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%。     

基于改进的BP神经网络的粘结NdFeB永磁体制备工艺优化设计

采用均匀设计实验方案,结合主成分分析方法,建立了制备工艺与磁体性能之间的BPNN预测模型。利用该模型对粘结NdFeB永磁体的制备工艺进行了优化,并研究了单因素以及多因素交互作用与磁体性能之间的关系。结果表明该模型预测精度较高,对Br、Hcj及(BH)m的预测相对误差最大值分别为1.85%、1.28%和1.47%。     

基于GA-BP改进算法的Zr-4合金高温本构关系模型建立

目的针对传统锻造工艺进行优化设计,提升产品质量和生产效率。方法通过试验和模拟相结合的方法,建立能够真实反映锆合金高温变形特性的本构关系模型。利用Gleeble-3800热模拟机,对Zr-4合金的圆柱试样进行等温压缩变形试验,以不同变形条件(变形温度为700~1000℃,应变速率为0.001~0.1 s~(-1))下获得的应力-应变数据为基础,分别基于普通BP网络方法和遗传算法(GA)改进BP网络(GA-BP)方法建立了该合金的高温本构关系模型,对比两种模型的预测结果差异。结果改进的GA-BP模型预测误差在±2%以内,而普通BP模型的误差范围为±6%。结论改进模型具有更高的预测精度和稳定性,能够更加真实地描述Zr-4合金在高温变形时各热力学参数之间高度非线性的复杂关系,从而也为本构关系模型的建立提供一种十分准确有效的方法。     

杂质元素（C，Si）对Zr-4合金板材试样微观结构及腐蚀性能的影响

在ASTM范围内,利用板材试样研究了不同杂质元素C、Si含量对Zr-4合金微观结构及耐腐蚀性能的影响。结果显示：降低C含量、提高Si含量,对于Zr-4合金样品400℃均匀腐蚀性能有利。微观检测表明：杂质C易于在基体表面以Zr-C形式富集,其含量高低主要通过影响第二相粒子的析出能力影响腐蚀性能。含量越低,淬火时坯料越易于形成平行板条组织,含量越高越趋向于形成网篮组织,而第二相粒子更易于沿板条组织晶界析出。淬火温度低于1200℃时,Si含量高低对于坯料形成平行板条组织无明显影响。同时,3DAP分析显示,Si易于在第二相粒子周围以SiO2形式偏聚,这对于第二相粒子可起到阻碍或延缓其被氧化的作用,从而改善了锆合金的耐腐蚀性能。     

微量镍元素添加对Zr-4合金微观结构、耐腐蚀性能及吸氢行为的影响

将微量镍元素合金化添加到Zr-4合金中,制备了合金板材试样。利用板材试样研究了微量镍元素的添加对Zr-4合金微观结构、耐腐蚀及吸氢性能的影响。结果表明,将镍元素含量由海绵锆原料中的0.001%（质量分数）以下添加至0.005%,可大幅提升其400 ℃蒸汽下耐腐蚀性能,同时对吸氢性能没有明显影响。微量镍元素的添加,不仅使Zr(Fe, Ni)₂结构的第二相粒子明显增加,同时还促进了硅在第二相粒子周围的偏聚,这可以阻止或延缓细小第二相粒子被氧化的进程。进一步采用相同合金成分制备的锆管（Φ63.5 mm×10.92 mm）,也呈现出了优异的耐疖状腐蚀和耐均匀腐蚀性能。     

二氧化硅气凝胶的研究进展

探究了二氧化硅气凝胶的成型机理和制备方法的差异对气凝胶性能的影响,阐明现阶段二氧化硅气凝胶高温条件下结构坍塌、性能衰减的原因及其在吸附、建筑保温等领域的应用效果。