TiAl合金因具有高硬度等優(yōu)良性能成為研究熱點(diǎn),顯微硬度作為衡量TiAl合金軟硬程度的判據(jù)之一,建立顯微硬度預(yù)測(cè)模型,通過(guò)模型化方法,指導(dǎo)實(shí)驗(yàn)進(jìn)行,減少試驗(yàn)次數(shù),降低成本。但由于影響因素多且關(guān)系復(fù)雜,難以通過(guò)傳統(tǒng)的方式建立預(yù)測(cè)模型,且多數(shù)預(yù)報(bào)工作中也未考慮模糊性和數(shù)據(jù)非均勻性特征。因此,預(yù)測(cè)研究工作仍存在不足。本文以TiAl合金的顯微硬度實(shí)驗(yàn)數(shù)據(jù)為研究對(duì)象,以軟計(jì)算技術(shù)中的神經(jīng)網(wǎng)絡(luò)為研究基礎(chǔ),建立BP神經(jīng)網(wǎng)絡(luò)顯微硬度預(yù)測(cè)模型。并從模糊性和技術(shù)路線兩方面對(duì)預(yù)測(cè)模型進(jìn)一步優(yōu)化,最后考慮樣本非均勻性特征建立預(yù)測(cè)模型,以提高預(yù)測(cè)模型的性能,降低預(yù)測(cè)誤差。論文主要研究?jī)?nèi)容如下:（1）選擇合適的指標(biāo)參與預(yù)測(cè)模型的建立和數(shù)據(jù)預(yù)處理。參數(shù)選擇從外因和內(nèi)因兩方面考慮,外因選擇TiC（wt%）、制備溫度T和B（wt%）。內(nèi)因則包括非線性、模糊性和非均勻性特征。在篩選、剔除無(wú)效數(shù)據(jù)后,保留165條數(shù)據(jù)。為減小樣本量綱相差過(guò)大造成的預(yù)測(cè)誤差,采用mapminmax函數(shù)進(jìn)行歸一化處理。（2）建立基于BP神經(jīng)網(wǎng)絡(luò)的TiAl合金顯微硬度預(yù)測(cè)模型。首先,確定預(yù)測(cè)模型輸入節(jié)點(diǎn)為3,輸出節(jié)點(diǎn)為1。根據(jù)經(jīng)驗(yàn)公式計(jì)算BP神經(jīng)... 

【文章來(lái)源】：陜西科技大學(xué)陜西省

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

a）生物神經(jīng)元b）人工神經(jīng)元Fig.2-1a）Biologicalneuronsb）Modelofartificialneuron

圖 2-2 S 型函數(shù)曲線圖Fig. 2-2 Graph of function Sigmoid看做是一個(gè)通用的近似器，難構(gòu)造出穩(wěn)定的，高度非線不足、也因參數(shù)過(guò)多、過(guò)少息與輸出信息之間存在的關(guān)預(yù)測(cè)曲線，但這種方法還是間互相依賴的關(guān)系，可能被主要依賴于概率性和主觀性 L. A. Zadeh 發(fā)表了《Fuzzy S糊集理論和模糊邏輯是用來(lái)[0,1]的模糊邏輯為基礎(chǔ)，模作業(yè)難題的一種有用途徑。

能夠根據(jù)數(shù)據(jù)間的映射關(guān)系，經(jīng)過(guò)有限次的迭代得型。這個(gè)數(shù)學(xué)模型包含被稱(chēng)作是神經(jīng)元的單個(gè)處理處理單元對(duì)加權(quán)輸入進(jìn)行求和，然后將一個(gè)線性或輸出。人工神經(jīng)網(wǎng)絡(luò)由于其固有的能力將任何非線注的 BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)，或是 BP 神 90%預(yù)測(cè)模型的選擇。BP 神經(jīng)網(wǎng)絡(luò)因?yàn)閼?yīng)用了能學(xué)習(xí)問(wèn)題的 Error Back Propagation 算法，即 BP 算部分，BP 神經(jīng)網(wǎng)絡(luò)具有結(jié)構(gòu)簡(jiǎn)單和可逆性強(qiáng)的優(yōu)已經(jīng)成功應(yīng)用到函數(shù)逼近、模式識(shí)別等領(lǐng)域，這也多層神經(jīng)元結(jié)構(gòu)組成的，神經(jīng)云之間通過(guò)連接線互每一層的輸出信息都直接送往對(duì)應(yīng)各層的神經(jīng)元可以有多種選擇，但最少需要三層的網(wǎng)絡(luò)結(jié)構(gòu)才能分配輸入模式。一層或多層中間層（隱含層）用于輸出層，輸出結(jié)果模式。如圖 4-1 所示為一個(gè) 3 層

