TC17鈦合金片層組織動態(tài)球化的神經(jīng)網(wǎng)絡(luò)預(yù)測模型

采用加工圖理論分析了tc17(ti-5al-4mo-4cr-2sn-2zr)鈦合金在高溫變形過程中的片狀α球化規(guī)律。結(jié)果表明:用加工圖理論分析材料的高溫變形行為能準(zhǔn)確直觀地反映出材料在不同變形條件下的組織演變規(guī)律。分析加工圖發(fā)現(xiàn):tc17合金在840℃~870℃,應(yīng)變速率0.5s-1~3s-1之間變形是片狀α組織球化的理想?yún)^(qū)域,此時對應(yīng)的能量耗散效率值為45%左右;在850℃~910℃,較高應(yīng)變速率(>5s-1)下對tc17合金加工易發(fā)生流變不穩(wěn)定現(xiàn)象,形成絕熱剪切帶。

1.引言神經(jīng)網(wǎng)絡(luò)是一種信息處理系統(tǒng),它由大量而簡單的處理單元(神經(jīng)元)廣泛的相連接而形成復(fù)雜系統(tǒng),它通過學(xué)習(xí)來解決問題,基坑沉降的預(yù)測是一項難以通過理論分析出影響因素與沉降結(jié)果映射關(guān)系的工作,而這項工作如果交

提出了根據(jù)實測數(shù)據(jù)構(gòu)造神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型的基本思路,構(gòu)造出基于bp算法的神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型,并給出應(yīng)用實例分析。結(jié)果表明,神經(jīng)網(wǎng)絡(luò)應(yīng)用于變形預(yù)測效果良好,具有一定參考價值和指導(dǎo)意義。

人工神經(jīng)網(wǎng)絡(luò)是在模仿人腦處理問題的過程中發(fā)展起來的新型智能信息處理理論,通過對人工神經(jīng)網(wǎng)絡(luò)及bp網(wǎng)絡(luò)的基本原理與特征的分析,建立了工程估價預(yù)測模型.

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

通過熱壓縮試驗研究了tc11鈦合金退火態(tài)片層組織在兩相區(qū)980℃,950℃,850℃,應(yīng)變速率0.001s-1,0.01s-1條件下,變形程度30%~70%范圍內(nèi)的熱變形過程。分析了熱變形參數(shù)對變形行為和片層組織球化過程的影響,并根據(jù)片層組織球化分?jǐn)?shù)演變特征,建立了修正的avrami片層組織球化動力學(xué)方程,與試驗數(shù)據(jù)吻合較好。

對鍛態(tài)tc21合金在兩相區(qū)內(nèi)進(jìn)行熱處理,研究了其片狀組織的靜態(tài)球化行為。結(jié)果表明:兩相區(qū)內(nèi)隨著固溶溫度的升高,α相球化率增加的同時其體積含量迅速減少,固溶時間的延長有利于組織的均勻化,但對提高球化率的作用不大;固溶后隨著冷卻速度的降低α相的球化率增加,tc21合金經(jīng)925℃保溫2h慢冷后α相的球化率達(dá)到95%以上。對α相靜態(tài)球化的原因分析表明:晶界α相自身的形成特點是其球化的根本原因,其與晶內(nèi)初生α片交接處的存在對晶界α相的球化有一定貢獻(xiàn);晶內(nèi)α片的球化是一個片狀組織粗化的過程,依靠片層界面缺陷處的溶質(zhì)原子遷移進(jìn)行。

通過熱壓縮試驗研究了具有初始β轉(zhuǎn)變組織的tc11鈦合金在兩相區(qū)800~980℃和應(yīng)變速率0.001~0.1s-1范圍內(nèi)的熱變形行為和組織演變。分析了該合金在試驗參數(shù)范圍內(nèi)變形的應(yīng)力-應(yīng)變曲線特征。動力學(xué)分析獲得該合金在兩相區(qū)變形的應(yīng)力指數(shù)和變形激活能分別為4.42和490.8kj.mol-1,說明變形主要是位錯的滑移和攀移過程。分析變形組織認(rèn)為,片層組織的球化和彎折是兩相區(qū)變形應(yīng)力軟化的原因。溫度和應(yīng)變速率嚴(yán)重影響片層組織球化過程的進(jìn)行,980℃,0.001s-1和0.01s-1,以及950℃,0.001s-1條件下變形有利于片層組織球化過程的充分進(jìn)行。900~980℃,0.001~0.1s-1球化過程中,變形到穩(wěn)態(tài)的等軸α直徑與溫度補(bǔ)償應(yīng)變速率參數(shù)z呈對數(shù)線性關(guān)系。

通過采用人工神經(jīng)網(wǎng)絡(luò)方法對tc4鈦合金電子束焊縫熔凝區(qū)形狀尺寸進(jìn)行預(yù)測研究.在大量工藝試驗的基礎(chǔ)上,采集網(wǎng)絡(luò)訓(xùn)練樣本,并對訓(xùn)練樣本和測試樣本進(jìn)行標(biāo)準(zhǔn)化,通過確定合適的人工神經(jīng)網(wǎng)絡(luò)模型、網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)算法以及網(wǎng)絡(luò)訓(xùn)練次數(shù),建立了從聚焦電流、電子束流和焊接速度到焊縫熔深、熔寬、正面焊縫寬度、深寬比、焊縫余高、釘頭半角的bp網(wǎng)絡(luò)映射模型.結(jié)果表明,網(wǎng)絡(luò)的最大輸出相對誤差不超過5%,說明該網(wǎng)絡(luò)具有較強(qiáng)的映射能力,能滿足預(yù)測要求.

