基于BP神经网络的Al2O3-TiC复合陶瓷刀具力学性能预测.docVIP

  基于 BP 神经网络的 Al2O3-TiC 复合陶瓷刀 具力学性能预测# 5 10 15 20 25 30 35 40  摘要：针对复合陶瓷刀具材料的力学性能受很多因素影响的情况，利用人工神经网络的 BP 算法，结合 MATLAB 神经网络工具箱，建立了 Al2O3-TiC 复合陶瓷力学性能预测模型，模 型由 3 层神经网络构成，分别为输入层、隐含层和输出层。反映出 TiC 含量、TiC 粒度以及 烧结工艺和复合陶瓷材料力学性能之间的非线性映射关系,优化出了 TiC 的体积分数、粒度 范围以及烧结工艺参数。 关键词：刀具技术；BP 神经网络；Al2O3-TiC 复合陶瓷；力学性能；烧结 中图分类号：TH145.1 Prediction of Al2O3-TiC Composite Ceramics Tool Properties Based on BP Algorithm of Artificial Neutral Network GU Meilin, GAO Jie, ZHANG Yaqiong, GUO Lanshen, WEI Zhi (School of Mechanical Engineering, Hebei University of Technology, TianJin 300130) Abstract: In this paper, according to the situation that the properties of composite ceramic tool materials are influenced by many factors, a model is established to predict the mechanical properties for the composite material based on the back propagation (BP) algorithm of the artificial neural network(ANN) and Neural Network Toolbox in MATLAB software. The model is composed of three neuron layers: input layer, hidden layer and output layer to simulate the real structure of the human brain. The non-linear mapping relationship between the content, granularity of Al2O3 and TiC components, hot-press fabrication parameters, and the mechanical properties of the composite is set up, the optimized content and granularity of TiC and hot-press fabrication parameters is obtained. Keywords: Tool technology; BP neutral network; Al2O3-TiC composite; Properties; Sintering 0 引言 复合陶瓷刀具材料的力学性能主要是通过实验进行研究的,不但费时费力，开发周期长， 而且不易得到系统的结论。相比之下,人工神经网络技术在复合材料性能建模方面显示出明 显的优越性, 已成为处理非线性系统的有力工具[1,2]，利用已得的试验数据将人工神经网络技 术应用在复合陶瓷材料的力学性能预测中,能够以较少的实验量获得充分可靠的信息,从而降 低成本,缩短研制周期,扩大复合陶瓷刀具材料的应用范围。 各种陶瓷材料的设计都涉及材料的组分、配比、粒度、制备工艺、力学性能和使用性能 之间的关系,即使采用统计分析的方法,如回归法,也必须事先给出数学模型。由于对陶瓷材料 内在规律的认识尚不够深入,给建立数学模型带来了一定的困难,所建模型往往存在许多不足 之处[3]。近几年来,人工神经网络在材料研究中得到了越来越广泛的应用。阎加强[4]等利用反 向传播算法(Back Propagation,简称 BP)网络对反应烧结 ZrO2-SiC 材料的制备工艺进行了优化, 并对原位 SiC 的生成量进行了预报,探讨了 ANN 在耐火材料中的应用。Cai 等[5]在均匀实验 -1-   的基础上,以 5 种添加剂组分的含量和烧结温度作为 ANN 网络的输入,以压电陶瓷的压电常 数 d 和耦合系数 kp 作为网络的输出,根