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的細(xì)晶Ti2AlNb基合金粉末球磨工藝研究[J]. 張恒,孫宇,胡連喜.  稀有金屬材料與工程. 2017(12)
[2]材料的奇妙特性[J]. 洪唯佳.  中國(guó)科技教育. 2017(11)
[3]基于布谷鳥(niǎo)搜索優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估方法[J]. 謝麗霞,王志華.  計(jì)算機(jī)應(yīng)用. 2017(07)
[4]模糊邏輯中的一些問(wèn)題與研究進(jìn)展[J]. 裴道武.  四川師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[5]基于改進(jìn)粒子群算法的徑向基人工神經(jīng)網(wǎng)絡(luò)淀粉基發(fā)泡復(fù)合材料性能預(yù)測(cè)[J]. 李孟山,吳維,陳炳生,管立新,武燕.  復(fù)合材料學(xué)報(bào). 2017(12)
[6]基于軟計(jì)算技術(shù)的軍用軟件可靠性預(yù)測(cè)模型研究[J]. 孫媛,趙建軍,周源.  兵工自動(dòng)化. 2017(02)
[7]動(dòng)態(tài)模糊RBF神經(jīng)網(wǎng)絡(luò)焊接接頭力學(xué)性能預(yù)測(cè)建模[J]. 張永志,董俊慧,朱紅玲.  航空材料學(xué)報(bào). 2016(05)
[8]加快材料基因組工程信息化基礎(chǔ)設(shè)施的建設(shè)[J]. 楊小渝.  科技導(dǎo)報(bào). 2016(08)
[9]BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)ZnCu2Al10合金的高溫變形行為（英文）[J]. 劉英莉,尹建成,姜瑛,鐘毅.  材料科學(xué)與工程學(xué)報(bào). 2016(02)
[10]基于Sellars-Tegart方程和BP神經(jīng)網(wǎng)絡(luò)的6016鋁合金穩(wěn)態(tài)應(yīng)力的預(yù)測(cè)[J]. 張建平,李斌,方芳.  鍛壓技術(shù). 2016(01)

博士論文
[1]數(shù)據(jù)軟計(jì)算建模與優(yōu)化及其在材料工程中的應(yīng)用[D]. 夏伯才.重慶大學(xué) 2004

碩士論文
[1]基于PCA-AKH-BP神經(jīng)網(wǎng)絡(luò)的面域相結(jié)合的煤與瓦斯突出預(yù)測(cè)模型及其應(yīng)用研究[D]. 王昱舒.太原理工大學(xué) 2017
[2]基于BP神經(jīng)網(wǎng)絡(luò)和關(guān)聯(lián)規(guī)則的智能醫(yī)療保險(xiǎn)稽核系統(tǒng)研究[D]. 周如意.浙江理工大學(xué) 2017
[3]工業(yè)4.0的技術(shù)經(jīng)濟(jì)基礎(chǔ)及人文價(jià)值研究[D]. 祝鵬.哈爾濱工業(yè)大學(xué) 2016
[4]一種Ti3Al基合金腐蝕性能的研究[D]. 高洋洋.太原理工大學(xué) 2016
[5]發(fā)光材料組合試樣庫(kù)自動(dòng)測(cè)試分析系統(tǒng)的研究[D]. 常進(jìn).西安電子科技大學(xué) 2015
[6]企業(yè)技術(shù)路線圖應(yīng)用關(guān)鍵影響因素研究[D]. 賈亞維.河北工業(yè)大學(xué) 2015
[7]基于T-S模型的加熱爐爐溫建模與控制[D]. 高超.東北大學(xué) 2010
[8]BP網(wǎng)絡(luò)在多元回歸分析中的應(yīng)用[D]. 王世春.合肥工業(yè)大學(xué) 2003



本文編號(hào)：3030081