人工神经网络作业

人工神经网络在材料领域的应用 1 人工神经网络在材料领域的应用人工神经网络在材料领域的应用 引言引言 长期以来 对材料研究采用的是依赖大量试验并进行大面积筛选的方法 这需要消耗大量人力和物理资源及时间 由于大量尚未理论化的经验和试验规 律的存在 在相当一段时间内还不可以完全脱离经验和试验来进行研究 于是 人们将目光转向理论付诸的材料研究 将先进的计算机技术应用于现代材料研 究中 通过较少的实验获得较为理想的材料 达到事半功倍的效果 材料设计 的自由度大 影响因素多 利用传统的数学建模方法来研究结构 工艺与性能 之间的关系 存在许多困难 而且简化求解问题的数学和力学模型 往往是模 型本身存在较大的局限性 难以满足工程技术的需求 人工神经网络的发展 为材料的研究提供了新的有效途径 1 人工神经网络 Artifical Neural Networks 是用来模拟人脑结构及智能特点的 一个国际前沿研究领域 它具有独特的大规模并行分布处理及学习联想能力 力图模拟生物神经系统 与其他传统模型相比 它具有以下独特的优点 较强 的非线性问题处理能力 对噪声和不完整信息具有低敏感性 抗噪声能力好 在运行过程中依动态数据库对周围环境具有自适应能力而自我调整 完善 发 展使误差达到最小 以提高运行精度 能很好的完成多变量模式识别 能对过 程实现在线响应 在系统中可以在线使用 由于他们的综合特点和人类的智能 相似 故具有大规模并行 分布式存贮和处理 自组织 自适应的学习能力 适用于处理需要同时考虑许多因素和条件的不精确和模糊的信息问题 可以解 决专家系统和统计分析方法不易解决的问题 2 正是因为具有上述优点 人工神经网络在信号处理 模式 识别 目标跟踪 机器人控制 专家系统 组合优化 网络管理等众多领域的应用中获得了引人 注目的成果 人工神经网络是一门高度综合的交叉学科 已在生物 微电子 数学 物理 化学化工和材料等学科中得到了广泛的应用 在材料科学与工程 领域中 人工神经网络在处理材料科学的许多问题中发挥了巨大作用 已普遍 用于材料设计与成分优化 材料的智能加工与控制 材料加工工艺的优化 材 料相变规律的研究与相变点的预测 材料性能及缺陷预测等方面 涉及高分子 金属 合金和无机非金属等多种材料 并取得了良好效果 3 1 人工神经网络的概念与模型人工神经网络的概念与模型 1 1 概念 人工神经网络 Artificial Neural Network 简称 ANN 是由大量简单的称之为 人工神经网络在材料领域的应用 2 神经元 Neurons 的处理单元以某种拓扑结构广泛地相互联接而构成的复杂的 自适应 自组织的非线性的动力学系统 具有学习功能 记忆功能 计算功能 以及智能处理功能 并在不同程度和层次上模仿人脑神经系统的信息处理 存 储及检索功能 他是在对以人脑为主要代表的生物神经系统的组织结构和行为 特征进行研究的基础上 试图通过模拟人类神经系统对信息进行加工 记忆和 处理的方式 设计出的一种具有人脑风格的信息处理系统 它更侧重于对人脑 某些特定功能的模拟 强调大量神经元之间的协同作用 通过学习的方法解决 问题是人工神经网络的重要特征 3 人工神经网络按其结构不同可分为 前向多层前馈神经网络 BP 网 反馈 网络 Hopfield 网 自组织竞争人工神经网络 Kohonen 网 径向基函数网络 RBF 网 等 尽管网络的具体类型很多 但其基本类型都是由大量的计算单元 神经元 广泛相互理解而构成的并行处理网络 在材料科学与工程领域 BP 网 应用的最为成功和广泛 