图片新闻
  供求信息
友情链接
当前位置:首页>>详细介绍

“2008年泛珠三角锻压年会”征文通知

 

“2008年泛珠三角锻压年会”征文通知

 

各有关单位:

为加强学术交流,促进我国锻压事业的蓬勃发展,由贵州省机械工程学会塑性成形分会主办的第三届“泛珠三角锻压年会”将于2008年8月召开,现将会议论文征集相关事项通知如下:

1.  论文内容:

为了使会议期间学术交流更为广泛有效,我们将从来稿中评选出优秀论文,并将录用论文编入论文集。会议征文内容范围如下:

* 塑性加工(金属及塑料成形)的理论、方法、工艺、模具、设备;

* 塑性加工领域的科学研究、技术革新、生产实践经验总结;

* 其它与锻压相关主题。

2.关于论文涉密部分处理的要求:

若论文内存在涉密部分,请投稿单位或个人根据保密规定进行相应处理。会议期间若出现泄密事故,由投稿单位或个人自行承担相应责任,承办单位概不负责。

3. 论文格式要求:          

论文作者应严格按照附件范本(见附件)的排版格式排版,并将论文e-mail(电子版)至lzh3118@vip.sina.comlily_237@163.com处,投稿截止日期为2008年5月10日

投稿内容包括:文章题目(中英)、作者姓名、所属单位、联系电话及电子邮箱地址、文章摘要(中英)、3-5个关键词(中英)、主要作者简介。提交的论文一律要求用Word排版,字数不超过5000字。

4. 会议地点及会议时间安排将另行发文通知。

5. 联系方式:

地址:贵州省安顺市安大航空锻造有限责任公司

邮编:561005

联系人:刘朝辉 顾莉莉

电话:0853-3393524、3393520

6. 特别提示

希望各位作者于百忙之中整理好论文并及时电邮给我们,欢迎从事相关专业的人士踊跃投稿。来稿请注明作者的联系电话及电子邮箱地址、主要作者简介等,以便我们与作者取得联系。

 

 

贵州省机械工程学会塑性成形分会

 

2007年12月18日

 

 

 

 

 

附件

基于神经网络的双层辉光离子渗金属
工艺预测模型(二号黑体)*

 

X  X 1  XXX 1   X  X 2 (四号仿宋)

(1.重庆大学  重庆  400044;

2.XX  XX  XXXXXX) (五号宋体)

 

摘要(小五黑体):将人工神经网络理论和算法应用于双层辉光离子渗金属工艺的研究,在对网络进行训练的基础上,建立了双层辉光离子渗金属工艺与渗层表面成分和元素总质量分数、渗层厚度和吸收率之间的数学模型,试验结果与计算结果十分吻合。(小五宋体)

关键词(小五黑体):双层辉光  人工神经网络  预测模型(小五宋体)

中图分类号(小五黑体):TG156(小五宋体)

英文对照


0  前言(四号宋体)*

(五号宋体)双层辉光离子渗金属技术是我国在国内外都获得专利的一项等离子表面冶金新技术[1-4],它可以在普通材料表面形成具有特殊物理、化学性质的表面合金层。双层辉光离子多元共渗是一个非常复杂的问题,各种合金元素在源极表面溅射的特性、工件表面的沉积扩散,等离子体空间传输存在较大的差异。而且宏观工艺参数较多,它们之间相互作用关系复杂,以往人们都是借助于经验,很难找到反映其内在规律的数学模型。

人工神经网络理论的提出与发展为研究非线性系统提供了一种强有力的工具,它已成功的应用于许多研究领域,在材料热处理学科的应用越来越受到重视[5-6]。首次以美国HAYEN公司生产的 Hastelloy C—2000镍基耐蚀合金为源极,进行Ni-Cr-Mo-Cu多元共渗工艺研究。利用人工神经网络技术,建立了双层辉光离子渗金属工艺与渗层合金成分及合金元素总质量分数、渗层厚度和吸收率之间的预测模型。

1  试验方法和试验方案(四号宋体)

1.1  试验方法

渗金属试验在自制双层辉光离子渗金属炉中进行,源极材料为Hastelloy C—2000合金,尺寸为130 mm×50 mm×4 mm,工件材料为20钢,尺寸为80 mm×25 mm×3 mm。采用脉冲放电模式:源极采用直流电源,工件采用脉冲电源。源极材料Hastelloy C—2000的质量分数:wNi=59%,wMo=16%,wCr=23%,wCu=1.6%,wC<0.01%。

1.2  试验方案(五号黑体)

为了选定正交试验各个工艺参数的取值范围,先结合以往试验研究的经验,然后又进行了20余炉的摸索性试验,确定了正交工艺参数。正交试验按照L16(45)正交表进行试验。指标项目为渗层表面合金元素成分及总质量分数、渗层厚度和吸收率。因素水平表如表1所示。

1  因素水平表(小五宋体)

因素(六号宋体)

水平

1

2

3

4

源极电压U/V

1 050

1 000

950

900

工件电压U/V

275

250

350

300

    气压pPa

35

30

45

40

极间距dmm

15

20

25

22.5

2  数学模型

 

在网络学习部分,采用三层BP神经网络来完成函数的映射。误差逆传播神经网络是一种具有三层或三层以上的阶层型神经网络,如图所示为一个三层前馈神经网络:它包括输入层、隐含层(中间层)、输出层;输入层有i个节点,隐含层有j 个节点,输出层有t个节点。上、下层之间各神经元实现全连接,即下层的每一单元与上层的每一单元都实现权连接,而每层各神经元之间无连接。网络按有教师示教的方式进行学习,当一对学习模式提供给网络后,神经元激活值从输入层经各中间层向输出层传播,在输出层的各神经元获得网络的输入响应。这以后,按减小希望输出与实际输出之间误差的方向,从输出层经各中间层逐层修正各连接权值,最后回到输入层。

