孙丽虹
,
王瑞坤
,
张希顺
,
千东范
,
高宝东
,
刘亚秀
,
陈家光
稀有金属
doi:10.3969/j.issn.0258-7076.1998.06.016
运用扫描电镜及最新引进的电子背散射衍射装置研究了Cu-Zn-Al形状记忆合金材料显微结构和织构. 将显微组织和晶体学分析相结合, 在研究材料显微组织、成分的同时, 研究材料中单个晶粒的取向和整体取向的统计学规律, 探求热处理条件与组织结构之间的关系. 给出了Cu-Zn-Al形状记忆合金在轧板和热处理后的组织结构、微观织构和极图.
关键词:
Cu-Zn-Al
,
形状记忆合金
,
组织结构
,
显微织构
,
电子背散射衍射
由伟
,
刘亚秀
,
白秉哲
,
方鸿生
材料热处理学报
doi:10.3969/j.issn.1009-6264.2007.05.035
用人工神经网络模型分析了镍氢电池阴极材料的合金成分对电化学容量衰减速度的影响.用"留一法"训练了模型,模型对训练样本的计算值与实测值在散点图中沿0~45°对角线分布,误差为:均方误差(MSE)为0.1195,相对均方误差(MSRE)为20.54%,拟合值(VOF)为1.9144.对合金成分的分析结果表明:电化学容量的衰减速度随Ni含量的增加而下降,随Co、Al和Si含量的增加而增大,La含量和Nd含量的影响不大.
关键词:
电化学容量衰减速度
,
合金成分
,
预测
,
人工神经网络
刘亚秀
,
刘雅芳
,
姜艳梅
,
由伟
稀有金属
doi:10.3969/j.issn.0258-7076.2013.06.005
设计了径向基函数型人工神经网络模型,研究TA15钛合金的抗拉强度与热加工工艺参数的关系.用“留一法”训练了神经网络模型并对它的预测性能进行了测试,散点图和统计学指标均表明,人工神经网络模型经过训练后,具有较高的预测精度和可靠性.用训练好的神经网络模型预测了6个样本的抗拉强度,预测值与相应的实验测试值很接近,3个误差统计学指标的值分别为MSE=20.9,MRSE =2.11%,VOF=1.9895,这表明实验结果很好地验证了神经网络模型的计算结果,说明人工神经网络的预测结果是准确、可靠的.最后用神经网络模型分析了热加工工艺参数与抗拉强度间的定量关系,结果表明:加热温度在780 ~ 940℃之间时,随着加热温度T的升高,TA15钛合金的抗拉强度随之提高:加热温度为780℃时,抗拉强度为961.7 MPa,当加热温度升到940℃时,抗拉强度提高到了978.3 MPa;应变量在0.5~0.9范围时,随着应变量的增加,钛合金的抗拉强度也提高:应变量为0.5时,抗拉强度为973 MPa,当应变量达到0.9时,抗拉强度增加到了1020 MPa;应变速率在0.003 ~0.007 s-1范围内时,随着应变速率的增加,钛合金的抗拉强度也提高:应变速率为0.003 s-1时,抗拉强度为974 MPa,当应变速率达到0.007s-1时,抗拉强度增加到了986.5 MPa.
关键词:
TA15钛合金
,
抗拉强度
,
热加工工艺参数
,
人工神经网络
,
定量影响