人工神經(jīng)網(wǎng)絡(luò)在材料加工中的應(yīng)用及展望

楊西榮，權(quán)強強，田倩炆，劉曉燕，羅 雷，王敬忠

(1. 西安建筑科技大學(xué)冶金工程學(xué)院，陜西 西安 710055)(2. 陜西省納米材料與技術(shù)重點實驗室，陜西 西安 710055)

1 前 言

長期以來，材料的發(fā)展作為國防安全建設(shè)和國民經(jīng)濟建設(shè)的重要推動力，與人民生活密不可分。目前，新材料的發(fā)展水平成為衡量一個國家科技競爭力的重要標準[1]。傳統(tǒng)意義上的新材料研發(fā)需要經(jīng)過大量的實驗，采用“試錯法”嘗試不同的可能性因素，直至實驗結(jié)果不斷接近目標。該過程需要研究學(xué)者利用大量的原材料，花費大量的時間投入到科學(xué)研究中，而且所得結(jié)果可能存在一定偶然性，使其可靠性降低[2-4]。計算機技術(shù)的持續(xù)性更新以及“材料基因組計劃”的科學(xué)性提出，改變了傳統(tǒng)意義上采用“試錯法”的研究模式，將材料的理性設(shè)計、實驗與大數(shù)據(jù)技術(shù)全面深度融合，促使新材料的研發(fā)取得了快速發(fā)展[5]。2019年《材料研究前沿—十年調(diào)查》[6]的發(fā)布中指出：“數(shù)據(jù)驅(qū)動方法有望大幅提高材料研究的效率”。數(shù)據(jù)驅(qū)動技術(shù)成為了繼實驗、理論和計算之后的第四代科學(xué)范疇[7]，大數(shù)據(jù)集的構(gòu)成主要來源于高通量計算結(jié)果[8]、高通量實驗結(jié)果[9]和大量科學(xué)性文獻研究成果，將目標數(shù)據(jù)通過篩選導(dǎo)入計算機軟件中進行材料研究，縮短了實驗數(shù)據(jù)收集的時間，提高了工作效率[10]。在2011年6月，時任美國總統(tǒng)Barack Obama 啟動先進制造業(yè)伙伴關(guān)系(Advanced Manufacturing Partnership)計劃，材料基因組計劃(Materials Genome Initiative，MGI)工程作為其重要組成部分，促進了大數(shù)據(jù)技術(shù)在材料應(yīng)用領(lǐng)域的快速發(fā)展，加快了新材料從理論研究到投產(chǎn)使用的速度[11]。大數(shù)據(jù)時代下的數(shù)據(jù)驅(qū)動技術(shù)，機器學(xué)習(xí)促使材料科學(xué)研究得到了關(guān)鍵性發(fā)展[12]。

人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)因具有自組織、自學(xué)習(xí)、聯(lián)想記憶及高速尋求最優(yōu)解的能力，能夠處理非線性自適應(yīng)信息問題，是目前科學(xué)研究中應(yīng)用最廣泛、最成熟的機器學(xué)習(xí)算法[13]。目前，人工神經(jīng)網(wǎng)絡(luò)已在建筑學(xué)[14，15]、管理學(xué)[16]和醫(yī)學(xué)[17，18]等方面取得了廣泛的應(yīng)用，在材料科學(xué)方面也成功應(yīng)用于材料設(shè)計[19]、材料性能預(yù)測[20]、模式識別[21]等多個方面，加快了材料研究領(lǐng)域的發(fā)展速度。

多年來，人工神經(jīng)網(wǎng)絡(luò)技術(shù)日益成熟完善，已在材料加工方面得到了廣泛的應(yīng)用。本文首先對人工神經(jīng)網(wǎng)絡(luò)的基本理論和發(fā)展歷史過程作簡要綜述，重點介紹人工神經(jīng)網(wǎng)絡(luò)在材料加工中的應(yīng)用，最后對人工神經(jīng)網(wǎng)絡(luò)在材料加工應(yīng)用中的不足和未來發(fā)展趨勢進行展望。

