软计算技术在TiAl合金显微硬度的预测研究
发布时间：2021-02-12 02:10
TiAl合金因具有高硬度等优良性能成为研究热点,显微硬度作为衡量TiAl合金软硬程度的判据之一,建立显微硬度预测模型,通过模型化方法,指导实验进行,减少试验次数,降低成本。但由于影响因素多且关系复杂,难以通过传统的方式建立预测模型,且多数预报工作中也未考虑模糊性和数据非均匀性特征。因此,预测研究工作仍存在不足。本文以TiAl合金的显微硬度实验数据为研究对象,以软计算技术中的神经网络为研究基础,建立BP神经网络显微硬度预测模型。并从模糊性和技术路线两方面对预测模型进一步优化,最后考虑样本非均匀性特征建立预测模型,以提高预测模型的性能,降低预测误差。论文主要研究内容如下:（1）选择合适的指标参与预测模型的建立和数据预处理。参数选择从外因和内因两方面考虑,外因选择TiC（wt%）、制备温度T和B（wt%）。内因则包括非线性、模糊性和非均匀性特征。在筛选、剔除无效数据后,保留165条数据。为减小样本量纲相差过大造成的预测误差,采用mapminmax函数进行归一化处理。（2）建立基于BP神经网络的TiAl合金显微硬度预测模型。首先,确定预测模型输入节点为3,输出节点为1。根据经验公式计算BP神经...
【文章来源】：陕西科技大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
a）生物神经元b）人工神经元Fig.2-1a）Biologicalneuronsb）Modelofartificialneuron
图 2-2 S 型函数曲线图Fig. 2-2 Graph of function Sigmoid看做是一个通用的近似器，难构造出稳定的，高度非线不足、也因参数过多、过少息与输出信息之间存在的关预测曲线，但这种方法还是间互相依赖的关系，可能被主要依赖于概率性和主观性 L. A. Zadeh 发表了《Fuzzy S糊集理论和模糊逻辑是用来[0,1]的模糊逻辑为基础，模作业难题的一种有用途径。
能够根据数据间的映射关系，经过有限次的迭代得型。这个数学模型包含被称作是神经元的单个处理处理单元对加权输入进行求和，然后将一个线性或输出。人工神经网络由于其固有的能力将任何非线注的 BP（Back Propagation）神经网络，或是 BP 神 90%预测模型的选择。BP 神经网络因为应用了能学习问题的 Error Back Propagation 算法，即 BP 算部分，BP 神经网络具有结构简单和可逆性强的优已经成功应用到函数逼近、模式识别等领域，这也多层神经元结构组成的，神经云之间通过连接线互每一层的输出信息都直接送往对应各层的神经元可以有多种选择，但最少需要三层的网络结构才能分配输入模式。一层或多层中间层（隐含层）用于输出层，输出结果模式。如图 4-1 所示为一个 3 层
【参考文献】：
期刊论文
[1]基于BP神经网络的细晶Ti2AlNb基合金粉末球磨工艺研究[J]. 张恒,孙宇,胡连喜. 稀有金属材料与工程. 2017(12)
[2]材料的奇妙特性[J]. 洪唯佳. 中国科技教育. 2017(11)
[3]基于布谷鸟搜索优化BP神经网络的网络安全态势评估方法[J]. 谢丽霞,王志华. 计算机应用. 2017(07)
[4]模糊逻辑中的一些问题与研究进展[J]. 裴道武. 四川师范大学学报(自然科学版). 2017(03)
[5]基于改进粒子群算法的径向基人工神经网络淀粉基发泡复合材料性能预测[J]. 李孟山,吴维,陈炳生,管立新,武燕. 复合材料学报. 2017(12)
[6]基于软计算技术的军用软件可靠性预测模型研究[J]. 孙媛,赵建军,周源. 兵工自动化. 2017(02)
[7]动态模糊RBF神经网络焊接接头力学性能预测建模[J]. 张永志,董俊慧,朱红玲. 航空材料学报. 2016(05)
[8]加快材料基因组工程信息化基础设施的建设[J]. 杨小渝. 科技导报. 2016(08)
[9]BP神经网络模型预测ZnCu2Al10合金的高温变形行为（英文）[J]. 刘英莉,尹建成,姜瑛,钟毅. 材料科学与工程学报. 2016(02)
[10]基于Sellars-Tegart方程和BP神经网络的6016铝合金稳态应力的预测[J]. 张建平,李斌,方芳. 锻压技术. 2016(01)
博士论文
[1]数据软计算建模与优化及其在材料工程中的应用[D]. 夏伯才.重庆大学 2004
硕士论文
[1]基于PCA-AKH-BP神经网络的面域相结合的煤与瓦斯突出预测模型及其应用研究[D]. 王昱舒.太原理工大学 2017
[2]基于BP神经网络和关联规则的智能医疗保险稽核系统研究[D]. 周如意.浙江理工大学 2017
[3]工业4.0的技术经济基础及人文价值研究[D]. 祝鹏.哈尔滨工业大学 2016