是对映射能力和学习算法研究得最为深人的网络 该 神经网络具有很强的自组织 自适应 联想记忆及推广能力 对有代表性例子 的学习和训练 能够掌握事物的本质特征 可以解决许多问题 1 2 人工神经网络的基本结构 无论何种神经网络 均是由大量人工神经元相互连接而组成 人工神经元 是人工神经网络的基本单元 它的原理如图 1 所示 其中 为 1 2 i X i n 第 个外部输入信号 为神经元 到神经元之间的连接权重 为神经元i ij Wij j U 的阈值 f 为激励函数 传递函数 为神经元的输出 神经元按如下方式jyjj 完成其功能 1 神经元各输入端接收信号 2 神经元接收到各输入端权重和的 总信息 各权重和是一个线性函数 3 神经元的细胞体接收到的各输 i jj w x 入端权重和与阈值相比较 当大于阈值时 神经元激励 在激励函数的作用下 产生输出信号 反之处于抑制状态 yj 图 1 人工神经网络基本原理图 1 3 模型 人工神经网络的模型及算法 一般主要依据网络的准确性 自适应性 收 人工神经网络在材料领域的应用 3 敛性及可推广性等四条原则进行选择 人工神经网络具有明显的层次结构 它 主要由处理单元 神经元 联接权重 层 输人层 隐层和输出层 阀值和转移 函数组成等 输人层的处理单元将输人值转人相邻的联接权重 隐层和输出层 的处理单元将它们的输人值求和并根据转移函数计算输出值 联接权重是将神 经网络中的处理单元联系起来 其值是随各处理单元的联接程度而变化 阀值 可使网络能更自由地获取所要描述的函数关系 其值可为恒值或可变值 转移 函数通常为非线性函数 它是将输人的数据转化为输出的处理单元 典型的 BP 神经网络模型如图 2 所示 图 2 BP 网络模型 BP 算法是由两部分组成 信息的正向传递与误差的反向传播 在正向传播 过程中 输入信息从输人经隐含层逐层计算传向输出层 每一层神经元的输出 作用于下一层神经元的输人 如果在输出层没有得到期望的输出 则计算输出 层的误差变化值 然后转向反向传播 通过网络将误差信号沿原来的连接通路 反传回来修改各层神经元的权值直至达到期望目标 2 人工神经网络在材料科学中的应用人工神经网络在材料科学中的应用 在材料科学研究中 有许多问题的基本原理是清楚的 但难以进行科学的 处理 无法建立确切的数学模型 由于人工神经网络无需预先给定公式的形式 而是以实验数据为基础 经过有限次迭代计算而获得的一个反映实验数据内在 规律的数学模型 特别适合于研究材料科学中复杂的非线性问题 人工神经网 络在处理规律不明显 组分变量多的问题方面具有特殊的优越性 张骏 4 等应用模糊神经网络研究了金属快速凝固问题 他们选取 Ni 35 Fe 单相合金作为研究对象 应用误差反向传播 BP 学习算法进行训练 由输入层 输出层和两个隐层组成 输人参数包括熔体过冷度和合金成分等自变量 输出 值为枝晶生长速度 并将计算结果与所取得的实验值及 LKT 模型的结果进行了 比较 随机模糊神经网络的计算结果能够在 AT 0 310 K 的宽广过冷度范围内 与实验结果相一致 而且预测了 Ni 35 Fe 合金枝晶生长速度将在 350 K 过渡 速度附近出现一个极大值 结果表明采用随机模糊神经网络能够深入揭示快速 人工神经网络在材料领域的应用 4 凝固过程中的枝晶生长动力学规律 由于在模糊神经网络中引入了随机控制 从而能够在参数学习过程中最大限度地排除实验数据所含误差的干扰 并且使 得计算过程的收敛速度比常规的人工神经网络提高数十倍 合金材料设计就是按照预定的合金性能设计最佳的成分 