神经网络预测还原扩散法制备DyFe2合金转化率的研究.pdfVIP

第36卷 第4期 稀有金属材料与工程 、，01．36．No．4 2007年 4月 RARE砸TALhtATERIALSANDENGINEERING 2007 A两l 神经网络预测还原扩散法制备DyFe2合金 转化率的研究 郭广思1，成永君1，胡小媚1，叶飞2 (1．沈阳理工大学，辽宁沈阳l10168) (2。辽河石油勘探局，豇宁盘锦124209) 摘要：针对还原扩散法制备DyFe2合金中的主要实验参数：反应温度、保温时间、Ca的加入量及Fe的粒度，建立 BP神经网络，进行仿真，预测DyFe2合金的转化率。以44组实验数据作为训练样本，进行网络设计，并对网络进行了 测试。证明该网络能够预测不同实验参数下DyFe2合金的转化率，且具有良好的性能。该网络的设计可以缩短实验周 期，降低实验成本，并有利于工艺优化。 关键词；神经网络；预测：DyFe2合金：转化率 中图法分类号：TPl83 文献标识码：A 文章编号：1002．185x(2007)04．0721．03 以DyFe2为基的合金是21世纪战略性功能材水洗去除反应产物中的Ca和CaO后，按下式计 料【l】。DyFe2合金通常是采用纯金属混熔法制备，但纯算DyFe2转化率口： 金属Dy的制备过程复杂，成本高，污染严重。还原 ，y=——————————————=———-=————————————————一×l¨l’％ 一 扩散法制备DyFe2合金隆针，以Ca为还原剂，Dy203 口=襞器鬈篙黼枷。％理论生成DyFe，合金粉的质量…～ 粉和Fe粉为原材料，将还原与扩散过程结合在同一个 单元里，直接制备DyFe2合金，是一种低成本、高效2 BP网络预测 率的绿色冶金方法。 2．1确定输入输出参数 人工神经网络(ANN)是模拟生物神经网络的人工 通过对反应机理【3】的分析得知：在还原扩散反应 智能系统【5。】。本文采用BP神经网络对还原扩散法制 中，Ca的还原作用与Dy的扩散能力对转化率起着决 备DyFe2合金进行仿真，模拟实验参数对DyFe2转化 定性的作用。其中Ca的还原作用与Ca的加入量、反 率的影响，从而达到控制实验参数，预测DyFe2的转 应温度密切相关；Dy的扩散能力取决于反应时间、反 化率的目的。运用人工神经网络预测DyFe2的转化率， 应温度；还原扩散反应的转化率又与Fe粉的粒度有 可避免繁重的重复性工作，降低成本和缩短周期，同 关。因此，影响DyFe2转化率的主要因素为：反应温 时对确定适宜的工艺有重要意义。 度、保温时间、Ca的加入量和Fe粉的粒度。将这些 1 实验机理 参数确定为BP网络的输入向量。 DyFe2的转化率就是网络的目标向量。 将一定比例的Dy203粉，Fe粉与Ca粒混合均匀，