钛合金的性能对其组织状态十分敏感,与组织的多种显微特征呈现非线性的交互关系.本研究在定量分析钛合金显微组织的基础上,采用BP人工神经网络方法建立了TC17钛合金组织与力学性能的关系模型.该模型输入的显微组织特征参数包括:a相体积分数、a相厚度和不同形态 a相的体积分数,输出的力学性能包括抗拉强度、屈服强度、延伸率和断面收缩率.结果表明,该模型具有很好的预测精度和泛化能力.应用贝叶斯正则化和动量梯度下降学习法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象.此模型的建立对构建TC17合金利用组织预报力学性能的专家知识库具有重要作用,而且对钛合金专家系统的整体开发具有重要指导意义.
参考文献
| [1] | 颜鸣皋,吴学仁,朱知寿.航空材料技术的发展现状与展望[J].航空制造技术,2003(12):19-25. |
| [2] | 曾卫东,舒滢,周义刚.应用人工神经网络模型预测Ti-10V-2Fe-3Al合金的力学性能[J].稀有金属材料与工程,2004(10):1041-1044. |
| [3] | Miaoquan Li;Xuemei Liu;Aiming Xiong .Prediction of the mechanical properties of forged TC 11 titanium alloy by ANN[J].Journal of Materials Processing Technology,2002(1):1-4. |
| [4] | Malinov S;Sha W .[J].Materials Science and Engineering,2004,A365:202. |
| [5] | Evans W J .[J].Materials Science and Engineering,1998,A243:89. |
| [6] | Ankem S;Greene C A .[J].Materials Science and Engineering,1999,A63:127. |
| [7] | Christoph Leyans;Manfred Peters;陈振华.钛与钛合金[M].北京:化学工业出版社,2005:16. |
| [8] | 8 EylonD;PierceCM et al.[J].Metallurgical and Materials Transactions,1976,7A:111. |
| [9] | 王凯旋,曾卫东,邵一涛,赵永庆,周义刚.基于体视学原理的钛合金显微组织定量分析[J].稀有金属材料与工程,2009(03):398-403. |
| [10] | 陈强,李贺军,李克智,张守阳.基体改性对碳/碳复合材料烧蚀率影响的神经网络模拟[J].西安交通大学学报,2003(03):249-251,330. |
| [11] | Malinov S;Sha W;Guo Z .[J].Materials Science and Engineering,2000,283:1. |
| [12] | Jan Kusiak;Roman Kuziak .Modelling of microstructure and mechanical properties of steel using the artificial neural network[J].Journal of Materials Processing Technology,2002(1):115-121. |
| [13] | Malinov S;Sha W.[J].Computational Materials Science,2003:179. |
| [14] | Warchomicka F;Stockinger M;Degischer H P .[J].Journal of Materials Processing Technology,2006,177:473. |
| [15] | Stefansson N;Semiatin S L .[J].Metallurgical and Materials Transactions A:Physical Metallurgy and Materials Science,2003,34A:691. |
| [16] | 董长虹.Matlab 神经网络与应用[M].北京:国防工业出版社,2005:64. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%