厚度預(yù)測模型的精度是影響厚度控制的重要因素。針對本項目國內(nèi)水平領(lǐng)先、最寬幅的"1+4"熱連軋生產(chǎn)線,根據(jù)生產(chǎn)現(xiàn)場獲取的5083寬幅鋁合金中厚板實測數(shù)據(jù),在研究分析關(guān)鍵影響因素的基礎(chǔ)上,運(yùn)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立了鋁合金寬幅中厚板厚度預(yù)測的bp神經(jīng)網(wǎng)絡(luò)模型。其相對誤差在0.5%之內(nèi),高于已有模型預(yù)測精度,能實現(xiàn)高精度預(yù)報。應(yīng)用模型預(yù)測了5052寬幅鋁合金中厚板的出口厚度,結(jié)果表明,模型能較好的預(yù)測軋件厚度的變化,有很好的泛化能力。

為了研究雙相γ+α2鈦合金晶體中片層組織的承載特性,建立了相應(yīng)晶體不同取向力學(xué)性能的數(shù)學(xué)模型,并計算了γ相及γ+α2片層組織不同取向的承載力.通過對模型的數(shù)值求解,得到γ相和γ+α2片層組織的承載力隨不同加載方向的變化規(guī)律.計算結(jié)果表明:隨著α2相體積分?jǐn)?shù)的增加,γ+α2片層組織的最大承載力方向逐漸趨向平行于α2相的(0001)面,臨界α2相等價體積分?jǐn)?shù)為λe=30%.這從理論上解釋了γ+α2片層組織的最大承載力方向為平行于α2相的(0001)面這一傳統(tǒng)觀點.這一結(jié)論成立的條件為α2相等價體積分?jǐn)?shù)λe>30%.

空調(diào)系統(tǒng)的負(fù)荷與諸多影響因素之間是一種多變量、強(qiáng)耦合、嚴(yán)重非線性的關(guān)系,且這種關(guān)系具有動態(tài)性,因而傳統(tǒng)方法的預(yù)測精度不高。而動態(tài)回歸神經(jīng)網(wǎng)絡(luò)能更生動、更直接地反映系統(tǒng)的動態(tài)特性。針對這個特點,建立了基于elman型神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測模型,并進(jìn)行了實例預(yù)測。文中還比較了elman網(wǎng)絡(luò)和bp網(wǎng)絡(luò)結(jié)構(gòu)的建模效果,仿真實驗證明了elman神經(jīng)網(wǎng)絡(luò)具有動態(tài)特性好、逼近速度快、精度高等特點,說明elman網(wǎng)絡(luò)是一種新穎、可靠的負(fù)荷預(yù)測方法。

采用等溫壓縮實驗研究了具有不同初始片層厚度(3μm和0.4μm)的tc11合金兩相區(qū)變形時的微觀組織演化,其中壓縮實驗的變形溫度為920℃~980℃,應(yīng)變速率為0.1s-1~1s-1,變形量為30%~70%。金相分析表明具有片層組織的tc11合金兩相區(qū)變形時微觀組織演化主要為α片層的球化過程。進(jìn)一步的研究結(jié)果表明:在相同的變形工藝參數(shù)下,細(xì)片層組織(片層厚度0.4μm)的球化程度高于粗片層組織(片層厚度3μm);兩種初始片層厚度組織的球化程度均隨應(yīng)變的增加和應(yīng)變速率的降低而提高;變形溫度對兩者球化程度的影響存在不同的規(guī)律:粗片層組織的球化程度隨溫度的升高而增加,細(xì)片層組織的球化程度隨溫度的升高而降低;初始片層厚度和應(yīng)變是影響tc11合金片層組織球化的主要因素,在兩相區(qū)變形之前可通過β熱處理+快速冷卻得到細(xì)片層和采用反復(fù)鐓拔等大應(yīng)變變形得到片層完全球化的細(xì)晶等軸態(tài)組織。

對原始組織為不同粗細(xì)片層組織的ta15鈦合金板材在兩相區(qū)進(jìn)行75%的熱軋變形,并用金相法觀察變形后組織的球化行為,并分析變形機(jī)理。結(jié)果表明,晶內(nèi)片層狀α相隨變形量增加發(fā)生球化,球化程度與片層狀α相粗細(xì)有關(guān),粗片層狀組織發(fā)生扭曲和彎折,但等軸α晶粒較少;細(xì)片層狀組織大部分發(fā)生球化,生成均勻細(xì)小的等軸組織,這說明原始組織片層狀越細(xì)則變形后球化程度越高,組織更均勻細(xì)小。

