用人工神經(jīng)網(wǎng)絡(luò)模型研究微量元素對鋼力學(xué)性能的影響

1、用人工神經(jīng)網(wǎng)絡(luò)模型研究微量元素對鋼力學(xué)性能的影響劉貴立張國英曾梅光摘要：在實驗數(shù)據(jù)的基礎(chǔ)上,用人工神經(jīng)網(wǎng)絡(luò)建立高Co-Ni二次硬化鋼的力學(xué)性能預(yù)測模型,根據(jù)網(wǎng)絡(luò)的預(yù)測結(jié)果討論了微量元素Nb、Ti對鋼力學(xué)性能的影響,結(jié)果證明網(wǎng)絡(luò)的預(yù)測同實驗基本一致?？梢娙斯ど窠?jīng)網(wǎng)絡(luò)在材料設(shè)計方面有廣闊的應(yīng)用前景,它為高性能材料設(shè)計提供了新的手段。關(guān)鍵詞：二次硬化鋼人工神經(jīng)網(wǎng)絡(luò)材料力學(xué)性能微量元素STUDIES ON EFFECTS OF TRACE ELEMENTS ON MECHANICAL PROPERTIES OF STEEL BY ARTIFICIAL NERVE NETWORK MODELLiu Gu

2、iliZhang Guoying(Shenyang Polytechnical University)Zeng Meiguang(Northeastern University)Abstract：A mechanical property prediction model for high Co-Ni Secondary hardened steel is built upon the experimental data with the aid of artificial nerve network and effects of trace elements Nb and Ti on the

3、 mechanical properties of steel are discussed upon the predicted results.Final results show that the value predicted by the network conforms to the experimental result. It is obvious that the artificial nerve network has opened up a broad prospect for material design and provided a reliable means fo

4、r high property material design.Keywords：secondary hardened steelartificial nerve networkmechanical property for material trace element1前言人工神經(jīng)網(wǎng)絡(luò)是近年發(fā)展起來的模擬人腦生物過程的具有人工智能的系統(tǒng)3,目前在材料設(shè)計方面的應(yīng)用已取得了一定的進(jìn)展4。它無需人們預(yù)先給定公式的形式,而是以實驗數(shù)據(jù)為基礎(chǔ),經(jīng)過有限次迭代計算而獲得的一個反映實驗數(shù)據(jù)內(nèi)在規(guī)律的數(shù)學(xué)模型,因此它具有特別適合于研究復(fù)雜非線性系統(tǒng)的特性。本文在實驗的基礎(chǔ)上,采用人工神經(jīng)網(wǎng)絡(luò)建立模型,對微

5、量元素Nb、Ti對高Co-Ni二次硬化鋼的力學(xué)性能的影響進(jìn)行了研究,討論了微量元素在形成夾雜物、提高鋼的強(qiáng)韌性方面的作用,進(jìn)而為研究高性能鋼材、合理使用合金元素、盡量降低實驗成本，提供了有效的手段。2人工神經(jīng)網(wǎng)絡(luò)建立模型本文采用反向傳播算法(BP)建立新模型5。網(wǎng)絡(luò)結(jié)構(gòu)為9×14×4,其中網(wǎng)絡(luò)的9個輸入是高Co-Ni二次硬化鋼的合金成分及淬火、時效溫度,分別用Z1至Z9表示；4個輸出分別是屈服強(qiáng)度0.2(MPa)、抗拉強(qiáng)度b(MPa)、斷裂韌性Kic(MPam1/2)、延伸率(%),用O1至O4表示;中間隱層上的14個神經(jīng)元輸出為Yj。Yj=f(netj)(1)(2)Ok=

6、f(netk)(3)(4)f(x)=1-exp(-x)/1+exp(x)(5)圖1BP網(wǎng)絡(luò)結(jié)構(gòu)這里netj、netk分別為隱層第j人神經(jīng)元和輸出層第k個神經(jīng)元的輸入,Vji和Wjk分別表示輸入層與隱層以及隱層與輸出層之間的權(quán)值。訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)就是通過調(diào)整權(quán)值以實現(xiàn)對復(fù)雜非線性對象的建模和估計,訓(xùn)練網(wǎng)絡(luò)的指標(biāo)函數(shù)取為:(6)式中Dnk表示第n個學(xué)習(xí)樣本的第k個分量,通常稱之為導(dǎo)師信號Onk表示相應(yīng)網(wǎng)絡(luò)的實際輸出值P 為訓(xùn)練樣本數(shù)網(wǎng)絡(luò)學(xué)習(xí)算法采用文獻(xiàn)4給出的方法,即第t+1次迭代權(quán)的修正為:Wjk(t+1)=Wjk(t)+kYj+Wjk(t)-Wjk(t-1)(7)Vji(t+1)=Vji(t)

