软计算技术在TiAl合金显微矹度的预测研究

《软计算技术在TiAl合金显微矹度的预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文分类号：２学校代码：丨０７０８学号：１５０６０４６＿淡蚤＃铉ＡｆＳＨＡＡＮＸＩＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹ硕士学位论文ＴｈｅｓｉｓｆｏｒＭａｓｔｅｒｓＤｅｇｒｅｅ软计算技术在ＴｉＡｌ合金显微硬度的预测研究１１霧＿Ｉ指导教师姓名：杨云教授｜学科名称：软件Ｉ程纖娜麗年３月论文答辩眺２０１８年５月：１Ｉ丨｜｜学位授予单位：陕西科技大Ｉ■＾Ｊ｜ＩＩｍｍｍ■■ＴｉｎｍＭｍｍｍｍｍｍ申请工学硕士学位论文论文题目：软计

2、算技术在TiAl合金显微硬度的预测研究学科门类：工学一级学科：软件工程培养单位：电气与信息工程学院硕士生：秦一梅导师：杨云教授2018年5月PREDICTIONONMICRO-HARDNESSOFTiAlALLOYBASEDONSOFTCOMPUTINGAThesisSubmittedtoShaanxiUniversityofScienceandTechnologyinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringScienceByYimeiQinSupe

3、rvisor:Prof.YunYangMay2018软计算技术在TiAl合金显微硬度的预测研究摘要TiAl合金因具有高硬度等优良性能成为研究热点，显微硬度作为衡量TiAl合金软硬程度的判据之一，建立显微硬度预测模型，通过模型化方法，指导实验进行，减少试验次数，降低成本。但由于影响因素多且关系复杂，难以通过传统的方式建立预测模型，且多数预报工作中也未考虑模糊性和数据非均匀性特征。因此，预测研究工作仍存在不足。本文以TiAl合金的显微硬度实验数据为研究对象，以软计算技术中的神经网络为研究基础，建立BP神经网络显微硬度预测模型。并从模糊性和技术路线两

4、方面对预测模型进一步优化，最后考虑样本非均匀性特征建立预测模型，以提高预测模型的性能，降低预测误差。论文主要研究内容如下：（1）选择合适的指标参与预测模型的建立和数据预处理。参数选择从外因和内因两方面考虑，外因选择TiC（wt%）、制备温度T和B（wt%）。内因则包括非线性、模糊性和非均匀性特征。在筛选、剔除无效数据后，保留165条数据。为减小样本量纲相差过大造成的预测误差，采用mapminmax函数进行归一化处理。（2）建立基于BP神经网络的TiAl合金显微硬度预测模型。首先，确定预测模型输入节点为3，输出节点为1。根据经验公式计算BP神经网

5、络中隐含层节点数的取值范围，在MATLAB软件平台上编写预测程序，经多次试验，确定BP神经网络的网络结构为3-7-1。计算预测结果的平均绝对值和均方差来评价预测模型。（3）对BP神经网络的预测模型进行优化。一方面，考虑数据样本的模糊特征，另一方面，通过优化BP神经网络参数来提高网络预测能力，选择T-S模糊模型和遗传算法对BP神经网络进行优化以减小预测误差。分析比较T-S模糊神经网络、遗传算法优化BP神经网络预测模型与单一BP神经网络预测模型的预测结果。（4）建立基于模糊聚类的BP神经网络显微硬度预测模型。针对显微硬度数据样本的非均匀性特征，将模

6、糊聚类分析与BP神经网络结合，建立组合预测模型对显微硬度进行预测。通过模糊聚类分析将样本数据分为相似性度较高的若干组数据，将其作为训练样本，根据样本与各聚类之间的相似程度作为测试标准建立预测模型。分析模糊聚类分析理论在显I微硬度预测上的效果。结果表明，BP神经网络预测模型较好描述显微硬度与影响因素间关系，预测模型的均方差为11.92。通过T-S模糊模型和遗传算法优化BP神经网络后，预测模型均方差分别提高1.68%和34.90%。数据样本经过模糊聚类处理后建立的预测模型均方差为4.94，较单一BP神经网络预测模型提高58.56%。优化后的模型尽管

7、不能实现完全预测，但其结果仍具有重要意义。关键词：显微硬度预测，软计算技术，BP神经网络，T-S模糊模型，遗传算法，模糊聚类分析IIPREDICTIONONMICRO-HARDNESSOFTiAlALLOYBASEDONSOFTCOMPUTINGABSTRACTTiAlalloyhasbecomeakindofhotmaterialduetoitshighhardnessandotherexcellentproperties,thepropertiesofmicro-hardnessisoneofthecriteriatomeasuretheh

8、ardnessofTiAlalloy,modelingcanguidetheexperiment,reducethetestfrequencyanda