稀有金属材料与工程样稿

《稀有金属材料与工程样稿》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于人工神经网络的HDDR工艺与SmFeN磁性能预测模型叶金文、刘颖，涂铭旌（四川大学材料科学与工程学院，四川成都，610065）摘要：特别提示：此为模版文件，请将论文相应内容直接灌入，不要试图改动版式及字号。概述了《稀有金属材料与工程》的国内外影响及地位。详细介绍了木刊的写作规范（特别是参考文献）、排版格式。同时，指定了排版软件:文章正文为Word、公式为equation3、曲线图为origin5.0、，照片为Photoshop5.0＞表为word。投稿时应有打印稿2〜3份，磁盘1份，照片及曲线

2、图原稿。投稿时，作者应以本写作规范作样本，从书眉、标题、大小写到格式严格、认真修改，使Jt与本样本一致。投稿地址为：710016陕西西安51信箱，e-mail:rmme@c-nin.coma关键词：中图法分类号：文献标识码：A文章编号：1前言2实验方法Sm2Fe17Nx型化合物自1990年被Coey⑴等人发现以来，因其具有较高的居里温度（476°C,高出Nd2FeI4B近160°C）,很高的磁晶各向异性场（MT）®】，以及良好的热稳定性、抗氧化性和耐腐蚀性能，磁性能与Nd2Fe14B系稀十永磁相当

3、等优点，受到了各国普遍的关注，因而得到了长足的发展。HDDR法⑸是H前制备高性能NdFeB磁粉广泛采用的方法之_,它是利用Nd2FeI4B合金吸氢歧化,脱氢产生再化合的过程使母相品粒细化，来获得高矫顽力的永磁材料。徳国⑷和U本⑴用该法成功制备了Sm2Fe17Nx磁粉，HDDR方法制备Sm2Fe17Nx磁粉也就成为近来研究的热点之一。相关研究®可表明Sm2FC

4、7Nx磁粉的微观结构和磁性能与HDDR过程中吸氢、歧化、脱蛍、再化合的工艺条件有很密切的关系。现有的研究往往采用单因素法研究其屮某一工艺对磁

5、性能的彩响，难以反映出上述各因素之间的相互影响的非线形关系，也就无法建立一个完整精确的工艺条件对磁性能影响规律的数学模型。神经网络的发展给这一问题的解决提供了一种有效、可靠的方法。人工神经网络（ANN）是一种模拟脑神经对外部环境进行学习过程建立起來的一种人工智能模式识别方法，具有自学习、自组织、自适应及很强的非线性函数逼近能力和容错能力，特别适用于非线性系统特性的研究［9'101O为此，本文采用神经网络技术系统地研究了HDDR工艺対Sm2Fe17Nx磁性影响的规律，建立了工艺条件对SmFeN稀土永

6、磁材料磁性能影响的连续的数学模型和磁性能与工艺预测模型，希冀能对HDDR法Sm2Fc

7、7Nx磁粉的生产有所指导。2.1实验方法采用丄业纯铁和纯度为99.9%的稀土Sm为原料，按一定配比配料，经SI2002-04型真空感应炉熔炼制备出SmFe铸锭,1050°C,真空炉内12h均匀化退火，然后球磨粉碎成10

8、kd的粉末，再在SDZK高温真空烧结炉内一定温度相同氢压力下氢化■岐化1小时，然后抽高真空（3X10'3Pa）,在该温度下脱氢一再化合处理1小时，最后在500°C氮化4ho2.2测试方法将获得Sm

9、2Fe17Nx磁粉同3%wt的粘结剂混合均匀，经5T的压力模压成型为磁体。用AMT-4型磁化特性口动测量仪测量磁体的磁性能。2.3人工神经网络的建立人工神经网络是由大量的神经元广泛互连而成的网络，误差反向传播算法BP网络是冃前应用最广的网络模型之一。BP人工神经网络每层的神经元对输入进行加权求和，对■和进行阈值处理产牛•输出值。通过样本数据对神经网络进行训练和学习，不断调节其连接权值和阈值，从而正确反映输入和输出的映射关系。因此，本文采川三层BP神经网络，歧化温度、歧化时间、再化合温度、再化合时间

10、分别作为4个输入节点；材料的剩磁济、矫顽力氏和磁能积（3丹人作为3个输出节点；隐含层节点数为7；传递函数均采用Sigmoid函数。BP网络结构示意图见图4-2L2.4预测结果随机选取表4・9屮12组数据作为神经网络的训练样木，对神经网络进行离线学习，以建立网络各层的权值和阈值矩阵，网络对样本学习的相对误差随训练10BrWiWftf与实测值的回归分析图图4・21BP网络结构示意图表4-9试验设计方案与试验结果T1tlT2t2°Cmin°CminB/mTHcj/kA/m训炼次数■澳菱fB疚123456

11、78910训餘次败HciWfl值与真测值的回归分析E5c)ODauPointsLirwarFit1450HcjSWJfKSM5K&JJfle竽aR=1540530520510500490■490500610620630640Br实测值OOdtaPointsBestLinearFil・・・・•A-Tb)Bh?JI测值与实湾值的回归分祈圏54GO48R=0999oDataPootsB»stLinearFit946542403036d)3540465065测值26901057301655