基于Bayesian正规化BP神经网络的粘结NdFeB永磁体性能预测

基于MATLAB平台和现有的少量实验数据,采用Bayesian正规化法,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP(Back Propagation)神经网络预测模型,并通过测试样本检验了ANN(Artificial Neural Network)模型的准确性.实验表明,建立的Bayesian正规化BP神经网络模型不仅能准确地拟合训练值,而且能很好地预测未知样本,将该模型应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值.     

基于数值模拟的大型Zr-4合金铸锭锻造工艺优化

锻造工艺设计是核级锆合金制造的难点之一,也是获得高质量产品的关键。针对大型Zr-4合金铸锭加工,运用Simufact-forming软件对锻造过程进行数值仿真,对比模拟和实际锻造棒料表面的温度结果,结合锻后金相组织显微观察,分析了不同加工温度对最终锻坯微观组织的影响规律。结果表明:与传统的β相区锻造工艺获得的组织相比,优化后低温高α相区锻造工艺下的锻坯内、中、外晶粒尺寸明显细小;锻造数值模拟结果和实际锻造试验结果基本吻合,对锻前的工艺设计和锻造组织的形成机理,有限元数值模拟技术均能起到很好的辅助分析作用,表现出较高的工程应用价值。     

径向压扁变形对Zr-4合金管材氢化物取向的影响

通过对规格为Φ10 mm×0.7 mm的Zr-4合金管材施加径向单次及多次压扁变形试验,研究压扁量和压扁次数对氢化物取向的影响。研究表明,压扁量大小对氢化物取向有明显影响,当压扁量≤0.3 mm时,氢化物取向基本不发生改变;当压扁量0.3 mm时,随着压扁量的增大氢化物取向因子明显增大,这主要是由于该区域内形成的拉应力导致氢化物产生了应力再取向析出效应。压扁次数对氢化物取向的影响较小,随着压扁次数的增加,在大压扁量下氢化物取向因子略有增加,而压扁量较小时(0.3 mm)不发生改变。     

基于BP神经网络的粘结NdFeB永磁体性能预测

本文基于MATLAB平台和现有的少量实验数据,利用神经网络的非线性映射和泛化能力,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP神经网络模型,并通过检验样本检验了ANN模型的准确性。实验表明：将神经网络技术应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值。     

Enhanced magnetic properties in Nd-Fe-B magnets prepared by spark plasma sintering via die-upsetting process

The magnetic properties and microstructure of Nd-Fe-B magnets prepared by spark plasma sintering with different die-upsetting processes were investigated. The results showed that the optimum magnetic properties of die-upset Nd-Fe-B magnets were obtained at 680 ℃ when the die-upset level was 60%, and the degree of magnetic alignment was 0.84. The microstructures showed that the coarse grains oc-curred predominantly within certain areas, and abnormal grain growth was not observed within the major areas of wel...     

基于均匀设计和主成分分析的粘结NdFeB永磁体制备工艺优化研究

基于牯结NdFeB永磁体制备工艺优化实验,针对普通反向传播神经网络(BPNN)方法在预报建模中普遍存在"过拟合"和泛化能力差的问题,从优化实验方案、减少输入层节点数两个角度,结合均匀设计软件和主成分分析方法,提高训练样本的分布均匀性、"主动"改善网络结构,建立了一个粘结NdFeB永磁体制备工艺优化的2-5-3型BPNN预测模型.研究结果表明,改进的BP神经网络模型对BrHcj及(BH)m预测的相对误差的最大值分别为1.83%,1.28%和1.53%,较之传统的模型,泛化能力显著提高,网络预测也比较稳定,具有很好的实用性.     

基于有限元和烟花算法改进BP网络的核用锆合金管材轧制损伤预测

锆合金包壳产品是核反应堆的第一道安全屏障,特殊的使用环境决定了其加工质量的重要性。如何合理、快捷地评估锆合金管材轧制过程的缺陷损伤和疲劳寿命,是其作为核结构材料应用中必须解决的问题。常规的有限元数值分析方法(FEA),存在着建模过程复杂、计算周期长且计算量巨大等问题。有鉴于此,本工作提出了有限元仿真和机器学习复合应用技术(FEA-ML),即在首先构建锆管轧制有限元模型的基础上,通过提取模型中的剪应力图谱,结合裂纹形貌观察和疲劳试验,拟合得到管材疲劳寿命解析公式;继而借助机器学习算法,利用有限元分析获得的少量数据样本,训练建立不同工艺因素下的管材疲劳寿命预测模型。结果表明,新型FEA-ML预测模型,分析速度快、预测精度高,能够很好地克服传统FEA模型计算过慢的问题;同时,影响管材疲劳寿命的最关键因素是材料的流变应力,孔型设计次之,而轧制车速和管坯送进速度的可控工艺窗口较宽、影响较为平缓。     

不同粘结剂对粘结NdFeB磁体磁性能和抗压强度的影响

本文采用三种不同环氧值的粘结剂制备了NdFeB粘结磁体,研究了粘结剂环氧值影响磁体磁性能及抗压强度的规律及其机理.实验结果表明,在优化的固化工艺条件下,采用环氧值适中的环氧树脂制备的磁体,具有较好的磁性能和抗压强度.     

感应热压/热变形钕铁硼磁体形变均匀性及微观结构

采用热压/热变形法制备不同形变量的各向异性NdFeB磁体,通过对比分析磁体不同区域的微观结构及取向情况,研究了磁体的形变均匀性。结果表明,随着变形量增加,磁体径向(垂直模压方向)表面和中心磁性能差异及轴向(平行模压方向)上下磁性能差异均是先减小后增大。变形量为63%时,磁体已较为均匀,此时磁体内外的剩磁、矫顽力和磁能积差异分别为1.4%、7.9%和2.3%;上下的剩磁、矫顽力和磁能积差异分别为1.4%、14.2%和2.6%。变形量过大或过小均不利于获得均匀性好的磁体。     

用Bayesian正则化BP神经网络预测稀土永磁体性能

针对一般BP神经网络泛化能力差,在Bayesian正则化BP神经网络的基础上,运用加权检验、"表决网"等方法的思路训练网络,并通过主成分分析方法对输入数据进行降维,建立了磁粉制备工艺(淬速度和晶化退火温度)、合金成分与磁性能之间的BPNN(back propagation network)预测模型。结果表明:该模型泛化能力较高,预测的Br相对误差在2%左右、Hcj和(BH)max都在5%以内,且每次预测的相对误差平均值波动不超过1%。