论文部分内容阅读
随着航空航天等高科技领域的发展,对所用材料的性能要求越来越高,在高温结构材料中,Ti2AlC/TiAl复合材料由于其密度低,比强度、比刚度高,且在高温下保持较高的强度和刚度,是很有前景的高温结构材料。Ti-Al合金在航空发动机和火箭推进系统采用的新一代高温结构材料中成为极具吸引力的候选材料之一。随着我国提出了节能减排的目标和要求,降低能耗在科学实验中也显得尤为重要。人工神经网络是一门新兴的研究方法,它被认为是可以解决材料设计或性能预测的最有希望的方法之一,并且人工神经网络可以节约成本,避免过多的试验,能够节省大量的人力物力。本课题组前期采用热爆反应合成法制备了TiAl及TiAl（Nb、B）金属间化合物粉末,利用放电等离子烧结技术（SPS）,原位制备了Ti2AlC/TiAl和Ti2AlC/TiAl（Nb、B）复合材料。在此基础上,设计了两种热处理工艺:多步热处理和快速升温热处理,详细研究了两种热处理工艺对Ti2AlC/TiAl复合材料力学性能（显微硬度,弯曲强度）的影响。本文采用MATLAB软件中的神经网络工具箱对Ti2AlC/TiAl（Nb、B）复合材料进行预测及优化。MATLAB语言不同于其他高级语言的特点,被称为第四代计算机语言,MATLAB语言由于简单快捷,使人们从繁琐的代码中解放出来。BP神经网络是工艺优化的一种有效方法,既达到优化Ti2AlC/TiAl复合材料工艺的目的,又节约研究成本,且能提高研究效率。在分析BP网络算法、非线性映射能力、泛化能力、存在问题基础上,探讨了BP网络对Ti2AlC/TiAl复合材料性能的适用性。在制备Ti2AlC/TiAl复合材料时,借助正交试验对复合材料性能的各影响因素进行分析、快速找出对复合材料性能影响最大的因素。该方法不仅可以预测Ti2AlC/TiAl（Nb、B）复合材料的力学性能,而且可以对复合材料的工艺进行优化。通过对Ti2AlC/TiAl复合材料制备及热处理工艺进行分析研究,利用模拟试验,理论机理分析,建立模型和BP神经网络相结合的方法,对Ti2AlC/TiAl（Nb、B）复合材料的力学性能进行预测,结果表明BP模型预测出的结果与实验结果相比误差较小。由于当给BP神经网络模型输入的样本是其在学习过程中未曾“见过”的样本时,神经网络可以给出正确的输出,并且泛化精度在生产工艺允许范围内。所以,预测模型仿真试验代替真实的试验、预测模型仿真值代替真正的试验结果是可行的。再次进行实验时可以利用BP神经网络模型更好的指导实验。人工神经网络在进行预测时是使用的试验数据,因此,它的预测结果并不依赖于Ti2AlC/TiAl复合材料的数学模型。在使用神经网络时所需的试验少,能够缩短研究周期、节省大量研究经费。通过利用BP神经网络,可以得出一套预测Ti2AlC/TiAl（Nb、B）复合材料的力学性能模型,对生产实践具有指导意义。