基于BP神经网络Ti600合金本构关系模型的建立

运用Gleeble-1500热模拟机对Ti600合金的圆柱试样进行等温压缩变形试验,以试验所得数据（变形温度800~1100 ℃,应变速率0.01~10 s-1）为基础,基于BP神经网络方法建立了该合金的高温本构关系模型。结果表明：BP神经网络本构关系模型具有很高的预测精度,可以很好地描述Ti600合金在高温变形时各热力学参数之间高度非线性的复杂关系,为本构关系模型的建立提供了一种更加准确有效的方法。     

钛合金片层α相在热加工过程中演变规律的定量研究

对具有片层α相的Ti-17合金圆饼在两相区进行5种变形程度的等温锻造及固溶时效处理,用定量金相学方法研究了片层α相在热加工过程中的演变规律。研究发现:α相的厚度随着应变量的增大而增大;变形程度及圆饼的变形区域对α相形态的变化有很大影响。随变形程度的增大,α相的形态参数FeretRatio(Feretmax/Feretmin)的分布曲线在FeretRatio介于1.5～2.5区间出现单峰,且峰值不断增大,大FeretRatio的α相比例逐渐减小。圆饼中心位置的FeretRatio分布曲线具有较大的峰值。大变形使片层α相的等轴化程度提高,改善了圆饼的组织均匀性。等效应变对组织中不同形态α相分布的影响曲线表明:球化α相比例随着等效应变的增大呈单调增大,增大速率表现为慢—快—极慢的分阶段特征;近等轴状的α相比例先快速增长后不断减少;片层状和大片层状α相比例随着等效应变增大呈单调减少。片层α相的临界球化与完全球化的等效应变分别约为0.4与1.0。     

基于定量金相学的TC17钛合金片层组织取向行为分析

基于定量金相学原理,结合有限元模拟技术,定量研究了TC17钛合金在等温锻造过程中片层α取向随应变量的变化规律。分析发现:当应变量小于0.38时,片层α的取向呈对称双峰分布,两峰值之间夹角约为60°,表明片层α具有择优取向,微观组织保持原始的网篮特征;随着应变量的增大,片层α的取向分布出现不对称双峰现象,某一峰值取向参数角的体积分数变大,两峰值之间的夹角变小,网篮组织被不同程度的打碎;当应变量达到0.77左右,片层α取向呈近似单峰分布,取向参数角在80°～90°附近的体积分数达到最大,片层α趋向垂直于压缩轴分布。     

钛合金材料数据库系统的设计与开发

对国内外钛合金相关的数据信息进行大范围的收集,基于数据库技术和模块化设计方法,采用面向对象的Visual Basic 6.0程序设计语言开发钛合金材料数据库系统.该系统由钛合金基本知识、信息查询、应用、标准、数据管理和系统等6大功能模块组成.结果表明:该系统对钛合金材料的数据信息进行了科学的分类管理,提供了多种方式的高效查询方法,实现对钛合金材料数据的有效维护.     

基于体视学原理的钛合金显微组织定量分析

钛合金显微组织的多样性给定量金相学研究带来了很大困难.在分析钛合金金相学特点及热变形中显微组织演变机制的基础上,应用体视学和定量金相学的方法,结合图形的数学运算,初步建立了一套针对钛合金不同典型显微组织特征参数的定量测量分析模型与方法,为定量化研究钛合金显微组织的演变以及组织与性能之间的关系进行了探索性工作.该定量分析模型与方法具有较强的可行性,实现了包括相的体积分数、β晶粒大小、魏氏组织中α条的厚度、丛域尺寸及网篮等多种类型组织中α相的尺寸、形态、位向分布等显微特征的参数化定量描述与分析.同时,提出了对网篮等多种类型组织中α相的计算机图像处理技术——手工分离α相的原则,有效地实现了α相的图像"解体".并给出了上述显微组织特征定量分析的实例.     

基于BP神经网络的TC11钛合金工艺-性能模型预测

材料工艺与性能的关系具有复杂、非线性交互等特点。本文根据TC11钛合金力学性能与其影响因素之间的映射关系,以大量的试验数据为基础,建立了BP神经网络模型。模型的输入包括锻造温度、锻后冷却方式等热加工工艺参数;输出为常用的力学性能指标,即抗拉强度、屈服强度、延伸率和断面收缩率。运用该模型对TC11钛合金力学性能进行了预测,并通过试验数据对模型的预测精度进行了可靠性验证。同时,运用已建立的神经网络模型对TC11钛合金工艺参数与力学性能的关系进行了分析。结果表明,所建立的力学性能预测模型具有良好的外推能力,并且可以很好地反映出该合金的工艺-性能之间的复杂关系。     

应用人工神经网络研究化学元素对钛合金相变点的影响

钛合金的化学元素与相变点之间具有复杂的非线性关系,人工神经网络(artificial neural network,ANN)是解决非线性映射关系的一种有效可行的方法.本工作以钛合金相变点与化学元素的关系为研究对象,建立钛合金相变点的BP神经网络预测模型,运用训练好的网络模型研究典型化学元素对相变点的影响规律,并与传统经验公式进行比较.结果发现:神经网络模型的预测结果精度较高,误差小.各合金元素对相变点的影响并不是传统经验公式表现出来的单调线性关系,而是由于各元素之间的交互作用引起的复杂非线性关系.     

基于BP人工神经网络的TC17钛合金显微组织-力学性能关系预测

钛合金的性能对其组织状态十分敏感，与组织的多种显微特征呈现非线性的交互关系。本研究在定量分析钛合金显微组织的基础上，采用BP人工神经网络方法建立了TC17钛合金组织与力学性能的关系模型。该模型输入的显微组织特征参数包括：α相体积分数、α相厚度和不同形态α相的体积分数，输出的力学性能包括抗拉强度、屈服强度、延伸率和断面收缩率。结果表明，该模型具有很好的预测精度和泛化能力。应用贝叶斯正则化和动量梯度下降学习法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象。此模型的建立对构建TC17合金利用组织预报力学性能的专家知识库具有重要作用，而且对钛合金专家系统的整体开发具有重要指导意义。     

钛合金环形管成形工艺设计数据库系统的研究

为解决传统环形管成形工艺设计中耗时、费力且设计不精准的难题,避免设计人员进行重复性工作,以Access 2000作为后台管理系统,应用面向对象的Visual Basic 6.0界而开发软件,开发了一套钛合金环形管成形工艺设计数据库系统.该系统集环形管成形工艺、强度校核、弯曲模具以及缺陷知识查询为一体,能快速的进行环形管工艺的确定,实现环形管模具的设计制造,提高了设计精度、缩短了制造周期,同时用户可以不断的更新材料信息,对工程实践具有重要的指导意义.     

基于BP人工神经网络的TC17钛合金显微组织-力学性能关系预测

钛合金的性能对其组织状态十分敏感,与组织的多种显微特征呈现非线性的交互关系。本研究在定量分析钛合金显微组织的基础上,采用BP人工神经网络方法建立了TC17钛合金组织与力学性能的关系模型。该模型输入的显微组织特征参数包括：α相体积分数、α相厚度和不同形态α相的体积分数,输出的力学性能包括抗拉强度、屈服强度、延伸率和断面收缩率。结果表明,该模型具有很好的预测精度和泛化能力。应用贝叶斯正则化和动量梯度下降学习法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象。此模型的建立对构建TC17合金利用组织预报力学性能的专家知识库具有重要作用,而且对钛合金专家系统的整体开发具有重要指导意义。