趙浩峰 張椿英 于 鵬 王 玲 柴阜桐 黃思成
(1.安徽信息工程學(xué)院機(jī)械工程學(xué)院 安徽蕪湖 241199;2.南京信息工程學(xué)院物理學(xué)院 江蘇南京 210043)
人工神經(jīng)網(wǎng)絡(luò)(ANN)是一個(gè)由眾多而可同時(shí)工作的簡(jiǎn)單處理單元即神經(jīng)單元相互寬泛地銜接而組成的復(fù)雜網(wǎng)絡(luò)體系。神經(jīng)網(wǎng)絡(luò)就是一個(gè)由多層感知器組成的前饋網(wǎng)絡(luò),是模仿大腦構(gòu)造和特質(zhì)的一種信息處理體系。它具有較好的匹配性、自構(gòu)造性和容它出錯(cuò)性,具有良好的研究、記憶、串想、辨識(shí)等能力,已經(jīng)在信號(hào)管理、模式辨別、目標(biāo)銜接、機(jī)器人操作等寬廣范圍獲得了深入的應(yīng)用。反向傳播神經(jīng)網(wǎng)絡(luò)BPNN是一種多層數(shù)的前反饋神經(jīng)體系,其權(quán)重和閾值的改變使用下降負(fù)梯度方法。從數(shù)學(xué)角度看,其所進(jìn)行的信息處理工作,就是構(gòu)建映射訓(xùn)練樣本,進(jìn)行從n維歐氏空間的一個(gè)子集到m 維歐氏空間子集的映射。[1,2]神經(jīng)網(wǎng)絡(luò)已廣泛用于工程技術(shù),也包括材料工程領(lǐng)域,如高分子材料、陶瓷材料及金屬材料的設(shè)計(jì)優(yōu)化預(yù)測(cè)。在金屬材料熱處理工程中,過(guò)去的工藝內(nèi)容是不斷進(jìn)行試錯(cuò)。這種方法帶來(lái)的問(wèn)題是,工藝繁瑣、耗時(shí)耗力、投入高浪費(fèi)大、外部因素和人為干擾大、不可控。隨著工程材料技術(shù)的發(fā)展及數(shù)學(xué)和計(jì)算機(jī)科學(xué)的不斷進(jìn)步,為人工神經(jīng)網(wǎng)絡(luò)在材料工程參數(shù)的優(yōu)化預(yù)測(cè)中的應(yīng)用提供了基礎(chǔ)。
在磁材制備中,熱處理的工藝內(nèi)容對(duì)材料的組織及性能有重大的影響,特別是熱處理中的加熱溫度和保溫時(shí)間是磁性材料制備中的關(guān)鍵。[3]但是神經(jīng)網(wǎng)絡(luò)在納米永久磁鐵矯頑力性能熱處理工藝參數(shù)預(yù)測(cè)的應(yīng)用并不多。相關(guān)研究顯示,納米永久磁鐵熱處理后存在軟磁相和硬磁相。兩相之間存在著一定的耦合作用。其引起的矯頑力強(qiáng)化作用與軟磁相的磁距參數(shù)隨硬磁相參數(shù)在外磁場(chǎng)下作用有關(guān)。此外,軟磁相太多又會(huì)降低矯頑力。這就是講,要獲得高性能的磁性材料,必須使軟磁相和硬磁相在形態(tài)、尺寸和分布上得到匹配。[4,5]然而,通過(guò)控制熱處理時(shí)間(t)及溫度(T),能夠控制軟磁相和硬磁相的生長(zhǎng)速度及相互數(shù)量比例。因此,控制好熱處理參數(shù)是提高納米永磁體性能的關(guān)鍵所在。本文通過(guò)制備納米永磁體合金及進(jìn)行性能測(cè)試,獲取實(shí)驗(yàn)數(shù)據(jù)并建立相應(yīng)的預(yù)測(cè)樣本,重點(diǎn)研究了BPNN在預(yù)測(cè)熱處理對(duì)納米永磁體合金矯頑力影響的規(guī)律。
實(shí)驗(yàn)材料中除鐵外的主要成分的重量百分含量為Nd21-28%,Sm 0.3-0.6%,B 3-6%,Si2-6%。還含有Co、Nb、Pb、P等。按照上述重量百分比進(jìn)行配料,各原料的純度均大于99.9%。將原料放入真空感應(yīng)爐中熔煉,熔煉溫度為1560-1720℃,靜置2-5分鐘得到母合金液體;將母合金液體澆注到感應(yīng)爐出鐵口下方的轉(zhuǎn)輥上,母合金液體遇到旋轉(zhuǎn)的轉(zhuǎn)輥,被轉(zhuǎn)輥輪緣拖拽形成鑄帶;將鑄帶自然冷卻后,進(jìn)行熱處理。熱處理在具有保護(hù)措施的箱式爐中進(jìn)行。熱處理溫度設(shè)在550-700℃范圍。保溫時(shí)間在5-30分鐘。圖1為磁體合金的組織,圖2為熱處理形成兩相后合金的X射線衍射。熱處理結(jié)束后,將鑄帶自然冷卻5-10分鐘,然后將鑄帶放入氣碎爐中進(jìn)行氫碎,氣碎爐的真空度為0.05~0.1Pa,爐內(nèi)氣壓為0.9-1.1atm;溫度為260-310℃,氣碎時(shí)間40-45 分鐘,得到粗粉;將粗粉放入氣流磨中,用高壓氣流將粗粉吹起,通過(guò)相互之間的碰撞從而成為細(xì)粉,氣流磨制粉壓力4-7atm,氣流磨分選輪轉(zhuǎn)速為2900-3100r/min;將細(xì)粉和粘接劑放入模具中,壓制成型。