7、+jZi+Vji(t)-Vji(t-1)(8)式中 學(xué)習(xí)率 動量項系數(shù),k、j學(xué)習(xí)信號,其表達(dá)式為:k=(Dk-Ok)f(netk)(9)(10)訓(xùn)練網(wǎng)絡(luò)的樣本取自北京鋼鐵研究總院的實驗數(shù)據(jù)及部分國同外有關(guān)資料共41個,其中39個用于訓(xùn)練網(wǎng)絡(luò),2個用于檢驗網(wǎng)絡(luò)的預(yù)測能力。為保證收斂,我們首先對樣本數(shù)據(jù)進(jìn)行歸一化處理,使所有數(shù)據(jù)在01之間的網(wǎng)絡(luò)空間變化。具體做法是:令某組數(shù)據(jù)中最大值為b,最小值為a,則歸一化前該組數(shù)據(jù)中的數(shù)據(jù)X在歸一化后的值為:c=(X-a)/(b-a)顯然,網(wǎng)絡(luò)的輸出結(jié)果可經(jīng)過反歸一化后獲得其在原物理空間的數(shù)值:X=a+c×(b-a)由于輸入輸出單元較多,在訓(xùn)練網(wǎng)絡(luò)

8、過程中,為了加快收斂,我們采用了變步長的方法。初始學(xué)習(xí)率=0.6,動量項系數(shù)=0.5,當(dāng)網(wǎng)絡(luò)訓(xùn)練過程出現(xiàn)動蕩時減小學(xué)習(xí)率和動量項系數(shù):=0.9=0.8經(jīng)變步長訓(xùn)練15 000次,系統(tǒng)學(xué)習(xí)誤差E=0. 000 535,結(jié)果見表1。為減少篇幅,文中僅列10個訓(xùn)練樣本及2個(帶*)檢測樣本?？梢娋W(wǎng)絡(luò)輸出與實驗結(jié)果非常接近,這表明我們已經(jīng)正確建立了網(wǎng)絡(luò)的輸入輸出關(guān)系。下面將以此網(wǎng)絡(luò)為基礎(chǔ)來研究材料的力學(xué)性能與微量元素Nb、Ti之間的關(guān)系。表1網(wǎng)絡(luò)部分訓(xùn)練及檢測結(jié)果合金元素/%溫度/實驗值網(wǎng)絡(luò)輸出值CNiCoCrMoNbTi時效淬火0.2bkic0.2bkic0.1711.3615.372.001.60

9、0.0000.0094808401852202979.712.51853202979.312.50.1611.1915.462.511.650.0000.01149584017721842119.411.317621839118.011.50.209.4715.520.742.090.00.0124808401824198751.18.91827198450.28.90.169.7713.752.011.10.000.0134808301674190586.213.11664191284.913.10.229.788.202.351.410.0340.002551084016441765103

10、.014.716391758101.614.70.279.489.601.950.990.0290.04749084016501830105.013.016471826104.313.00.249.689.941.981.080.0230.0248588016301800151.014.016221780157.613.7*0.279.489.601.950.990.0290.04750084016501800116.013.016451803115.513.00.229.587.742.041.070.0330.01251084014691582177.716.414651591178.21

11、6.40.169.7713.752.011.10.00.01349583016241797113.414.116381781113.814.00.279.489.601.950.990.0290.04751084016401770126.012.016501781126.912.2*0.229.529.882.31.20.0230.00014808401726193391.814.71698196591.914.9*3結(jié)果分析以表1中帶*的訓(xùn)練樣本為基礎(chǔ),利用訓(xùn)練好的網(wǎng)絡(luò),通過改變某個合金元素含量研究該元素對材料力學(xué)性能的影響,計算結(jié)果見圖2及圖3。其中斷裂韌性和延伸率的實際數(shù)值分別是縱坐標(biāo)對

12、應(yīng)值×10-1和10-2。圖2材料力學(xué)性能隨Nb的變化規(guī)律1.屈服強(qiáng)度3.斷裂韌性2.拉伸強(qiáng)度4.延伸率圖3材料力學(xué)性能隨Ti的變化規(guī)律從圖2和圖3反映的屈服強(qiáng)度及抗拉強(qiáng)度隨元素含量變化的規(guī)律,我們可以看出微量元素Nb和Ni對鋼的強(qiáng)度影響較小,強(qiáng)度在非常窄的范圍內(nèi)變化。并且Nb和Ti對強(qiáng)度的影響相反,當(dāng)含量小于0.02%時,Nb含量增加,強(qiáng)度上升,而此時Ti含量增加，強(qiáng)度反而下降;微量元素含量大于0.02%以后,隨Nb的增加鋼的強(qiáng)度下降,隨Ti的增加強(qiáng)度上升,因此,同時增減Nb、Ti,它們對鋼強(qiáng)度的影響將相互抵消。鋼中加入微量元素的主要作用是提高韌性。微量元素Nb、Ti在鋼中可與C、S等元素形成夾雜物TiC和NbC及Ti2CS,它們對鋼的韌性起了主導(dǎo)作用。這是由于Ti2CS彌散細(xì)粒的質(zhì)點與基體有較強(qiáng)的結(jié)合力,提高了空穴的形核阻力;另一方面通過Nb、Ti的復(fù)合加入對夾雜物進(jìn)行控制和鍛造工藝的控制,可以獲得很細(xì)的奧氏體晶粒,使馬氏體板條束的尺寸相應(yīng)減小,從而使鋼的韌性顯著提高。我們從圖2和圖3可以看出,當(dāng)微量元素超過0.22%后,繼續(xù)增加Nb曲線3變得平坦,而增加Ti,鋼的韌性開始急劇下降。這是因為過量的微量元素使得夾雜物數(shù)量增加,尺寸增大,并且產(chǎn)生了部分TiC導(dǎo)致鋼的韌性降低。所以,鋼中加入微量元素應(yīng)