基于增量型极限学习机的材料力学性能预测

发布时间：2021-04-07 13:28

　　高Co-Ni二次硬化钢是一种多元系合金,其力学性能受材料成分及热处理工艺等条件影响。传统的数学模型很难对材料力学性能进行预测。采用增量型极限学习机（I-ELM）建立高Co-Ni二次硬化钢材料模型,根据模型预测的结果研究微量元素Co和时效温度对高Co-Ni二次硬化钢材料力学性能的影响,并且在多项性能指标方面对高Co-Ni二次硬化钢数据的I-ELM模型与BP神经网络模型进行比较。实验结果表明,在对较少样本数据的模型训练时,高Co-Ni二次硬化钢的I-ELM模型预测结果与实验数据基本吻合,I-ELM模型的拟合精度和训练速度均优于BP神经网络模型,为今后高Co-Ni二次硬化钢的材料研究提供参考。 

【文章来源】：沈阳师范大学学报(自然科学版). 2019,37(03)

【文章页数】：5 页

【图文】：

图３Ｃｏ元素对材料力学性能影响Ｆｉｇ．３ＴｈｅｅｆｆｅｃｔｏｆＣｏｅｌｅｍｅｎｔｏｎｍｅｃｈａｎｉｃａｌｍａｔｅｒｉａｌｓ

３．３Ｉ－ＥＬＭ预测微量元素Ｃｏ时效温度对材料力学性能影响以表１中样本４０数据为基础，通过控制变量分别改变微量元素Ｃｏ含量和时效温度，研究微量元素Ｃｏ和时效温度对材料力学性能的影响。计算结果如图３和图４所示。为便于观察，图中显示韧性，截面收缩率指标为实际值１０倍，延伸率为实际值１００倍。当微量元素Ｃｏ含量由８％逐渐增加时，材料的屈服强度、抗拉强度逐渐增加，而延伸率和韧性会降低；当时效温度由４８０℃逐渐增加，材料的屈服强度、抗拉强度会降低，延伸率和韧性增加。截面收缩率受微量元素Ｃｏ和时效温度变化影响较小。图３Ｃｏ元素对材料力学性能影响Ｆｉｇ．３ＴｈｅｅｆｆｅｃｔｏｆＣｏｅｌｅｍｅｎｔｏｎｍｅｃｈａｎｉｃａｌｍａｔｅｒｉａｌｓ图４时效温度对材料力学性能影响Ｆｉｇ．４Ｔｈｅｅｆｆｅｃｔｏｆａｇｉｎｇｔｅｍｐｅｒａｔｕｒｅｏｎｐｒｏｐｅｒｔｉｅｓｏｆｍｅｃｈａｎｉｃａｌｐｒｏｐｅｒｔｉｅｓｏｆｍａｔｅｒｉａｌｓ理论分析：根据文献［１０］研究，材料中Ｃｏ元素的加入使得铁短程有序，降低了铁自扩散系数；元素Ｃｏ还是一种固溶强化元素，能削减残余奥氏体量，致使的强度性能降低，增添了马氏体量。但铁中Ｃｏ元素含量不应过多，过多会使韧性下降，Ｉ－ＥＬＭ预测结果与文献［１０］结果相符。文献［１１］指出随着时效温度的提高，强度会下降，韧性会提高；时效温度对延伸率及截面收缩率影响较小，这与Ｉ－ＥＬＭ网络的预测

【参考文献】：
期刊论文
[1]基于增量型极限学习机的飞机复合材料结构损伤识别[J]. 崔建国,张善好,于明月,蒋丽英,江秀红.  科学技术与工程. 2018(04)
[2]增量型极限学习机改进算法[J]. 宋绍剑,向伟康,林小峰.  信息与控制. 2016(06)
[3]基于人工神经网络的材料力学性能预测[J]. 张静.  上海电机学院学报. 2006(05)
[4]高Co-Ni二次硬化钢性能预测及多指标优化[J]. 张国英,刘贵立,曾梅光,钱存富.  钢铁. 2000(09)
[5]高Co-Ni二次硬化钢力学性能研究[J]. 刘贵立,张国英.  材料科学与工程. 2000(01)
[6]用人工神经网络模型研究微量元素对钢力学性能的影响[J]. 刘贵立,张国英,曾梅光.  钢铁研究. 2000(01)

博士论文
[1]基于极限学习机的聚变堆结构材料力学性能预测方法及其应用研究[D]. 沈龙凤.中国科学技术大学 2016



本文编号：3123577