《机械工程学报》模板

1、基于神经网络的双重辉光离子渗透金属过程预测模型(黑体二号) *董宏林1阎英鑫2王科俊2段广仁2 (第四号模仿宋)(1、南京理工大学计算机科学技术学院南京； (五号宋体)2 .哈尔滨工业大学宇宙学院哈尔滨)摘要(小五黑体):将人工神经网络理论和算法应用于双辉光离子渗透金属技术的研究，在训练网络的基础上，建立双辉光离子渗透金属技术和渗透层表面成分和元素的总质量分数、渗透层厚度和吸收率的数学模型，实验结果与计算结果很好地一致。 (小五宋体)关键词(小五黑体):双重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Times New Roman )research onan

2、-basedprectionmodeledusetodoubleglowplasmasurfacealloyingprocessing (小3 )XXX (姓氏大写) xhttp:/www.Bai /小毛o /xxxxxxxhttp:/www.Bai /小毛o /(小四)(1. collegeofmechanicalengineering，通用sityofscienceandtechnologybeijing，beijing；2.schoolofmechanicalengineering，上海教育通用，上海) (第5号)abstract:thethetheory

3、andthealgorithmoftheartificialneuralnetworkareappliedintherearesofthethechniqueandthecomposition the gro ment，thetithetingofsurealoyinglayeraswilllastheabsorptionrateisbuilt.thecomplicationressareingoodagreementwitheexperimentaKey words (小五黑体):双glowartificialneuralnetworkpredictionmodel0前言(四号宋体) *国家

4、自然科学基金资助项目()。http:/www.Bai /小毛o /xxx收到了初稿http:/www.Bai /小毛o /xxx收到了修正原稿(六号宋体，这里是角注，与正文不同)。(五号宋体)双重辉光离子渗透金属技术是我国在国内外获得专利的等离子体表面冶金新技术1-4，可以在普通材料的表面形成具有特殊物理化学性质的表面合金层。 双辉光离子多元共渗是一个非常复杂的问题，各种合金元素在源表面溅射的特性、工件表面的沉积扩散、等离子体空间传输上有很大差异。 而且宏观过程参数多，它们的相互作用关系复杂，以往很难依靠经验，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

5、和发展为研究非线性系统提供了强大的工具，它已经应用于许多研究领域，在材料热处理学科中的应用越来越受到重视5-6。 第一次以美国HAYEN公司制哈斯特洛伊c-2000镍基耐腐蚀合金为源，进行了Ni-Cr-Mo-Cu多元共渗工艺的研究。 利用人工神经网络技术，建立了双辉光离子渗透金属技术和渗透层合金成分和合金元素的总质量分数、渗透层厚度和吸收率的预测模型。1试验方法和试验方案(第四号宋体)1.1试验方法渗透金属试验用自制的双辉光离子渗透金属炉进行，源材料为Hastelloy C2000合金，尺寸为130 mm50 mm4 mm，工件材料为20钢，尺寸为80 mm25 mm3 mm。 采用脉冲放电模

6、式：源采用直流电源，工件采用脉冲电源。 源材料Hastelloy C2000的质量分数： wNi=59%、wMo=16%、wCr=23%、wCu=1.6%、wC0.01%。1.2试验方案(五号黑体)为了选择正交试验各工艺参数的可能范围，结合以往的试验研究经验，然后进行20馀炉的摸索试验，确定正交工艺参数。 正交试验按照L16(45 )正交表进行了试验。 指标项目是渗透层表面的合金元素成分和总质量分数，渗透层的厚度和吸收率。 要因等级表如表1所示。表1因子水平表(小五黑体)因子(六号宋体)水平方向1234源极电压U/V1 0501 000950900工作电压U/V275250350300气压p/

7、Pa35304540极间距d/mm15202522.52数学模型网络学习部分利用三层BP神经网络完成函数的映射。 误差反向传播神经网络是三层以上的分层神经网络，如图所示，是三层前馈神经网络：包含输入层、抑制层(中间层)、输出层的输入层有I个节点，隐含层有j个节点，输出层有t个节点。 上、下层之间的各神经元完全连接，也就是说，下层的各单元与上层的各单元权利地连接，但是各层的各神经元不连接。 网络像教师教的那样学习，一对学习模式被提供给网络时，神经元激活值从输入层通过各中间层传播到输出层，在输出层的各神经元上得到网络的输入响应。 之后，向减小期望输出和实际输出的误差的方向，从输出层经由各中间层阶段

