论文部分内容阅读
目前已有的陶瓷材料研究主要是传统的“trial-error”式的材料研制方式,需要研究者们做大量的反复性的试验工作。针对这一问题,本文提出应用计算智能技术来优化设计陶瓷材料。计算智能又称为“软计算”,是基于数值计算的智能方法,其灵活性、通用性及严密性均明显优于基于知识的人工智能技术。它的最大特点就是:它不需要建立问题本身的精确模型,也不依赖于知识表示,而是直接对输入数据进行处理得出结果。因此,作为一门新兴学科,计算智能的发展拓展了传统的计算模式和智能理论,为材料的智能设计奠定了基础。本文主要介绍了神经网络中的BP神经网络算法,并对其在陶瓷材料设计中的应用进行了分析。简要介绍了MATLAB软件中的神经网络工具箱,总结了神经网络技术的概念、结构、参数选取以及运用工具箱设计网络的原则和过程。利用此方法建立了复相陶瓷材料力学性能与其组分配比之间的非线性映射关系的神经网络模型,结合MATLAB软件的神经网络工具箱开发设计了陶瓷材料的仿真系统,并对Al2O3/SiC/Ti（C,N）复相陶瓷材料进行了实例分析。结果表明,网络模型的预测数据均方误差控制在5%以内,相对误差3%以内。借助MATLAB软件平台,利用逐步回归的方法归纳总结出了材料组分配比与各个性能指标之间的数学表达式。利用遗传算法工具箱得到了每个性能参数指标值达到最优时对应的材料组分配比。硬度最佳值为19.5632GPa,此时,SiC和Ti（C,N）的百分含量分别为13.66%、32.48%;断裂韧性最佳值为5.3162MPa.m1/2 ,SiC和Ti（C,N）的百分含量分别为14.563%、15.225%;抗弯强度最佳值为723.82MPa,SiC和Ti（C,N）的百分含量分别为1.48%、28.15%。最后遗传算法与人工神经网络两种算法相结合优化得出Al2O3/SiC/Ti（C,N）复相陶瓷材料综合性能较好地一组最优组分百分含量的配比,分别为Al2O3含量74% ,SiC含量10% ,Ti（C,N）含量16%。按照此最优配比制备了复相陶瓷模具材料,并进行性能测试。