最佳的制备加工 工艺 其核心思想就是确定合金成分 工艺及其性能之间的关系 但是由于材 料成分 工艺 组织 性能之间的关系和规律是极其复杂的 迄今为止尚没有 足够完善的理论能对他们之间的定量关系进行描述 研究人员将 BP 神经网络 应用其中 得到较好的结果 在朱昱 5 的研究中 Al Pb 钢背轴瓦材料连铸工 艺的确定依赖于经验 靠调试时不断调整获得经验 为了获得综合性能较优的 轴瓦材料 通过 Matlab 环境下神经网络模拟 利用遗传算法实现连铸工艺优化 所得轴瓦材料剪切强度为 100 MPa 左右 抗拉强度为 60 MPa 伸长率为 17 2 满足了使用要求 此外朱昱 6 基于神经网络和遗传算法对新型 Al 10 Pb 钢背复合轴瓦材料的连铸生产工艺进行了优化研究 结果表明 采用优 化的工艺 在所获得的 Al Pb 合金层组织中 Pb 相颗粒细小 弥散分布 无 偏析 性能好 金属的腐蚀行为是一个复杂的过程 受到环境 成分 表面状态以及热处 理工艺等各种因素的影响 各因素与腐蚀之间的关系是非线性的 利用传统的 分析方法较难建立准确的预测模型 因此研究人员开始探索人工神经网络技术 自 2O 世纪 90 年代起 在我国开始将人工神经网络技术应用于腐蚀研究领域 主要用于研究大气 海水和土壤环境中金属材料 特别是碳钢 低合金钢的腐 蚀影响因素 以及相关的腐蚀预测模型研究 邓春龙 7 根据实海环境数据及材 料腐蚀数据 利用 BP 结构神经网络建立了碳钢 低合金钢在实海环境中腐蚀 速度与环境因素 材料成分之间神经网络预测模型 探讨了建立预测模型中遇 到的一些问题 结果表明该模型可以较准确的预测碳钢 低合金钢在不同海域 的腐蚀速度 该研究中 将影响碳钢 低合金钢在实海环境中腐蚀速度的主要 因素分为实海环境因素和材料成分因素 实海环境因素主要包括 年平均温度 年平均氧浓度 年平均盐度 pH 值 平均流速以及生物附着 6 种因素 成分因 素包括 Cu C Cr Mn A1 P S Si Mo V 和 Ni 11 种成分 因此网络 结构的输入节点数量为 17 输出值为全浸 1 2 4 年和 8 年的 4 个平均腐蚀速 度 输出层节点数为 4 另外 邓春龙 8 应用 BP 神经网络了铜及铜合金的海水 腐蚀性能 根据实海环境数据及材料腐蚀数据 建立了铜及铜合金在实海环境 中腐蚀速度与环境因素 材料成分之间神经网络预测模型 利用建立的预测模 型分析了环境因素对铜及铜合金的腐蚀速度的影响 分析结果表明 温度的升 高及生物污损促进铜及铜合金的腐蚀 而 pH 盐度和氧浓度的升高对浸泡一年 的材料腐蚀速度有明显的抑制作用 人工神经网络在材料领域的应用 5 材料的本构关系是流变应力与热加工参数之间最基本的函数关系 代表了 材料最基本的变形行为 流变应力的大小不但是设备选择以及模具设计的依据 和前提 也是衡量其塑性加工能力的重要标志 因此 了解材料在热加工条件 下的变形特性 可为其热机械加工工艺的制定提供参考 研究材料的高温变形 行为 对于钛合金组织性能的控制以及工艺参数的合理选择具有特别重要的意 义 通常采用数理统计方法对实验数据进行分析 并在其基础上建立稳态流变 应力的数学模型 但由于影响稳态流变应力的因素很多 用上述方法建立的数 学模型与复杂的真实变形情况有时相差甚远 模型精度受到变形条件的限制 同时建模过程复杂且工作量大 而基于神经网络进行的系统建模可以弥补这一 本质上的不足 何勇等 9 在 Gleeble 1500 热模拟机上 采用圆柱体高温压缩试 验 得到 Ti 50 