圖1 合金磁體的組織

圖2 合金中存在兩相的X射線衍射
BPNN的隱含層神經(jīng)元使用全局響應(yīng)函數(shù),傳遞函數(shù)為log-sigmoid型和純線性型函數(shù)。它的神經(jīng)單元輸入值在很大程度能被激活,所以BPNN具有對(duì)目標(biāo)函數(shù)的寬范圍逼近作用。圖3a是BP一個(gè)基本的神經(jīng)單元,其中P為輸入量,W為權(quán)重,b為偏移值;n和a的輸出表達(dá)式分別由式(1)和(2)表示。

圖3b 給出了一個(gè)神經(jīng)網(wǎng)絡(luò),其由輸出層、隱含層、輸出層構(gòu)成。其中的Pi是輸入單元, Wij為輸入單元的權(quán)重系數(shù),權(quán)重Wkn 連接著隱含層中kth 個(gè)神經(jīng)元與輸出層中nth個(gè)預(yù)測(cè)值,qn為預(yù)測(cè)數(shù)據(jù)。在訓(xùn)練階段, BPNN根據(jù)輸出層誤差反復(fù)調(diào)整自身權(quán)重。這個(gè)誤差經(jīng)隱含層向輸出層持續(xù)傳遞。當(dāng)輸入與輸出之間建立的映射小于系統(tǒng)預(yù)設(shè)誤差時(shí),訓(xùn)練即結(jié)束。本文訓(xùn)練采用sigmoid為激活函數(shù),輸入Pi為熱處理溫度T 和保溫時(shí)間t,相應(yīng)的輸出qi 為矯頑力Hc。BPNN在MatLab中的調(diào)用方式如下:

