| 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 |
| |
| 引用本文： | 邵一涛,曾卫东,韩远飞,周建华,王晓英,周义刚.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[J].稀有金属材料与工程,2010(2):225-230. |
| |
| 作者姓名： | 邵一涛 曾卫东 韩远飞 周建华 王晓英 周义刚 |
| |
| 作者单位： | 西北工业大学 凝固技术国家重点实验室，陕西 西安 710072;西北工业大学 凝固技术国家重点实验室，陕西 西安 710072;西北工业大学 凝固技术国家重点实验室，陕西 西安 710072;宝山钢铁股份有限公司特殊钢分公司，上海 200940;宝山钢铁股份有限公司特殊钢分公司，上海 200940;西北工业大学 凝固技术国家重点实验室，陕西 西安 710072 |
| |
| 基金项目： | 国家“973”计划（2007CB613807）；新世纪优秀人才支持计划（NCET-07-0696）；国家科技支撑计划（2007BAE07B03） |
| |
| 摘 要： | 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。
|
| 关 键 词： | 神经网络 组织-性能模型 钛合金 定量分析 贝叶斯正则化 |
| 收稿时间： | 3/8/2010 12:00:00 AM |
Prediction of Correlation between Microstructure and Tensile Properties in Titanium Alloys Based on BP Artificial Neural Network |
| |
| Shao Yitao,Zeng Weidong,Han Yuanfei,Zhou Jianhu,Wang Xiaoying and Zhou Yigang.Prediction of Correlation between Microstructure and Tensile Properties in Titanium Alloys Based on BP Artificial Neural Network[J].Rare Metal Materials and Engineering,2010(2):225-230. |
| |
| Authors: | Shao Yitao Zeng Weidong Han Yuanfei Zhou Jianhu Wang Xiaoying and Zhou Yigang |
| |
| Abstract: | |
| |
| Keywords: | neural network microstructure-properties model titanium alloy quantification analysis Bayesian regularization |
|
| 点击此处可从《稀有金属材料与工程》浏览原始摘要信息 |
|
点击此处可从《稀有金属材料与工程》下载全文 |