2 人工神經(jīng)網(wǎng)絡(luò)的簡介和發(fā)展簡史

2.1 人工神經(jīng)網(wǎng)絡(luò)的簡介

人工神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)系統(tǒng)的特征，采用不同種類的連接方式組成一個完整的網(wǎng)絡(luò)模型，該模型與生物大腦的工作模式相似，能夠通過對輸入信息進行歸類式處理得到期望的輸出結(jié)果。同時它具有生物神經(jīng)建立非線性模型、自我學(xué)習(xí)、自適應(yīng)、容錯性和高速尋找最優(yōu)解等特點，廣泛應(yīng)用于各個學(xué)科的研究中[22]。最簡單的生物神經(jīng)元模型和相對應(yīng)的人工神經(jīng)元模型分別如圖1和圖2所示。人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要由輸入層、隱含層和輸出層3部分構(gòu)成(圖3)。輸入層主要負責(zé)接收外部輸入的數(shù)據(jù)和信息，隱含層連接輸入層接受并處理輸入層的信號，輸出層連接隱含層將計算結(jié)果輸出。

圖1 生物神經(jīng)元模型

圖2 人工神經(jīng)元模型[2]

圖3 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)[13]

2.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展簡史

人工神經(jīng)網(wǎng)絡(luò)的研究最早開始于19世紀末期，其發(fā)展過程經(jīng)歷了多個不同的階段，如表1所示。

表1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展階段[23-30]

3 人工神經(jīng)網(wǎng)絡(luò)在材料加工方面的應(yīng)用

材料科學(xué)是研究材料成分、工藝、組織和使用性能四要素之間相互關(guān)系的學(xué)科，為材料的使用生產(chǎn)和研究發(fā)展提供理論基礎(chǔ)[31]。材料加工技術(shù)是多學(xué)科相互交融的綜合性學(xué)科，目前的材料研究依然依賴大量實驗和實踐經(jīng)驗[32]。這種試錯的研究方式周期長、成本高，大量的數(shù)據(jù)得不到很好的利用。人工神經(jīng)網(wǎng)絡(luò)可以充分利用已有的實驗數(shù)據(jù)，甚至是實際工況數(shù)據(jù)，在材料加工技術(shù)方面具有獨特的優(yōu)勢。

3.1 材料性能預(yù)測

材料的成分、工藝和所處環(huán)境等是影響其加工性能的主要因素[33]，而使用性能是衡量材料價值的重要指標，是應(yīng)用于工程實際的衡量標準。基于人工神經(jīng)網(wǎng)絡(luò)對材料性能的準確預(yù)測是降低材料成本、節(jié)約時間的重要途徑。目前，國內(nèi)外有大量的學(xué)者對人工神經(jīng)網(wǎng)絡(luò)預(yù)測材料性能方面進行了研究。Onder等[34]運用反向傳播(back propagation，BP)網(wǎng)絡(luò)模型對同種材料的2種不同形狀齒牙的齒輪疲勞壽命進行了預(yù)測。運用試錯法實驗獲得實驗數(shù)據(jù)，80%的數(shù)據(jù)用于樣本數(shù)據(jù)，確定了理想的傳遞函數(shù)和隱含層數(shù)目，采用20%的數(shù)據(jù)進行驗證。最終的預(yù)測結(jié)果與實驗結(jié)果相吻合。王鑫等[35]以應(yīng)變速率、變形溫度和晶粒尺寸為輸入?yún)?shù)，峰值流變應(yīng)力和穩(wěn)定流變應(yīng)力為輸出結(jié)果，構(gòu)建了三層前饋式BP神經(jīng)網(wǎng)絡(luò)模型，用于Ti-6Al-4V超塑性變形行為的預(yù)測。該模型采用的數(shù)據(jù)集因輸出值和輸入值存在較大差異，易產(chǎn)生溢出現(xiàn)象，故需對訓(xùn)練數(shù)據(jù)進行歸一化處理，從而提高預(yù)測精度。因此，通過大量的可靠性數(shù)據(jù)，如實際生產(chǎn)數(shù)據(jù)或者實驗精度嚴謹?shù)臄?shù)據(jù)進行網(wǎng)絡(luò)模型的訓(xùn)練，可以提高模型的準確性。Ramachandra等[36]通過大量的模擬數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，并利用美國汽車工程協(xié)會(SAE)隨機疲勞加載試驗的實際生產(chǎn)數(shù)據(jù)驗證模型，建立了能準確預(yù)測多種材料的疲勞性能、載荷譜形式以及疲勞壽命的人工神經(jīng)網(wǎng)絡(luò)模型。Patowari等[37]等建立了電火花加工表面改性的人工神經(jīng)網(wǎng)絡(luò)模型，得到了壓力、溫度、峰值電流和時間對表面層平均厚度的影響規(guī)律。人工神經(jīng)網(wǎng)絡(luò)模型在預(yù)測材料性能方面的應(yīng)用已有很多研究，但是進行網(wǎng)絡(luò)訓(xùn)練需要大量的數(shù)據(jù)，而這些數(shù)據(jù)的可靠性是提高預(yù)測結(jié)果準確性的關(guān)鍵，建立標準歸類化的數(shù)據(jù)庫是現(xiàn)今材料領(lǐng)域的需求。

