AlON-TiN复相材料合成工艺参数的支持向量回归分析
根据在不同热压烧结工艺参数(包括TiN的含量、烧结温度和保温时间)下合成的AlON-TiN复相材料的抗弯强度实测数据集,应用基于粒子群算法寻优的支持向量回归(SVR)方法,建立了AlON-TiN复相材料在不同热压烧结工艺参数下抗弯强度的SVR预测模型,并与基于人工神经网络(ANN)模型的预测结果进行了比较。利用SVR预测模型并结合粒子群算法对AlON-TiN合成工艺参数进行了寻优和多因素分析。结果显示:对于相同的训练样本和检验样本,AlON-TiN复相材料抗弯强度的SVR模型比ANN模型具有更小的预测误差,表明SVR模型比ANN模型具有更强的预测能力。工艺参数寻优结果表明,当TiN质量分数为13.5”％”、烧结温度为1863.5 ℃和保温时间为5.8 h时, 可获得抗弯强度为555.452 MPa的AlON-TiN复相材料。研究结果表明,该方法对于研发理想抗弯强度的AlON-TiN复相材料具有重要的理论指导意义和实用价值。
抗弯强度 支持向量回归 回归分析 复相材料 热压烧结
温玉锋 蔡从中 裴军芳 朱星键 肖婷婷 王桂莲
重庆大学应用物理系,重庆,400044
国内会议
广州
中文
15-20
2008-11-01（万方平台首次上网日期，不代表论文的发表时间）