ZA27挤压铸造工艺参数的优化.pdf

实用研究 种铸造及有色合金 2003年第4期 ZA27挤压铸造工艺参数的优化 沈 阳工 业 大 学 刘贵立 李荣德 摘 要 基于人工神经网络建立ZA27合金挤压铸造工艺参数与力学性能关系模型，采用模拟退火算法对ZA27挤压铸造 工艺进行多指标优化。结果表明：当比压为40MPa、铸型温度在 230—240 、浇注温度在 540—550℃、保压时间在 50s左 右时，ZA27合金具有较高的综合力学性能。 关键词：神经网络 锌铝合金 优化 中图分类号 ：TG21．39 文献标识码 ：A 文章编号 ：1001—2449(2003)04—0016—02 挤压铸造工艺参数对 ZA27合金力学性 能的影响 局部极值中而最终求得系统的总极值。在优化过程中 非常复杂 ，是一个多影响因素 、多指标的系统_l J，通常 要求 足够大，a不能取得太小 ，因为降温不能太快， 的方法难 以获得其工艺参数与力学性能的模型L2J，从而 一 定的状态要给予足够的时间使其达到稳态。 也难于对其工艺参数进行优化。人工神经网络是近年 发展起来的模拟人脑生物过程的具有人工智能的系统 ， 2 神经网络建模 目前在材料设计方面的应用已取得了一定的进展_4．5J， 人工神经元是从神经生理学和认知科学的研究成 本课题采用 目前广泛应用的BP网络 ，建立 ZA27挤压 果出发 ，对 自然神经元 的主要功能和特性进行抽象 ，用 铸造工艺参数与力学性能间的关系模型 ，并应用模拟退 数学方法给出的模型。单一的神经元是一个多输入、单 火算法对 ZA27挤压铸造工艺进行多指标优化，为 ZA27 输出的非线性单元，输 出是输入加权和的非线性函数 ， 合金挤压铸造工艺的研究提供新的思路 。 其结构及功能均很简单 ，多个简单的神经元有机连接就 1 模拟退火算法 构成了神经网络。神经网络具有高度的非线性处理能 力 ，它有并行处理信息、分布式存储信息及可以 自学习 模拟退火算法是基于蒙特卡罗 (metropolis抽样法) 的特点，并具有鲁棒性和极强 的范化推广能力。目前 ， 迭代求解法的一种启发式随机搜索算法。它是根据一 神经网络模型很多，如基于误差反向传播算法的BP网 个体系高温融化后 ，缓慢 降温可使系统达到基态，取得 络，联想模型、Hopfield网络模型等。BP网络是应用较 最小能量 ；否则系统冷却太快 ，即使体系温度降到很低 ， 广的模型之一 ，一般 由输入层、隐层、输出层组成 ，研究 系统的能量也只能达到局部极小值 ，而取不到最小值这 表明3层 BP网络理论上可以实现任一函数的映射。用 一 原理来求解一个 目标函数的总极值 问题。 BP网络研究钢材的力学性能与成分关系模型的建立 ， 模拟退火算法的基本过程如下 [66j。 取得了较好结果 ，网络模型的建模原理及方法参见文献 (1)利用 Metropolis抽样方法产生 3I(， )的代表 [6]。 以压力 、铸型温度、浇注温度、保压时间4个工艺参 点 l(／,／)，X2(／,／)，…， (n)，…，M (n)，这里 为某 数为网络输入，抗拉强度、伸长率、硬度 、断面收缩率为 一 固定温度 ， 称为 Pass数或称为 MonteCarloStep，根 输出训练网络。网络采用 4．12_4结构，