基于GRNN神经网络优选高温合金铸件晶粒细化剂.pdfVIP

上半月出版 Casting·Forging·weld 金属铸锻焊技术 ●铸造 技术 ● 基于GRNN神经网络优选高温合金 铸件晶粒细化剂 苏 建 ，赵志龙 ，艾昌辉 ，胡 鹏 (西北工业大学机 电学院，陕西 西安 710072) 摘 要 ：对镍基高温合金铸件研制 出四组元化学细化剂 A—B—C．D，针对细化剂 的优选 问题 ，采用 GRNN神经网络 模拟细化剂各组元含量与铸件 晶粒尺寸间的非线性关系。研 究发现 ：加入 A—B．C．D新型复合细化剂可以明显细化铸件 晶粒 ；细化剂的最佳加入量为 0．11wt％A、0．23wt％B、0．14wt％C、0．17wt％D，即组元 A—B—C．D 的最佳质量配 比约为 1：2．1 ：1．3：1．5。 关键词：GRNN神经网络；高温合金；细晶铸造；细化剂 中图分类号：TG243 文献标识码 ：A 文章编号：1001—3814(2010)01．0033．03 Optimization ofGrain Refinerfor Superalloy Casting Based on GRNN SU Jian，ZHAO Zhilong，AIChanghui，HU Peng (SchoolofMechatronics，NorthwesternPolytechnicalUniversity,Xian710072，China) Abstract：A new chemicalrefinercomposedofA—B—C—D forNi—basedsuperalloycastnigwasdeveloped．Accordnig totheoptimizationofrefiner，thegeneralizedregressionneuralnetwork (GRNN)wasadoptedtosimulatethenonlniear connectionbetweeneachcomponentcontentofrefinerandcastnigrgani size．Theresultsshow thathtergani szieofingots canberefmedobviouslybyaddnignew compositerefinerA—B—C—D；htecombniationof0．11wt％A ，0．23wt％B，0．14wt％C and0．17w1％D isbestascompositerefinertheoptimum proportionofcomponentA—B—C—D isabout1：2．1：1．3：1．5． Keywords：generalizedregressionneuralnetwork(GRNN)；superalloy；finergaincasting；refiner 高温合金是航空发动机和工业燃气轮机必不可 尺寸间的非线性关系 ，优选 晶粒细化剂 ，为在冶金和 少 的关键材料 ，要求高温合金具有高的高温强度和 铸造生产 中的应用提供工艺性参考 。 良好的综合性能 【2J。高温合金铸件的力学性能在很 1 实验方法及结果 大程度上受晶粒度和微观组织的影 响[3]。一些研究 工作证实 ，降低均匀化温度 、浇注温度和加入细化 实验所用母合金为镍基高温合金 ，其化学成分 剂 ，有利于提高镍基高温合金铸件的形核率 ，实现 晶 见表 l，该合金 的液 固相线温度分刷 为 1339℃和 粒组织的细化[41。但由于铸造工艺复杂 ，仅通过实验 1254℃ 4[] 还未解决细化剂的最佳组元 比、最优添加量等问题 。 表 1 实验 用母合金 的化学成分 (质 量分 数。