5Ni 合金在不同变形工艺参数条件下的应力值 以压缩试验所得 数据为基础 根据 BP 人工神经网络算法原理 建立了 Ti 50 5Ni 合金高温压缩 变形真应力与真应变 应变速率和变形温度关系的预测模型 并对所建立的模 型进行了误差分析 结果表明 BP 神经网络用于 Ti 50 5Ni 合金高温压缩变形 本构关系建模是可行的 拟合度可达 1 3 较好地反映了实际变形过程的特征 而且能够弥补传统回归模型不能反应变形全过程的局限性 并消除实验过程中 实际温度偏离设定温度所带来的样本误差及其对模型准确度的影响 Reddy 10 等用 BP 神经网络建立了具有等轴 B 组织的 Ti 6Al 4V 合金高温 压缩下的流变应力预测模型 该模型用来预测变形温度在 700 1100 应变速 率为 10 10 s 时的流变应力数值 并与传统方法建立的数学公式的计算结果 进行了对比 结果表明 神经网络模型的预测值误差不超过 5 6 预测效果明 显优于数学公式的计算值 大大减少表征材料流动行为所需的实验 避免了经 验一半经验本构模型中需要确定许多常数的问题 孙宇 11 12 等运用 Gleeble1500 热模拟实验机对 Ti 22A1 25Nb 合金和 Ti 17 合金试样分别进行等温压缩变形试验 以实验数据为基础 采用 BP 神经网络 方法预测两种钛合金的流变应力 建立了 Ti 22Al 25Nb 合金的本构关系 并 与传统回归拟合方法的计算结果进行对比 同时 结合动态材料模型 DMM 采用训练好的人工神经网络模型预测试验条件范围以外的流变应力曲线的变化 规律进而生成 Tj l7 合金加工图 结果发现 Ti 22Al 25Nb 合金的 BP 神经网络 本构关系模型的预测精度明显优于传统公式的计算结果 模型可以很好地描述 Ti 22Al 25Nb 合金在高温变形时 各热力学参数之间的复杂非线性关系 为该 合金本构关系方程模型的建立提供了一种便捷有效的方法 对于 Ti 17 合金来 讲 神经网络构造的加工图其安全区域和失稳区域与实测数据所构造的加工图 基本相符 说明在实验数据数量有限的条件下 模型可以精确地预测输出未知 结果 从而一定程度上解决实验数据不足的缺陷 人工神经网络在材料领域的应用 6 McBride 等 13 以化学成分 组织类型和测试温度为输入参数 拉伸性能 即拉伸极限 伸长率 断面收缩率和弹性模量 为输出参数 建立了预测 基 TiAl 合金性能的 BP 神经网络模型 结果表明 该模型不但能预测合金在 不同工作温度条件下的力学性能 而且可以优化工艺参数以获得材料的优异性 能 Guo 等 14 利用热力学计算和神经网络模型预测钛合金化学成分对相变点 的影响 模型的输人参数包括 A1 Cr Fe Mo Sn V Zr 和 O 输出参数 为相变点 同时 利用线性回归分析研究合金成分对相变点的影响 结果 表明 在双元系统中 利用 Thermo Calc 可以得到更好的计算结果 但在多元 系统中 ANN 模型则表现出更优良的预测精度 王敏等 15 采用多层前向反馈神经网络模型 对钛合金钨极氩弧焊的焊接接 头机械性能进行了模拟和预测 其中 输入参数包括钛合金成分 冷却速度和 热处理参数 输出参数包括 5 个重要的机械性能 即极限抗拉强度 延伸率 断面收缩率 屈服强度和硬度 详细分析了铝和钒这 2 种元素对机械性能的影 响 童莉葛等 16 针对实际中高强度管线钢焊接工艺参数的选择主要依据试验和 经验的局限性 使用 vc 6 0 建立了预测高强度管线钢焊接接头性能参数裂纹 