基于BP神经网络的TC11钛合金工艺-性能模型预测

稀有金属材料与工程, 2011, 40(11): 1951-1955.

基于BP神经网络的TC11钛合金工艺-性能模型预测

孙宇 ^1, , 曾卫东 ^2, , 赵永庆 ^3, , 邵一涛 ^4, , 韩远飞 ^5, , 马雄 ^6,

1.西北工业大学凝固技术国家重点实验室,陕西西安710072

2.西北工业大学凝固技术国家重点实验室,陕西西安710072

3.西北有色金属研究院,陕西西安710016

4.西北工业大学凝固技术国家重点实验室,陕西西安710072

5.西北工业大学凝固技术国家重点实验室,陕西西安710072

6.西北工业大学凝固技术国家重点实验室,陕西西安710072

基金项目: 凝同技术国家重点实验室开放课题(35-TP-2009) 新世纪优秀人才支持计划(NCET-07-0696) 国家"973"计划(2007CB613807)

关键词： TC11钛合金 , 工艺 , 性能 , BP神经网络 , 预测

Model Prediction of Processing-Property of TC11 Titanium Alloy Using Artificial Neural Network

材料工艺与性能的关系具有复杂、非线性交互等特点.本文根据TC11钛合金力学性能与其影响因素之间的映射关系,以大量的试验数据为基础,建立了BP神经网络模型.模型的输入包括锻造温度、锻后冷却方式等热加工工艺参数；输出为常用的力学性能指标,即抗拉强度、屈服强度、延伸率和断面收缩率.运用该模型对TC11钛合金力学性能进行了预测,并通过试验数据对模型的预测精度进行了可靠性验证.同时,运用已建立的神经网络模型对TC11钛合金工艺参数与力学性能的关系进行了分析.结果表明,所建立的力学性能预测模型具有良好的外推能力,并且可以很好地反映出该合金的工艺-性能之间的复杂关系.

参考文献

[1]	曾卫东,周义刚.冷速对TC11合金β加工显微组织和力学性能的影响[J].金属学报,2002(12):1273-1276.
[2]	唐光昕,朱张校.TC11合金在不同热处理条件下的显微组织分析[J].稀有金属,2002(02):146-148.
[3]	Sun Xinjun,Bai Bingzhe,Gu Jialin,Chen Nanping.Mechanical Behaviors and Microstructural Characteristics of TC11 Alloy during Hot Deformation[J].稀有金属（英文版）,2000(02):101-109.
[4]	单德彬,史科,徐文臣,吕炎.TC11钛合金热变形机制及其热加工图[J].稀有金属材料与工程,2009(04):632-636.
[5]	陈慧琴,曹春晓,郭灵,林海.TC11钛合金片层组织热变形球化机制[J].稀有金属材料与工程,2009(03):421-425.
[6]	Y. Y. Zong;D. B. Shan;M. Xu;Y. Lv .Flow softening and microstructural evolution of TC11 titanium alloy during hot deformation[J].Journal of Materials Processing Technology,2009(4):1988-1994.
[7]	CHEN Hui-qin,CAO Chun-xiao,GUO Ling,LIN Hai.Hot deformation mechanism and microstructure evolution of TC11 titanium alloy in β field[J].中国有色金属学会会刊（英文版）,2008(05):1021-1027.
[8]	董长虹.Matlab Matlab神经网络与应用[M].北京:国防工业出版社,2005:64.
[9]	Reddy NS;Lee YH;Park CH;Lee CS .Prediction of flow stress in Ti-6Al-4V alloy with an equiaxed alpha plus beta microstructure by artificial neural networks[J].Materials Science & Engineering, A. Structural Materials: Properties, Misrostructure and Processing,2008(1/2):276-282.
[10]	McBride J;Malinov S;Sha W .[J].Materials Science and Engineering A:Structural Materials Properties Microstructure and Processing,2006,384:129.
[11]	Malinov S;Sha W .[J].Materials Science and Engineering A:Structural Materials Properties Microstructure and Processing,2004,365:202.
[12]	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.
[13]	孙宇,曾卫东,王邵丽,徐斌,周义刚.应用人工神经网络建立Ti-22Al-25Nb合金高温本构关系模型[J].塑性工程学报,2009(03):126-129.
[14]	杨建刚.人工神经网络实用教程[M].杭州:浙江大学出版社,2001:41.
[15]	楼顺天;施阳.基于MATLAB系统的分析与设计-神经网络[M].西安:西安电子科技大学出版社,1998
[16]	Robert Hecht-Nielsen.[J].Neural Networks,1988(01):445.

上一张下一张

计量

下载量()
访问量()

作者相关

文章评分

您的评分：
1

0%
2

0%
3

0%
4

0%
5

0%

材料期刊网