其中P為輸入矢量,T為目標(biāo)矢量,SN-1為N-1個(gè)隱含層及其中神經(jīng)元個(gè)數(shù), TFN-1代表隱含層傳遞函數(shù),TFN為輸出層傳遞函數(shù),BTF 代表訓(xùn)練方程,BLF 是反饋權(quán)重與偏移的學(xué)習(xí)方程;PF是MSE函數(shù);IPF、OPF分別為處理輸入輸出行的方程;DDF為數(shù)據(jù)分組方程。由于PF,IPF,OPF,DDF參數(shù)不會(huì)影響模型訓(xùn)練結(jié)果,因此采用了系統(tǒng)默認(rèn)值。

圖3(a) BPNN的基本神經(jīng)元

圖3(b) 本研究使用的BPNN模型的架構(gòu)
(一)BPNN 訓(xùn)練模型的建立。其訓(xùn)練步數(shù)與均方誤差(MSE)的關(guān)系由圖4給出,預(yù)測(cè)值與相應(yīng)實(shí)驗(yàn)值的線性回歸擬合狀態(tài)由圖5給出,其中R是回歸值,target(T)、output(Y)分別代表實(shí)驗(yàn)值和預(yù)測(cè)值。如果虛線(Y=T)越接近實(shí)線(Fit)時(shí),表明模型預(yù)測(cè)越接近實(shí)際情況。由圖5可以看出,虛線與實(shí)線平行而且十分接近,表明有較好的預(yù)測(cè)效果。

圖4 訓(xùn)練步數(shù)與均方誤差的關(guān)系

圖5 預(yù)測(cè)值與相應(yīng)實(shí)驗(yàn)值(MSE)的線性回歸擬合狀態(tài)
(二)磁性能的預(yù)測(cè)與討論。為給予預(yù)測(cè)效果一定的參照,Hc隨熱處理溫度(550°C、600°C、650°C、700°C)和保溫時(shí)間(5min、10min、15min、20min、30min)的實(shí)驗(yàn)變化趨勢(shì)由圖6給出。圖7給出了由預(yù)測(cè)磁屬性形成的曲面。圖7通過(guò)曲面形式反映了磁鐵的性能變化。由圖6看出,性能隨熱處理參數(shù)的變化是漸進(jìn)的,這非常符合實(shí)際情況。由圖6和圖7可以看出,相比550℃以及600℃的樣品,熱處理溫度高于650℃的納米永久磁鐵合金磁性能有顯著提高;當(dāng)溫度為650℃、保溫時(shí)間9-12min 時(shí),材料磁性能出現(xiàn)的值Hc=148-151kA/m;但隨著保溫時(shí)間的延長(zhǎng)磁性能呈現(xiàn)先下降后、又會(huì)上升的規(guī)律;隨后性能的變化并不很大。這種性能的變化和軟硬相調(diào)整生長(zhǎng)方位有關(guān)。當(dāng)加熱溫度為700℃時(shí),材料磁性能明顯下降,與兩相的尺寸隨溫度增高有關(guān)系。可以看出,熱處理溫度T與保溫時(shí)間t通過(guò)影響兩相的尺度、位向關(guān)系、分布來(lái)影響磁性能Hc的大小。

圖7 矯頑力與熱處理參數(shù)的預(yù)測(cè)關(guān)系
通過(guò)BPNN 模型建立了磁性材料從輸入(T、t)到輸出(Hc)的非線性映射關(guān)系。預(yù)測(cè)結(jié)果表明,BPNN模型能成功預(yù)測(cè)出磁性參數(shù)隨熱處理?xiàng)l件變化的總體趨勢(shì)。通過(guò)預(yù)測(cè)實(shí)驗(yàn),可獲得得到最佳磁性能所需的加熱溫度以及保溫時(shí)間段,這對(duì)磁材生產(chǎn),具有重要的指導(dǎo)意義。然而人工神經(jīng)網(wǎng)絡(luò)雖然能夠很好地對(duì)實(shí)驗(yàn)進(jìn)行了模擬與預(yù)測(cè),但在反映材料性能變化的內(nèi)在微觀本質(zhì)方面還需要借助材料物理學(xué)的解釋。