基于神经网络的CuNiSiCr合金时效性能预测研究.pdfVIP

第26卷第1期 材料热处理学报 V01．26 No．1 200 TRANSACTIONSOFMATERIALSANDHEATTREATMENT 2005 5年 2月 February 基于神经网络的Cu．Ni．Si．Cr合金时效性能预测研究 刘 平1， 雷静果1’2， 井晓天2， 田保红1 (1．河南科技大学材料科学与工程学院，河南洛阳471003； 2．西安理工大学材料科学与工程学院，陕西西安710048) 摘要：利用人工神经网络对cu．Ni—si—cr变形合金时效工艺参数与时效后性能样本集进行学习，建立 了合金时效后的性能关于时效温度、时间和变形量等参数的非线性映射模型。模型采用改进的BP算 法Levenberg—Marquardt算法。结果表明：所建立的神经网络模型具有较高的精度及良好的泛化能力， 可对cu—Ni—si—Cr合金时效后的性能进行有效的预测和分析。 关键词：cu—Ni—si—cr合金；时效；神经网络；L—M算法 中图分类号：TGl46．1；TBll5文献标识码：A 文章编号：1009．6264(2005)01—0086—04 高强高导铜合金作为一种性能优良的引线框架 材料引起了人们的极大关注，形变时效热处理是制备 高强高导铜合金最常用的方法u删。在时效处理过 的形变热处理工艺神经网络模型。模型的建立综合 程中，由于影响合金性能的因素很多、相互制约且各 考虑了网络的学习速度和泛化能力，取两个隐含层， 因素间存在非线性关系，铜合金时效过程可视为多种 因素(时间、温度)综合作用的非线性系统，这些影响 因素之间难于建立精确的数学模型，于是人们把目光 间及冷变形量。 投向人工神经网络。 Neural 人工神经网络(ArtificialNetwork)是近年发 1 建立合金时效的神经网络预测模型 展起来的模拟人脑生物过程的人工智能系统，其本质 1．1 Levenberg-Marquardt算法¨1。 是建立一种映射关系，它无需预先给定公式的形式， 经典BP算法是采用最速下降静态寻优的一阶 而以训练样本数据为基础，按某种算法经过有限次迭 算法，其在目标函数的极值点附近收敛速度慢，而经 代获得一个反映样本数据内在规律的数学模型，该模 典二阶算法(如高斯一牛顿法)在远离目标函数的极值 型具有很强的非线性逼近性能及良好的自适应、自学 点时收敛速度很慢。12|。在所有的基于梯度的算法 习、联想等功能¨“…。本文利用它的自学习能力和逼 近非线性映射能力，将其用于铜合金的预测研究和分 方法在实际应用中稳定性效果很好，已经成为解决非 析，用采集的时效试验数据进行训练，建立合金性能 与时效时间和时效温度的映射模型，从而可预测铜合 算法见图1，基本迭代公式为： 金在一定时效条件下的性能。这样，对于试验范围内 gh (1) 任意一组时效温度及时间，就可通过已建立的神经网 络模型对铜合金的性能做出预测。对材料性能的预 测可以减少试验次数、提高效率，还为实现数据挖掘 为单位矩阵，A是某个