《基于神经网络的双层辉光离子渗金属工艺预测模型的研究》由会员分享，可在线阅读，更多相关《基于神经网络的双层辉光离子渗金属工艺预测模型的研究（3页珍藏版）》请在金锄头文库上搜索。
1、第一届中国图学大会，2007 年 8 月 5 日7 日，烟台基于神经网络的双层辉光离子渗金属工艺预测模型的研究*刘江1 王大庆1 张平2（1. 大学机械工程系 北京 100083； 2. 大学制造工程研究所 河北 100023）摘 要：将人工神经网络理论和算法应用于双层辉光离子渗金属工艺的研究，在对网络进行训练的基础上，建立 了双层辉光离子渗金属工艺与渗层表面成分和元素总质量分数、渗层厚度和吸收率之间的数学模型，试验结果与 计算结果十分吻合。关键词：双层辉光 人工神经网络 预测模型 国家“863”高科技资助项目(71500800)1 引言双层辉光离子渗金属技术是我国在国内外都获 得专利的一项等
2、离子表面冶金新技术14,它可以在 普通材料表面形成具有特殊物理、化学性质的表面合 金层。双层辉光离子多元共渗是一个非常复杂的问题， 各种合金元素在源极表面溅射的特性、工件表面的沉 积扩散，等离子体空间传输存在较大的差异。而且宏 观工艺参数较多，它们之间相互作用关系复杂，以往 人们都是借助于经验，很难找到反映其内在规律的数 学模型。2 试验方法和试验方案2.1 试验方法 渗金属试验在自制双层辉光离子渗金属炉中进 行，源极材料为 Hastelloy C2000 合金。采用脉冲 放电模式：源极采用直流电源，工件采用脉冲电源 。源极材料 Hastelloy C2000 的质量分数：wNi=59%， w
3、Mo=16%，wCr=23%，wCu=1.6%，wC0.01%。 2.2 试验方案为了选定正交试验各个工艺参数的取值范围， 先结合以往试验研究的经验，然后又进行了 20 余炉 的摸索性试验，确定了正交工艺参数。因素水平表如 表 1 所示。表 1 因素水平表 水平因素1234 源极电压 UV1 0501 000950900 工件电压 UV275250350300气压 pPa353045403 数学模型在网络学习部分，采用三层 BP 神经网络来完成 函数的映射。误差逆传播神经网络是一种具有三层或 三层以上的阶层型神经网络，如图所示为一个三层前 馈神经网络：它包括输入层、隐含层(中间层)、输出 层；
4、输入层有 i 个节点，隐含层有 j 个节点，输出层 有 t 个节点。上、下层之间各神经元实现全连接，即 下层的每一单元与上层的每一单元都实现权连接，而 每层各神经元之间无连接。网络按有教师示教的方式 进行学习，当一对学习模式提供给网络后，神经元激 活值从输入层经各中间层向输出层传播，在输出层的 各神经元获得网络的输入响应。这以后，按减小希望 输出与实际输出之间误差的方向，从输出层经各中间 层逐层修正各连接权值，最后回到输入层。图 1 典型 BP 网络示意图算法步骤： (1) 设置初始权系 w(0)为较小的随机非零值。 (2) 给定输入/输出样本对，计算网络的输出：设第 p 组样本输入、输出分别
5、为up=(u1p,u2p,unp)dp=(d1p,d2p,dnp) p=1,2,L刘江等：基于神经网络的双层辉光离子渗金属工艺预测模型的研究2节点 i 在第 p 组样本输入时，输出为(1) jjpijipiptwftxfy )()(式中 IjP在第 p 组样本输入时，节点 i 的第 j 个 输入 f 是激励函数，采用 Sigmoid 型，即(2) xexf11)(可由输入层经隐层至输出层，求得网络输出层节点的 输入。 (3) 计算网络的目标函数 J 设 Ep为在第 p 组样本输入时网络的目标函数， 取 L2范数，则(3)( 21)( 21)( 21)(2223tetydtydtEkkp kkp
6、kpppp式中 ykp(t)在第 p 组样本输入时，经 t 次权值调 整网络的输出，k 是输出层第 k 个节点网络的总目标 函数为(4)()(tEtJpP作为对网络学习状况的评价。 判别： 若 J (5)式中 预先确定的，0则算法结束，否则，至步骤(4)。 (4) 反向传播计算 由输出层，依据 J 按“梯度下降法”反向计算， 逐层调整权值。)()()()() 1(twtwtJtwtwij ijijij(6)()()()(twtwtwtEijij pijp式中 步长或称为学习率，本文中 n 取1 000 000，取 0.94 计算结果与比较为检验程序的可靠性与实用性，对双层辉光离 子多元共渗工艺
7、参数：源极电压、工件电压、极间距、 气压对渗层表面的合金元素总质量分数、渗层厚度、 各合金元素质量分数、吸收率(工件增重/源极增重)的 影响进行了网络学习，并与试验结果进行了比较。模 型的输入节点数为 4 个工艺参数，隐含层节点数为 5，输出分别为上叙各指标项。为保证网络训练准确 可靠，同时又具有一定的推广能力，在正交试验 16 组数据中选择 13 组作为训练样本，余下的 3 组以及 正交优化工艺作为检测样本。经过 1 000 000 次训练 的试验数据与计算结果的比较见表 2、表 3。表 2 预测渗层表面的成分质量分数 w/%编号Ni Cr Mo Cu 549.88114.69511.365
8、1.605 预测值51.73416.96211.2111.661 1250.51416.69114.0710.912 预测值51.17117.50913.0480.415 1650.29019.1646.4801.308 预测值50.82618.1047.81301.333 1757.16819.65514.7321.353 预测值59.89120.10712.1631.403从表 2、表 3 可以看出训练样本和检测样本的网 络实际输出值与期望值都很接近，说明应用神经网 络描述双层辉光离子渗金属工艺参数与渗层的表面 合金成分和合金总质量分数、渗层厚度、吸收率之 间的映射模型是十分有效的。表 3