图1  典型BP网络示意图(小五宋体)

    算法步骤:

(1) 设置初始权系w(0)为较小的随机非零值。

(2) 给定输入/输出样本对,计算网络的输出:

 设第p组样本输入、输出分别为

up=(u1p,u2p,…,unp)

dp=(d1p,d2p,…,dnp)     p=1,2,…,L

 节点i在第p组样本输入时,输出为

                           (1)                       

式中  IjP——在第p组样本输入时,节点i的第j个输入

f是激励函数,采用Sigmoid型,即

                                                     (2)          

可由输入层经隐层至输出层,求得网络输出层节点的输入。

(3) 计算网络的目标函数J

Ep为在第p组样本输入时网络的目标函数,取L2范数,则

(3)

式中  ykp(t)——在第p组样本输入时,经t次权值调整网络的输出,k是输出层第k个节点

网络的总目标函数为

                                                  (4)

作为对网络学习状况的评价。

判别: 若   

                                  J e                               (5)

式中  e  —— 预先确定的,e≥0                            

则算法结束,否则,至步骤(4)。

(4) 反向传播计算

由输出层,依据J按“梯度下降法”反向计  算,逐层调整权值。

                       

                              (6)

式中 —— 步长或称为学习率,本文中n

       1 000 000, 取0.9

3  计算结果与比较

为检验程序的可靠性与实用性,对双层辉光离子多元共渗工艺参数:源极电压、工件电压、极间距、气压对渗层表面的合金元素总质量分数、渗层厚度、各合金元素质量分数、吸收率(工件增重/源极增重)的影响进行了网络学习,并与试验结果进行了比较。模型的输入节点数为4个工艺参数,隐含层节点数为5,输出分别为上叙各指标项。为保证网络训练准确可靠,同时又具有一定的推广能力,在正交试验16组数据中选择13组作为训练样本,余下的3组以及正交优化工艺作为检测样本。经过1 000 000次训练的试验数据与计算结果的比较见表2、表3。

2  预测渗层表面的成分

编号

质量分数w/%

   Ni           Cr           Mo          Cu

5

49.881

14.695

11.365

1.605

预测值

51.734

16.962

11.211

1.661

12

50.514

16.691

14.071

0.912

预测值

51.171

17.509

13.048

0.415

16

50.290

19.164

 6.480

1.308

预测值

50.826

18.104

  7.8130

1.333

17

57.168

19.655

14.732

1.353

预测值

59.891

20.107

12.163

1.403

从表2、表3可以看出训练样本和检测样本的网络实际输出值与期望值都很接近,说明应用神经网络描述双层辉光离子渗金属工艺参数与渗层的表面合金成分和合金总质量分数、渗层厚度、吸收率之间的映射模型是十分有效的。


3  人工神经网络训练与预测值

试验编号

源极电压

U∕V

工件电压

U∕V

极间距

d∕mm

气压

p∕Pa

吸收率s∕%

渗层厚度δ∕μm

元素总质量分数w∕%

  试验值       预测值

 试验值      预测值

  试验值       预测值

 

1

1

1

1

1

70.900

70.587

34.5

34.579

87.496

87.437

 

2

1

2

2

2

61.200

60.871

36.5

36.380

89.796

89.237

 

3

1

3

3

3

33.330

32.847

19.0

19.245

84.895

84.508

 

4

1

4

4

4

44.650

44.401

21.0

20.871

77.579

77.321

 

 5*

2

1

2

3

48.100

47.753

25.5

24.950

77.546

76.796

 

 17*

1

2

1

1

79.340

80.920

38.0

38.459

92.908

92.210

 

  注:*为检测样本值,试验编号17为正交优化工艺(六号宋体)


4  结论

通过对基于神经网络的双层辉光离子多元共渗的工艺研究,建立起工艺参数与渗层的表面合金成分和合金总质量分数、渗层厚度和吸收率之间的映射模型。该模型的建立为多元共渗这种多变量、非线性系统的问题的解决提供了一个有效的工具。

参  考  文  献(五号黑体)

[1]  Zhong X,YUAN G,SU Y A, et al. Double glow surface alloying process[C].In:Third Pacific RimInternational Conference on Advanced Materials and Processing,Hawaii. 1998,6:1 969-1 978.

[2]  高原,贺志勇,赵晋香. 机用锯条齿部表面强化组织的研究[J].材料科学与工艺,1995,3(3):62-66.(小五宋体)

[3]  高原,贺志勇,赵晋香.一种新型的表面高速钢的形成方法[J]. 太原理工大学学报,1996,27(1):33-35.

[4]  高原,贺志勇,刘小萍. 离子渗铬钼手用锯条合金元素与切削性能的研究[J].兵工学报,1998,19(4):331-335.

[5]  李延民,潘清跃,黄卫东,等.应用人工神经网络于激光加工工艺优化[J]. 金属热处理学报,1998,19(4):14-17.

[6]  吴良,钟文锋. 基于人工神经网络的结构钢端淬曲线预测系统模型的研究[J]. 金属热处理学报,2000,21(4):13-17.

 

作者简介(六号黑体):X X,男,1973年出生,博士研究生,主要研究方向为表面改性方面的研究。(六号)

E-mail(六号黑体)::XX@163.com

 

 



*  xx项目(7150080050)。20010705收到初稿,

20020515收到修改稿(六号宋体,此处为角注,和正文分开)


版权所有:江西省锻压时时彩   E-mail: jxforge@163.com
地 址: 南昌市学府路999号南昌大学机电楼   先进成形制造及模具研究所
联系电话:0791-5287568 闫洪秘书长 0791-8016906 涂强常务副秘书长