3.2 材料工藝設(shè)計的優(yōu)化

材料工藝設(shè)計主要分為成型工藝設(shè)計、加工工藝設(shè)計、表面處理工藝設(shè)計和連接工藝設(shè)計[27]，合理的工藝設(shè)計是保證產(chǎn)品質(zhì)量的關(guān)鍵。工藝學(xué)基礎(chǔ)理論、應(yīng)用技術(shù)基礎(chǔ)、工程控制技術(shù)以及相應(yīng)的設(shè)計經(jīng)驗是材料工藝設(shè)計者必須具備的理論知識，難度較大。但是，近幾年來，國內(nèi)外研究者利用人工神經(jīng)網(wǎng)絡(luò)模型，很大程度地便捷了工藝設(shè)計優(yōu)化的過程。魏艷紅等[38]總結(jié)了國內(nèi)諸多高校和企業(yè)利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測和優(yōu)化焊接工藝設(shè)計的實例，發(fā)現(xiàn)國內(nèi)目前已在焊接工藝方面建立了相對完整的數(shù)據(jù)庫及專家系統(tǒng)。將人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合，通過以大量數(shù)據(jù)不斷調(diào)整模型隱含層函數(shù)的類型和個數(shù)，可有效減小輸出誤差，提高設(shè)計精度。張吉會[39]以熔池焊道寬度和高度作為輸出的期望值，構(gòu)建了電弧增材制造焊接工藝成型尺寸的BP神經(jīng)網(wǎng)絡(luò)模型，參照模型選用傳統(tǒng)的回歸模型，將人工神經(jīng)網(wǎng)絡(luò)的預(yù)測值與二次回歸值進行對比。結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測值的平均相對誤差為0.003%，二次回歸平均相對誤差為1.326%。Chaki等[40]將粒子群優(yōu)化(particle swarm optimization，PSO)計算算法應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)模型，建立了ANN-PSO模型。該模型在預(yù)測釔鋁石榴石晶體(YAG)激光切割脈沖釹含量的絕對誤差為1.74%，最優(yōu)輸出值與實驗值的偏差小于2%。劉曉燕等[41]使用BP人工神經(jīng)網(wǎng)絡(luò)對超細晶純鈦熱變形行為進行建模，結(jié)果表明經(jīng)過訓(xùn)練后的人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測熱壓縮過程流變應(yīng)力的平均相對誤差為2.1%，比Arrhenius本構(gòu)方程的預(yù)測更加準確。人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練函數(shù)采用可靠的數(shù)據(jù)庫和經(jīng)過多模型擬合的網(wǎng)絡(luò)模型，對提高實驗精度至關(guān)重要。

盡管國內(nèi)外許多研究者已將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于材料工藝設(shè)計方面，達到了工藝優(yōu)化的目的。但針對某一確定問題，模型的訓(xùn)練及隱含層類型和個數(shù)的確定仍然缺乏高質(zhì)量的實驗數(shù)據(jù)用以訓(xùn)練，導(dǎo)致預(yù)測值與實驗值存在嚴重偏差。同時，在大數(shù)據(jù)時代背景下，海量數(shù)據(jù)的挖掘中，不僅可能帶來大量的錯誤信息，而且這些數(shù)據(jù)之間還可能具有復(fù)雜的關(guān)聯(lián)性。分布式數(shù)據(jù)庫的建立，可以將海量數(shù)據(jù)有效進行歸類，一定程度上可以針對某一確定問題進行數(shù)據(jù)的篩選，提高工作效率和結(jié)果的準確性。