9、 人工神经网络训练与预测值吸收率 s%渗层厚度m元素总质量分数 w%试验 编号源极电压 UV工件电压 UV极间距 dmm气压 pPa试验值 预测值试验值 预测值试验值 预测值 1111170.90070.58734.534.57987.49687.437 2122261.20060.87136.536.38089.79689.237 3133333.33032.84719.019.24584.89584.508 4144444.65044.40121.020.87177.57977.321 5*212348.10047.75325.524.95077.54676.796 6221462.620
10、62.30734.534.99190.85390.514 7234138.61038.56119.018.93085.56285.116 8243226.77026.52017.517.73783.78583.534 9313428.40028.08117.517.89584.04983.217 10324348.21047.89419.019.00182.30782.138 11331240.99040.55918.518.54682.89682.515 12*342157.94057.05825.524.79282.18881.723注：*为检测样本值，试验编号 17 为正交优化工艺第一届
11、中国图学大会，2007 年 8 月 5 日7 日，烟台5 结论通过对基于神经网络的双层辉光离子多元共渗 的工艺研究，建立起工艺参数与渗层的表面合金成 分和合金总质量分数、渗层厚度和吸收率之间的映 射模型。该模型的建立为多元共渗这种多变量、非 线性系统的问题的解决提供了一个有效的工具。参考文献1 Zhong X，Yuan G，Su Y A, et al. Double glow surface alloying processIn： Third Pacific RimInternational Confer-ence on Advanced Materials and Processing，Ha
12、waii. 1998，6：196919782 高原，贺志勇，赵晋香. 机用锯条齿部表面强化组织的研究材料科学与工艺，1995，3(3)：62663 高原，贺志勇，赵晋香一种新型的表面高速钢的形成方法. 太原理工大学学报，1996，27(1)：33354 高原，贺志勇，刘小萍. 离子渗铬钼手用锯条合金元素与切削性能的研究兵工学报，1998，19(4)：3313355 李延民，潘清跃，黄卫东，等应用人工神经网络于激 光加工工艺优化. 金属热处理学报， 1998，19(4)：14176 吴良，钟文锋. 基于人工神经网络的结构钢端淬曲线预测系统模型的研究. 金属热处理学报， 2000，21(4)：13
13、17RESEARCH ON ANN-BASED PREDICTION MODEL USED TO DOUBLE GLOW PLASMA SURFACE ALLOYING PROCESSINGLiu Jiang Wang Daqing ( University ) Zhang Ping ( University of Technology)Abstract：The theory and the algorithm of the artificial neural network are applied in the research of the double glow plasma surfa
14、ce alloying processing. On the basis of the training of network, the mathematics model on the relationship between the double glow plasma surface alloying technique and the composition, the gross mass fraction of element, the thickness of surface alloying layer as well as the absorption rate is buil
15、t. The calculation results are in good agreement with the experimental results.Key words：Double glow Artificial neural network Prediction model 作者简介：刘江，男，19年生，博士研究生，主要研究方向为；王大庆，Email：liujiang ；； China Graphics2007 正式稿撰写说明 _ 1.请使用中文撰写论文；2.为了便于出版编辑，电子文稿请用 word 文档；3.为便于统稿，文章的格式（包括文章标题、节标题（1 ）、段标题（2.1 ）请严格按照上述样本。4页面大小为 A4，页边距等项设置请参考所提供的模版，不插入页码；5论文的第 1 节标题均为“引言”，最后 1 节标题均为“结论”；6图稿上的线条应清晰，并区分粗线与细线，粗线为轮廓线或框线，线条宽度为 0.3；细线为连接轮廓图的线条，线
