基于正交试验和BP神经网络的Ti(C,N)基金属陶瓷成分及性能研究

本文针对真空烧结气氛下制备的Ti(C,N)基金属陶瓷,借助正交试验方法探究了黏结金属Co+Ni含量及Co/Ni比例、钨钼碳化物添加量及WC/Mo₂C比例、Ti(C,N)含量和钛钨固溶体添加比例等因素对金属陶瓷性能的影响。通过极差分析法确定了各因素对金属陶瓷性能的影响权重。研究表明黏结金属Co+Ni含量是影响金属陶瓷硬度的最主要因素,其次是黏结金属Co/Ni比例和钨钼碳化物添加量。黏结金属Co+Ni含量也是影响金属陶瓷断裂韧性的最主要因素。随后以正交试验的数据建立了BP神经网络预测模型,结合补充试验和模型修正获得了最优试验硬度HRA为91.6、断裂韧性K_IC为10.03 MPa·m^1/2,预测了Ti(C,N)基金属陶瓷最优成分组合下的HRA-K_IC(MPa·m^1/2)函数关系为：HRA=-0.71K_IC+98.5,同时还获得了在最佳硬度-断裂韧性组合下Ti(C,N)基金属陶瓷黏结金属Co+Ni含量、Co/Ni比例、钨钼碳化物添加量和WC/Mo₂     

基于BP神经网络双对数算法的刀具磨损分析及寿命预测研究

针对刀具磨损状态和寿命预测受刀具材质、切削参数及加工材料等影响使得测试复杂且难以准确预测的问题,建立基于BP神经网络结合双对数算法的刀具磨损分析与寿命预测模型。用交叉验证法改变切削参数,对前后刀面的失效分析可知主要以后刀面磨损为主。将切削过程中的刀片后刀面磨损值VB与时间T双对数化发现：在一定范围内,改变单个切削参数,只有后刀面的初始磨损量发生变化;改变多个切削参数,后刀面的初始磨损量和磨损速率都发生变化。根据耐用时间T双对数变换后结合BP神经网络进行仿真,结果显示偏离值降低至0.1,偏离度降低至0.2%,证明BP神经网络结合双对数变换算法在一致性与试验结果的符合度都高于单纯采用BP神经网络作为预测算法的计算结果,能更好的预测刀具寿命。