论文部分内容阅读
目前在陶瓷模具材料设计中采用的方法主要是进行试验,通过得到的试验数据不断修正材料的组分以及制备的工艺,从而得到性能较好的材料,这种方法就需要大量的人力、物力和时间。因此,将先进的计算智能技术用于陶瓷模具材料的优化设计中,设计的效率会得到提高,使用较多的计算智能方法是神经网络和遗传算法,本文将免疫算法用于陶瓷模具材料的优化设计,并将免疫算法和遗传算法以及神经网络结合,优化了陶瓷模具材料的组分和烧结工艺。本文运用免疫算法优化了Ti（C,N）基纳米复合金属陶瓷模具材料的组分,分别用逐步回归分析方法得到的机械性能与材料组分之间的数学函数关系作为免疫算法的目标函数,优化后得到最优的机械性能以及相应的最佳的材料组分。优化结果为Ti（C,N）基纳米复合金属陶瓷模具材料的断裂韧性最优值为7.7 MPa·m1/2,相应的ZrO2和WC的质量百分含量分别为10.67%和20%;硬度的最优值为15.31 GPa,相应的ZrO2和WC的质量百分含量分别为0和15.10%;抗弯强度的最优值为1057.39 MPa,相应的ZrO2和WC的质量百分含量分别为6.75%和11.38%。实现了免疫算法与遗传算法的结合,运用结合的免疫遗传算法优化Ti（C,N）基纳米复合金属陶瓷模具材料的机械性能,优化结果与单一免疫算法的结果相同,但免疫遗传算法的迭代次数减少了,提高了陶瓷模具材料优化设计的效率。运用BP神经网络建立了Ti（C,N）基纳米复合金属陶瓷模具材料烧结工艺与机械性能之间的关系,并进行了预测,预测误差较小,然后将建立的神经网络模型作为免疫遗传算法的目标函数,优化得到机械性能最优时的烧结工艺,优化结果为:断裂韧性的最优值为8.2 MPa·m1/2,对应的烧结温度为1455.5℃,保温时间为12.6min;硬度的最优值为17.3 GPa,对应的烧结温度为1490.7℃,保温时间为24min;抗弯强度的最优值为1097.6 MPa,对应的烧结温度为1454.1℃,保温时间为10.9min。优化结果与实验值间的误差分别为4.65%、0.23%和4.05%。最后用免疫遗传算法结合神经网络的方法优化了Ti（C,N）基纳米复合金属陶瓷模具材料的组分,优化结果为:断裂韧性的最优值为6.93 MPa·m1/2,相对应的ZrO2和WC的质量百分含量分别为12.3%和6.9%;硬度的最优值为15.19 GPa,相对应的ZrO2和WC的质量百分含量分别为13.75%和19.74%;抗弯强度的最优值为924.68 MPa,相对应的ZrO2和WC的质量百分含量分别为7.57%和2.24%。