基于人工神经网络的铜合金形变热处理工艺和性能.pdfVIP

第 13 卷第 5 期 中国有色金属学报 2003 年 10 月 Vol . 13 No . 5 The Chinese Journal of Nonferrous Metals Oct . 　2003 文章编号 : 1004 0609 (2003) 05 1077 06 基于人工神经网络的铜合金形变热处理工艺和性能① 1 , 2 2 2 1 2 苏娟华 , 董企铭 , 刘 　平 , 李贺军 , 康布熙 ( 1. 西北工业大学 材料科学与工程学院 , 西安 7 10072 ; 2 . 河南科技大学 材料科学与工程学院 , 洛阳 47 1003) 摘 　要 : 利用神经网络对 CuCrZr 合金变形量 、时效温度和时间与硬度和电导率样本集进行训练和学习 , 采用 改进的B P 网络算法 —LevenbergMarquardt 算法 , 建立了形变热处理工艺B P 神经网络模型 , 得出了具有较高综合 性能的最佳工艺参数 : 在 80 %变形量 , 450～480 ℃, 2～5 h 形变热处理条件下 , 硬度和电导率分别可达 HV 150 ～157 和 74 %～77 % ( IACS) 。 关键词 : 铜合金 ; 形变热处理 ; 神经网络 ; LevenbergMarquardt 算法 中图分类号 : T G 146 . 1 文献标识码 : A 　　引线框架是集成电路的重要部件 , 其主要功能 本研究中采用一种拟二阶算法 ———L evenberg 为电路连接 、散热 、机械支撑等 。铜合金因具有优 Marquar dt 算法 , 神经网络模型为 N ×N 1 ×N 2 ×1 良的导电导热性能以及高的强度等特点已成为主要 的双隐层结构 , 如图 1 所示 。在所有的基于梯度的 的引线框架材料[ 1 4 ] 。形变热处理技术是制备高性 算法中 , 基于高斯 牛顿法改进得到的 L evenberg 能铜合金最常用的一种方法[5 8 ] , 该工艺主要受变 Marquar dt 方法在实际应用中稳定性较好 , 已经成 形量 、温度和时间影响 。工艺参数的选择具有很强 为解决非线性最小二乘问题的标准算法 。其基本迭 的经验性 。为优化形变热处理工艺 , 提高制件质 代公式为 量 , 降低成本 , 对铜合金形变热处理工艺进行模拟 ( ) ( ) ( T λ) - 1 ( ) w n0 + 1 = w n0 - J J + I gh 1 是很必要的。 式中　gh ≡g/ 2 , g 是误差函数对权值向量 w 的梯 ( 人 工 神 经 网 络 Artificial Neural Network , 度 ; J 为误差函数对权值 向量微分的 J acobian 矩 ANN) 是 目前国际上迅速发展的前沿交叉学科 , 其 阵; I 为单位矩阵; λ是某个可以进行 自适应调整 本质是建立一种映射关系 , 在工程应用中属于典型 λ 的非负数 。 和 I 的存在就可以很好地处理病态矩 的数据挖掘技术 。人工神经网络由很多处理单元