能和特点，在复杂系统的建模问题上具有独特的优越性，已经在材料设计，材料制备和材料性能的预测等领域得到了广泛应用[1114]。为此，本文采用人工神经网络方法[12,13]，以催化剂含量、稀土添加量、实验温度、保温时间收稿日期：2009–07–06；修回日期：