3.3 相變規(guī)律的預(yù)測

相是指合金中具有同一聚集狀態(tài)、同一晶體結(jié)構(gòu)和性質(zhì)并以界面相互隔開的均勻組成部分。生活中絕大多數(shù)材料都是多相結(jié)構(gòu)，相與相之間存在著界面分隔，此界面稱為相界。所謂相變是指一種相轉(zhuǎn)變成另一種相的過程[42]。隨著科學(xué)技術(shù)和材料研究的發(fā)展，人們發(fā)現(xiàn)金屬、合金以及無機非金屬都能發(fā)生相變，材料性能的提高常常得益于相變的發(fā)生。然而，特定成分材料相變理論的實驗研究費時費力，人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用很大程度上改善了這一困境。Chakraborty等[43]在預(yù)測鋼連續(xù)冷卻轉(zhuǎn)變圖時，運用梯度下降反向傳播算法(ANN-BP)進行常規(guī)模型訓(xùn)練，但模型準確度較低。為了提高預(yù)測結(jié)果準確性，以預(yù)測誤差最小化和多目標化為期望輸出，采用遺傳算法(genetic algorithm，GA)修正該模型，形成了至少在一個目標上預(yù)測結(jié)果準確度較高的模型。將單目標預(yù)測值與多目標預(yù)測值進行比較，結(jié)果表明，單一目標優(yōu)化模型雖然降低了問題的復(fù)雜性，但準確性較低，而多目標優(yōu)化模型雖然處理的問題比較復(fù)雜，但預(yù)測效果更加準確。Reddy等[44]以奧氏體鋼中成分C，Mn，Ni，Cr，Mo含量的變化數(shù)據(jù)進行BP網(wǎng)絡(luò)模型的訓(xùn)練學(xué)習(xí)，成功實現(xiàn)了TTT(time-temperature-transformation)曲線的預(yù)測。他們將奧氏體化的轉(zhuǎn)變溫度作為期望輸出結(jié)果，建立了多層反向傳播網(wǎng)絡(luò)模型(multi-layered back propagation network，MBPN)，得到成分不同而致使奧氏體化轉(zhuǎn)變溫度不同的TTT變化規(guī)律圖。Vermeulen等[45]利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測了鋼材中的硬度分布，在Jominy試驗固定的冷卻速率范圍內(nèi)，鋼的淬透性可以通過表面淬火實驗改善，在Jominy實驗固定的冷卻速率范圍內(nèi)，合金成分是影響顯微組織的主要因素。該團隊以4000種低合金鋼的化學(xué)成分、奧氏體化溫度及硬度分布為網(wǎng)絡(luò)進行訓(xùn)練學(xué)習(xí)及驗證，結(jié)果表明神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值與硬度測量值存在的誤差相同。在此基礎(chǔ)上成功預(yù)測了硼元素對鋼淬透性的影響，以9種合金元素作為輸入數(shù)據(jù)，800組實際數(shù)據(jù)作為網(wǎng)絡(luò)模型的訓(xùn)練，預(yù)測結(jié)果比實驗?zāi)Ｐ秃妥钚《四Ｐ途C合性的結(jié)果更加準確。孫宇等[46]等以12種化學(xué)元素含量作為輸入?yún)?shù)，相變點作為輸出參數(shù)，利用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測鈦合金相變點，揭示了化學(xué)元素種類與相變點之間的變化規(guī)律，預(yù)測結(jié)果的精度高于傳統(tǒng)經(jīng)驗公式。

4 結(jié) 語

人工神經(jīng)網(wǎng)絡(luò)作為材料加工技術(shù)應(yīng)用性較廣泛的研究方法，雖然在材料的性能預(yù)測、工藝設(shè)計和相變規(guī)律預(yù)測等方面應(yīng)用十分廣泛，但是依然存在一些問題：

(1)在人工神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)訓(xùn)練過程中，需要大量可靠性高且代表性強的數(shù)據(jù)建立較為準確的網(wǎng)絡(luò)模型，以實現(xiàn)高準確性的預(yù)測結(jié)果。因此，建立標準的材料領(lǐng)域大數(shù)據(jù)庫是該領(lǐng)域發(fā)展的必然趨勢。

(2)反向傳播(back propagation，BP)神經(jīng)網(wǎng)絡(luò)作為目前材料加工方面應(yīng)用最成熟且最廣泛的網(wǎng)絡(luò)模型之一，僅局限于對常規(guī)數(shù)字進行信息化處理。因此，需要更多的研究學(xué)者及專業(yè)團隊開發(fā)新的模型、新的算法來鍥合大數(shù)據(jù)時代的發(fā)展。

(3)隨著大數(shù)據(jù)時代的到來，海量數(shù)據(jù)的出現(xiàn)，分布式數(shù)據(jù)管理和數(shù)據(jù)的準確篩選變得十分重要。