NiAl合金超塑性的人工神经网络预测
利用人工神经网络研究了不同化学成分NiAl合金超塑性变形的条件.建立了以化学成分、应变速率和温度等为输入参数的标准多层负反馈神经网络,利用挤压态NiAl及NiAl系合金数据库对网络进行了训练和测试.研究了NiAl及添加P,Mo,Fe,Y,Ce,Nb,Cr和Hf元素的NiAl系合金在超塑性拉伸实验中,合金元素对超塑性延伸率的影响以及变形温度、应变速率等对延伸率的影响.为了获得期望的结果,神经网络模型对输入参量、数据库和隐含层神经元个数进行了优化.测试结果表明,神经网络的多元相关系数为0.93.利用模型预测并得出优化后的NiAl及NiAl系合金化学成分以及可以获得的最大延伸率以及最佳实验条件范围.
镍铝合金 超塑性 预测模型 人工神经网络
侯介山 周兰章 郭建亭 袁超
中国科学院金属研究所,沈阳 110016
国内会议
黑龙江黑河
中文
1333-1338
2013-07-03（万方平台首次上网日期，不代表论文的发表时间）