郭浩
,
吕战鹏
,
冯国强
,
蔡旬
,
杨武
中国腐蚀与防护学报
采用两种基于人工神经网络（ANN）的经验学习方法，即双层感知器（DLP）模型和Elman反馈（EF）模型，分析应力腐蚀破裂（SCC）数据，预测奥氏体不锈钢在高温水（HTW）中的SCC敏感性。对304不锈钢（SS）和316SS的两组SCC数据，DLP模型经过长时间的训练周次并不收敛，而EF模型在有限的时间内收敛到一稳定值。304SS和316SS的SCC敏感性依赖于温度（T）、溶解氧浓度（DO）、氯离子浓度（[Cl-]）以及电位（E）。采用EF模型，待预测样本数据被包含在训练数组里(方法Ⅰ)比不包含(方法Ⅱ)的情况有更高的预测率。用于EF模型的SCC阈值（ThV）影响预测率，当ThV≤0.6时，对304SS而言，预测率的范围大约是0.66～0.90（方法Ⅰ），0.60～0.79（方法Ⅱ）；对316SS，预测率范围约为0.81～0.98(方法Ⅰ)，0.78～0.90（方法Ⅱ）,从预测率平均值来看，预测率服从正态分布，0.5应为最佳阈值。EF模型对定性预测ASS在高温水中的SCC行为有较高的预报率，是一个很有用的工具。
关键词:
应力腐蚀破裂
,
artificial neural network
,
304SS steel
,
316SS steel
,
high temperature water
余晖KIMYoungmin于化顺YOUBongsun闵光辉
金属学报
doi:10.3724/SP.J.1037.2012.00107
采用Gleeble 3800热模拟机对Mg-6Zn-0.5Zr-0.5Ce镁合金进行了高温压缩变形实验, 分析了该合金在变形温度为523-673 K, 应变速率为0.001-1.0 s-1条件下的流变应力变化规律. 结果表明, 变形温度和应变速率对流变应力具有显著影响, 流变应力随变形温度的升高和应变速率的降低而减小; 在较高变形温度和较小变形速率下, 流变应力随真应变的增加至峰值后即呈稳态流变特征. 采用双曲正弦函数拟合曲线, 确定了该合金的变形表观激活能为145.76 kJ/mol; 建立了可用于描述该镁合金的流变应力的单隐层前馈误差反向传播人工神经网络模型. 利用动态材料模型构建了热加工图, 结合组织观察认为, 该合金在648-673 K, 应变速率为0.1-1.0 s-1条件下发生动态再结晶; 而同样应变速率下, 温度低于573 K时材料在变形过程中由于机械孪生导致开裂. 由交滑移所产生的机械回复位错控制着界面的形成, 且动态再结晶模型表明该合金再结晶主要受界面迁移所控制.
关键词:
镁合金
,
constitutive equation
,
flow stress
,
artificial neural network
,
dynamic recrystallization
,
processing map
P. Zhang
,
J.Z. Cui
,
Y.H. Du and Q.Z. Zhang(Department of Metal Forming
,
Northeastern University
,
Shenyang 110006
,
China)(Department of Mining
,
Northeastern University
,
Shenyang 110006
,
China)
金属学报(英文版)
Artificial neural networks (ANN), being a sophisticated type of information processing system by imitating the neural system of human brain, can be used to investigate the effects of concentration of flux solution, temperature of liquid aluminium, temperture of tools and pressure on thickness of the intermetallic layer at the interface between steel and aluminium under solid-liquid pressure bonding of steel and aluminium perfectly. The optimum thickness has been determined according to the value of the optimum shearing strength.
关键词:
artificial neural network
,
null
,
null
K.SOORYAPRAKASH
,
TITUSTHANKACHAN
,
R.RADHAKRISHNAN
中国有色金属学报(英文版)
doi:10.1016/S1003-6326(17)60070-0
利用实验、统计学及人工神经网络方法研究粉末冶金法制备的多壁碳纳米管增强铜基金属复合材料的磨损行为,并探讨多壁碳纳米管含量的影响.测定和分析复合材料样品的显微硬度,设计L16正交实验,采用销盘式摩擦计测定样品的磨损量随载荷和滑动距离的变化.结果表明:铜基金属复合材料的硬度随多壁碳纳米管含量的增加而增加.Taguchi法工艺参数优化结果表明多壁碳纳米管的引入对复合材料磨损量产生较大影响.利用ANOV统计学方法分析和验证了复合材料的抗磨损性能.多壁碳纳米管含量对复合材料磨损量的影响最大(贡献率为76.48%),其次为所加载荷(贡献率为12.18%),最后为滑动距离(贡献率为9.91%).采用具有可变隐含节点的人工神经网络模型对复合材料的磨损过程进行模拟,所得结果的平均误差(MAE)值较低,3-7-1网络拓扑结构的适应性强,所得数据可靠.人工神经网络预测值(相关系数R值为99.5%)与ANOVA统计结果吻合良好,且能用于研究各参数对多壁碳纳米管增强的铜基金属复合材料磨损行为的影响.
关键词:
铜
,
多壁碳纳米管(MWCNT)
,
粉末冶金
,
磨损
,
Taguchi法
,
方差分析(ANOVA)
,
人工神经网络
韩俊华
,
吴其胜
材料科学与工程学报
采用热压成型的方法制备掺杂粉煤灰、以无机纤维为增强体的摩擦材料,并测试其磨损性能。选用BP神经网络建模,以摩擦材料配方、制备工艺、测试条件为输入变量,以材料的磨损率为输出变量,采用L-M算法对网络进行训练。结果表明,模型可以对材料磨损性能进行有效的预测,可用于配方及制备工艺的优化。
关键词:
人工神经网络
,
摩擦材料
,
优化
,
磨损性能
钟庆阳
,
李振华
,
周琼宇
,
李珂
,
钟庆东
腐蚀与防护
提出了一种正交试验设计与人工神经网络相结合的镀铬工艺参数优化方法.样本极差结果表明,对镀铬层的厚度及阴极电流效率影响因素依次为电流密度、电镀时间、电镀温度;且最佳电镀温度为45℃.通过神经网络建立电镀工艺参数与性能之间的模型,预测得出的镀铬层的厚度和阴极电流效率与实际试验的结果接近,训练精度较高,预测值与试验值的相对误差小于1.20％.通过建立镀铬层多指标综合评价模型,对镀铬层的厚度及阴极电流效率两个指标进行综合评价,通过对两个指标权重值的调整,确定镀铬层的综合性能值,得出最优的工艺参数.
关键词:
镀铬
,
正交试验
,
人工神经网络
,
权重值
,
工艺优化
