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

作者：邵一涛; 曾卫东; 韩远飞; 周建华; 王晓英; 周义刚

来源：稀有金属材料与工程, 2011, (02): 225-230.

• 神经网络
• 组织-性能模型
• 钛合金
• 定量分析
• 贝叶斯正则化 neural network
• microstructure-properties model
• titanium alloy
• quantification analysis
• Bayesian regularization

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。

• 单位
  西北工业大学; 宝山钢铁股份有限公司特殊钢分公司; 凝固技术国家重点实验室