隨著我國城鄉(xiāng)建設(shè)的飛速發(fā)展,建筑火災(zāi)形勢日趨嚴(yán)峻,依靠傳統(tǒng)的管理技術(shù)和方法已遠(yuǎn)遠(yuǎn)不能適應(yīng)社會和民眾對安全的需要。針對某城市建筑火災(zāi)非線性時間序列,建立了小波神經(jīng)網(wǎng)絡(luò)(wnn)預(yù)測模型,計算分析證明了該模型的可行性。該模型可與消防工作相結(jié)合,建立和實施城鄉(xiāng)綜合防災(zāi)減災(zāi)系統(tǒng),實現(xiàn)城鄉(xiāng)綜合防災(zāi)減災(zāi)的科學(xué)管理。

審計意見類型及其預(yù)測結(jié)果受到企業(yè)各利益相關(guān)方的高度關(guān)注。同時選用財務(wù)指標(biāo)和非財務(wù)指標(biāo)為變量,構(gòu)建了基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計意見預(yù)測模型。將領(lǐng)域粗糙集作為bp神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng),在保持分類能力不變的前提下進(jìn)行指標(biāo)約簡,提取關(guān)鍵指標(biāo),再將約簡的指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量。以2013—2015年滬深a股176家公司數(shù)據(jù)作為研究樣本,采用三種模型進(jìn)行審計意見預(yù)測對比分析,結(jié)果表明：本模型預(yù)測準(zhǔn)確率達(dá)到97.06%,與單純利用神經(jīng)網(wǎng)絡(luò)建?；騿渭兝秘攧?wù)指標(biāo)建模的預(yù)測效果相比具有更好的預(yù)測效果。

采用comgis(組件式地理信息系統(tǒng))技術(shù)開發(fā)了結(jié)合專業(yè)震害分析模型的建筑物震害評估系統(tǒng),討論了基于bp人工神經(jīng)網(wǎng)絡(luò)和gis耦合模型的多層磚房震害預(yù)測.研究表明:水平成層土地震反應(yīng)分析程序shake91在vb菜單下可直接調(diào)用,實現(xiàn)地震動影響場計算的模塊化;bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于建筑物震害預(yù)測中,能達(dá)到較理想的效果,其計算模型在系統(tǒng)菜單下可直接調(diào)用;系統(tǒng)的gis空間分析功能可使震害預(yù)測結(jié)果與建筑物信息進(jìn)行空間匹配,實現(xiàn)地震災(zāi)害損失快速評估.

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

基于人工神經(jīng)網(wǎng)絡(luò)理論,提出了根據(jù)前期沉降觀測資料進(jìn)行沉降預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型,并用于汕汾高速公路預(yù)壓荷載卸荷時間預(yù)報.研究表明,所建議的模型較傳統(tǒng)沉降預(yù)測模型具有顯著的優(yōu)越性,應(yīng)用前景廣闊.

通過分析城市深基坑沉降量時間序列的非線性動力學(xué)系統(tǒng),認(rèn)為該時間序列具有混沌特性.在此基礎(chǔ)上,通過相空間重構(gòu)的方法建立了用于城市深基坑沉降量預(yù)測的混沌神經(jīng)網(wǎng)絡(luò)模型;并利用此模型對上海某深基坑沉降量進(jìn)行了預(yù)測,取得了較為滿意的預(yù)測效果.

針對bp神經(jīng)網(wǎng)絡(luò)、rbf神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于負(fù)荷預(yù)測時所遇到的問題,提出了一種基于各種神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型。該模型為單輸出的3層神經(jīng)網(wǎng)絡(luò),即將3種神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果作為神經(jīng)網(wǎng)絡(luò)的輸入,將實際負(fù)荷值作為神經(jīng)網(wǎng)絡(luò)的輸出,使訓(xùn)練后的網(wǎng)絡(luò)具有預(yù)測能力。該模型能降低單個神經(jīng)網(wǎng)絡(luò)的預(yù)測風(fēng)險,提高預(yù)測精度。仿真結(jié)果表明,所提出的組合預(yù)測模型的精度高于其中任一單一網(wǎng)絡(luò)模型,也高于傳統(tǒng)的線性組合預(yù)測模型。

首次提出了一種基于hht和神經(jīng)網(wǎng)絡(luò)組合的預(yù)測模型。負(fù)荷數(shù)據(jù)首先經(jīng)過emd分解,得到一系列imf分量及余項,通過各分量的頻譜觀察,針對低頻imf分量規(guī)律性及周期性強(qiáng),高頻分量相對較弱的特點,對低頻imf分量選擇合適的預(yù)測模型直接進(jìn)行預(yù)測,高頻imf采用多神經(jīng)網(wǎng)絡(luò)組合預(yù)測方法。仿真結(jié)果表明,文中提出的預(yù)測模型的精度高于任一單一模型,并且高于傳統(tǒng)的線性組合預(yù)測模型。