储林华
,
查五生
,
刘锦云
,
王向中
,
周晓庆
,
刘桂明
稀有金属
doi:10.3969/j.issn.0258-7076.2009.02.011
基于牯结NdFeB永磁体制备工艺优化实验,针对普通反向传播神经网络(BPNN)方法在预报建模中普遍存在"过拟合"和泛化能力差的问题,从优化实验方案、减少输入层节点数两个角度,结合均匀设计软件和主成分分析方法,提高训练样本的分布均匀性、"主动"改善网络结构,建立了一个粘结NdFeB永磁体制备工艺优化的2-5-3型BPNN预测模型.研究结果表明,改进的BP神经网络模型对BrHcj及(BH)m预测的相对误差的最大值分别为1.83%,1.28%和1.53%,较之传统的模型,泛化能力显著提高,网络预测也比较稳定,具有很好的实用性.
关键词:
均匀设计
,
主成分分析
,
BP神经网络
,
粘结NdFeB永磁体
,
泛化
周晓庆
,
刘颖
,
李军
,
郑华雄
,
谢发尹
材料热处理学报
采用粉末冶金法制备出含Fe、Cu、Zr的Sm2 Co17型合金磁粉,通过XRD、扫描电子显微镜等研究了各级热处理后合金的显微组织和相结构的变化.结果表明:铸锭合金由TbCu7型(P6/mmm,No.191)六方结构的2:17相组成,固溶处理4 h后获得了由TbCu7型六方和Th2Zn17型菱方结构组成的固溶体;等温时效处理后,(TbCu7+Th2Zn17)结构在转变成Th2Zn17型结构的同时析出了富Sm和富Cu的沉淀相.通过优化合金的热处理工艺,经1170℃固溶处理和830℃等温时效后获得了密度为6.7 g/cm3,磁性能为:Bx=0.565 T,Hci=615.2 kA/m,(BH)max=53 kJ/m3的各向同性Sm(Co0.66Fe0.25Cu0.07Zr0.02)8.0粘结磁体.
关键词:
Sm2 Co17
,
显微组织
,
结构转变
,
磁性能
李超英
,
刘颖
,
李军
,
马毅龙
,
谢发尹
,
周晓庆
功能材料
采用放电等离子烧结技术制备了热压/热变形NdFeB磁体.研究了不同烧结温度对热压磁体、热变形磁体微观结构及磁性能的影响.结果表明,随烧结温度的升高,磁体密度上升,680℃时已达理论密度的99.7%;另一方面,晶粒则随温度的增加发生长大.剩磁和最大磁能积受密度和晶粒大小的交互作用,在650℃时达最大:(BH)m=129kJ/m3,Br=0.87T,Hci=914kA/m.热变形后,磁体主相晶粒的c轴逐渐转向与压力平行的方向,形成磁晶各向异性,使磁体的剩磁和最大磁能积大幅增加.热压烧结温度对热变形磁体的磁性能有着极大影响,其剩磁和最大磁能积随热压温度的升高先升高后降低,620℃热压后,热变形磁体磁性能达最大:(BH)m=339kJ/m3, Br=1.49T, Hci=576kA/m.
关键词:
放电等离子烧结技术
,
热压
,
热变形
,
NdFeB磁体
储林华
,
查五生
,
刘锦云
,
刘桂明
,
周晓庆
,
张静怡
稀土
doi:10.3969/j.issn.1004-0277.2009.02.009
基于MATLAB平台和现有的少量实验数据,采用Bayesian正规化法,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP(Back Propagation)神经网络预测模型,并通过测试样本检验了ANN(Artificial Neural Network)模型的准确性.实验表明,建立的Bayesian正规化BP神经网络模型不仅能准确地拟合训练值,而且能很好地预测未知样本,将该模型应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值.
关键词:
Bayesian正规化
,
BP神经网络
,
NdFeB粘结磁体