[4]一种Ti3Al基合金腐蚀性能的研究[D]. 高洋洋.太原理工大学 2016
[5]发光材料组合试样库自动测试分析系统的研究[D]. 常进.西安电子科技大学 2015
[6]企业技术路线图应用关键影响因素研究[D]. 贾亚维.河北工业大学 2015
[7]基于T-S模型的加热炉炉温建模与控制[D]. 高超.东北大学 2010
[8]BP网络在多元回归分析中的应用[D]. 王世春.合肥工业大学 2003
本文编号：3030081
【文章来源】：陕西科技大学陕西省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
a）生物神经元b）人工神经元Fig.2-1a）Biologicalneuronsb）Modelofartificialneuron
图 2-2 S 型函数曲线图Fig. 2-2 Graph of function Sigmoid看做是一个通用的近似器，难构造出稳定的，高度非线不足、也因参数过多、过少息与输出信息之间存在的关预测曲线，但这种方法还是间互相依赖的关系，可能被主要依赖于概率性和主观性 L. A. Zadeh 发表了《Fuzzy S糊集理论和模糊逻辑是用来[0,1]的模糊逻辑为基础，模作业难题的一种有用途径。
能够根据数据间的映射关系，经过有限次的迭代得型。这个数学模型包含被称作是神经元的单个处理处理单元对加权输入进行求和，然后将一个线性或输出。人工神经网络由于其固有的能力将任何非线注的 BP（Back Propagation）神经网络，或是 BP 神 90%预测模型的选择。BP 神经网络因为应用了能学习问题的 Error Back Propagation 算法，即 BP 算部分，BP 神经网络具有结构简单和可逆性强的优已经成功应用到函数逼近、模式识别等领域，这也多层神经元结构组成的，神经云之间通过连接线互每一层的输出信息都直接送往对应各层的神经元可以有多种选择，但最少需要三层的网络结构才能分配输入模式。一层或多层中间层（隐含层）用于输出层，输出结果模式。如图 4-1 所示为一个 3 层
【参考文献】：
期刊论文
[1]基于BP神经网络的细晶Ti2AlNb基合金粉末球磨工艺研究[J]. 张恒,孙宇,胡连喜. 稀有金属材料与工程. 2017(12)
[2]材料的奇妙特性[J]. 洪唯佳. 中国科技教育. 2017(11)
[3]基于布谷鸟搜索优化BP神经网络的网络安全态势评估方法[J]. 谢丽霞,王志华. 计算机应用. 2017(07)
[4]模糊逻辑中的一些问题与研究进展[J]. 裴道武. 四川师范大学学报(自然科学版). 2017(03)
[5]基于改进粒子群算法的径向基人工神经网络淀粉基发泡复合材料性能预测[J]. 李孟山,吴维,陈炳生,管立新,武燕. 复合材料学报. 2017(12)
[6]基于软计算技术的军用软件可靠性预测模型研究[J]. 孙媛,赵建军,周源. 兵工自动化. 2017(02)
[7]动态模糊RBF神经网络焊接接头力学性能预测建模[J]. 张永志,董俊慧,朱红玲. 航空材料学报. 2016(05)
[8]加快材料基因组工程信息化基础设施的建设[J]. 杨小渝. 科技导报. 2016(08)
[9]BP神经网络模型预测ZnCu2Al10合金的高温变形行为（英文）[J]. 刘英莉,尹建成,姜瑛,钟毅. 材料科学与工程学报. 2016(02)
[10]基于Sellars-Tegart方程和BP神经网络的6016铝合金稳态应力的预测[J]. 张建平,李斌,方芳. 锻压技术. 2016(01)
博士论文
[1]数据软计算建模与优化及其在材料工程中的应用[D]. 夏伯才.重庆大学 2004
硕士论文
[1]基于PCA-AKH-BP神经网络的面域相结合的煤与瓦斯突出预测模型及其应用研究[D]. 王昱舒.太原理工大学 2017
[2]基于BP神经网络和关联规则的智能医疗保险稽核系统研究[D]. 周如意.浙江理工大学 2017
[3]工业4.0的技术经济基础及人文价值研究[D]. 祝鹏.哈尔滨工业大学 2016
[4]一种Ti3Al基合金腐蚀性能的研究[D]. 高洋洋.太原理工大学 2016
[5]发光材料组合试样库自动测试分析系统的研究[D]. 常进.西安电子科技大学 2015
[6]企业技术路线图应用关键影响因素研究[D]. 贾亚维.河北工业大学 2015
[7]基于T-S模型的加热炉炉温建模与控制[D]. 高超.东北大学 2010
[8]BP网络在多元回归分析中的应用[D]. 王世春.合肥工业大学 2003
本文编号：3030081
本文链接：https://www.wllwen.com/kejilunwen/jinshugongy/3030081.html
教材专著