8、性地修正各连接权重值，最后返回输入层。图1典型的BP网络映像(小五宋体)算法的步骤：(1)将初始加权系数w(0)设定为较小的随机零以外的值。(2)给出输入/输出样本对，计算网络的输出将第p组样品的输入输出分别设为u1p，u2p，unpdp=(d1p、d2p、DNP)p=1,2、2、l节点I在输入第p组的样本时(1)式中IjP是第p组样本输入时节点I的第j个输入.f是激励函数，Sigmoid型，即(2)从输入层经由隐藏层到输出层为止，可以求出网络输出层节点的输入。(3)计算网络的目标函数j。 把Ep作为第p组样本输入时的网络目标函数，取L2范数时(3)其中ykp(t)在第p组样本输入时用t阶加权

9、值来调整网络的输出，其中k是输出层的第k个节点网络的总目标函数是(4)作为网络学习状况的评价。判别：若J e(5)式中e 是预先确定的，e0该算法结束，否则前进到步骤(4)。(4)逆传播计算。 从输出层，根据j，“梯度下降法”的反计算，阶段性地调整权重值。(6)式中称为步或学习率，本文中为n设定为1000，000，0.93与计算结果比较为了验证程序的可靠性和实用性，双辉光离子多元共渗工艺参数：源电压、工作电压、极间距、气压对渗透层表面合金元素的总质量点数、渗透层的厚度、各合金元素的质量点数、吸收率(工件的加重/源网络的训练正确，同时保持一定经过1万000次训练的试验数据和计算结果的比较如表2、

10、表3所示。表2预测渗透层表面的成分编号质量分数w/%PS PS PK PS549.88114.69511.3651.605预测值51.73416.96211.2111.6611250.51416.69114.0710.912预测值51.17117.50913.0480.4151650.29019.1646.4801.308预测值50.82618.1047.81301.3331757.16819.65514.7321.353预测值59.89120.10712.1631.403表2、表3表明，训练样品和检测样品网络的实际输出值和期望值相近，应用神经网络描述双辉光离子渗透金属工艺参数和渗透层表面合金

11、成分和合金的总质量分数、渗透层厚度、吸收率之间的映射模型非常有用表3人工神经网络的训练和预测值考试号码源极电压uv工作电压uv极间距dmm气压pPa吸收率s百分比渗透层的厚度m元素的总质量分数w1%试验值预测值试验值预测值试验值预测值1111170.90070.58734.534.57987.49687.4372122261.20060.87136.536.38089.79689.2373133333.33032.84719.019.24584.89584.5084144444.65044.40121.020.87177.57977.3215*212348.10047.75325.524.95

12、077.54676.79617*121179.34080.92038.038.45992.90892.210注： *为了测量样品值，试验编号17是正交优化工艺(六号宋体)4结论(1)。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。(2)。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。(三)。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。 的双曲馀弦值。(4)。 的双曲正切值。 的双曲正切值。 的双曲正切值。 的双曲正切值。 的双曲正切值。 的双曲正切值。参考文献(黑体五号)1 IMLACH J、BLAIR B

13、 J、allia irep.semestedandpredfortheconfiledandstifiticationofindustrialmagneticbearings j .tran2 ANTILA M，LANTTO E，ark kioa.determinationofforcentandlinizeprementationforrmationandlinizedperformationactionactionby3 MIZUNO T，ARAKI K，蓝牙. staritilityansionofself-sensingmaticalcbearingcontroller j .ie t

14、rans.contr.syst.technol .1994 DAVID C、MEEKER E H、MYOUNGYU D N. Anaugmentanagementdcrontsmodeleformationcallideperformationandlinizedperformationalationa and leakage j .IEEE trans.on magn .1996，19965 CHAN T H，chensl.exactlinearizationofavoltage -控制3-poleactivemagneticbearingsystem j .ie trans.contr.syst.techno6朱祖超.超低比转速高速离心泵的理论研究和工程实现J .机械工程学报，2000，36 (4):30-33Zhu zchao.theoreticalstudyandengineeri