尖端张开位移 CTOD 的 BP 神经网络模型 该模型输入层节点数为 4 1 个隐 层 节点数为 14 激活函数为 Sitgnoid 型 根据试验数据提取平均热输入 壁 厚 预热温度和接头区域作为预测模型的输入量 预测结果的平均绝对误差为 0 154 预测值误差在 20 以内的样本数占总样本数的 93 3 结果表明 人 工神经网络方法是预测管线钢焊接接头性能参数 CTOD 的一种有效途径 可为 管线钢焊接过程中主要工艺参数的选择和优化提供有效的手段 高军等 17 在分析冷挤压成形影响因素的基础上 将模糊理论和人工神经网 络进行了有机集成 并用以解决判断冷挤压零件能否通过一次挤压成形的问题 首先将人工神经网络进行模糊化处理 然后在分析冷挤压零件能否一次成形的 有关规则基础上 抽取若干个模糊变量 并利用隶属度函数将影响冷挤压成形 的模糊变量模糊化 同时通过从领域专家或其它知识源获取的训练样本 对人 工神经网络进行学习 获得能够进行一次成形判断的人工神经网络模型 最后 选取典型冷挤压零件进行了运行测试 并且用商业化软件 DEFORM 对系统输 出的判断结果进行数值模拟分析 模拟结果证明了系统的可行性 3 讨论与展望讨论与展望 近年来 人工神经网络理论及其在材料科学中应用的研究受到了国内外众 多学者的青睐 目前 人工神经网络在以下几个方面的发展非常迅速 1 将模 糊算法和人工神经网络两者结合起来构建模糊神经网络系统 2 基于遗传算法 和模拟退火算法的人工神经网络系统 3 将专家系统和人工神经网络结合起来 人工神经网络在材料领域的应用 7 的智能专家网络系统 4 扩大人工神经网络在材料科学中的应用领域 当然 人工神经网络作为唯象的 隐式 知识表达形式 在揭示材料制备 过程的机理及解决确定性知识方面 不能代替传统的材料研究方法 必须将人 工神经网络与传统的材料研究方法相结合来探求材料科学中存在的问题 参考文献参考文献 1 刘艳侠 高新琛 BP 神经网络在材料领域的应用 综述 J 辽宁大学学 报 2007 34 2 116 119 2 刘守纪 马万珍 周蓓霞 等 人工神经网络在材料学领域的应用 J 塑料工业 2005 33 增刊 162 164 3 徐强 张幸红 韩杰才 等 人工神经网络在材料科学中的应用于展望 J 材料科学与工艺 2005 13 4 352 355 4 张 骏 王 楠 魏炳波 戴冠中 随机模糊神经网络在快速凝固研究中 的应用 J 西北工业大学学报 2005 5 18 336 339 5 朱 昱 黄明宇 倪红军 Al Pb 钢背连铸复合工艺参数的计算机优化 J 特种铸造及有色合金 2005 25 216 218 6 朱 昱 黄明宇 倪红军 AJ Pb 钢背轴瓦材料连铸复合工艺的优化研究 J 热加工工艺 2005 3 22 24 7 邓春龙 李文君 孙明先 BP 神经网络在碳钢 低合金钢海水腐蚀中的 应用 J 腐蚀科学与防护技术 2006 1 54 57 8 邓春龙 李文君 孙明先 郭为民 刘伟 BP 神经网络在铜及铜合金海 水腐蚀预测中的应用 J 海洋科学 2006 3 16 20 9 何勇 张红钢 刘雪峰 等 NiTi 合金高温变形本构关系的神经网络模 型 J 稀有金属材料与工程 2008 37 1 19 23 10 Reddy N S You Hwan Lee Chart Hee Park et ol Prediction of flow stress in Ti 6AI 4V alloy with an equiaxed microstructur