基于神經(jīng)網(wǎng)絡(luò)的雙層輝光離子滲金屬[0001]

1、<p>　　基于神經(jīng)網(wǎng)絡(luò)的雙層輝光離子滲金屬工藝預(yù)測模型(二號黑體)</p><p>　　張偉1,*(*號用以表示尾注)，苗秀1，費(fèi)常2 (四號仿宋)</p><p>　　(1．哈爾濱工業(yè)大學(xué)機(jī)電工程學(xué)院 黑龍江 哈爾濱 150001；</p><p>　　2．上海交通大學(xué)機(jī)械工程與動力學(xué)院 上海 200030) （五號宋體）</p>

2、<p>　　摘要（小五黑體）：將人工神經(jīng)網(wǎng)絡(luò)理論和算法應(yīng)用于雙層輝光離子滲金屬工藝的研究，在對網(wǎng)絡(luò)進(jìn)行訓(xùn)練的基礎(chǔ)上，建立了雙層輝光離子滲金屬工藝與滲層表面成分和元素總質(zhì)量分?jǐn)?shù)、滲層厚度和吸收率之間的數(shù)學(xué)模型，試驗(yàn)結(jié)果與計(jì)算結(jié)果十分吻合。（小五宋體）</p><p>　　關(guān)鍵詞（小五黑體）：雙層輝光，人工神經(jīng)網(wǎng)絡(luò)，預(yù)測模型（小五宋體）</p><p>　　RESEARCH ON

3、 ANN-BASED PREDICTION MODEL USED TO DOUBLE GLOW PLASMA SURFACE ALLOYING PROCESSING（小四，粗體）</p><p>　　ZHANG Wei1, MIAO Xiu1, FEI Chang2（五號）</p><p>　　(1. School of Mechatronics Engineering, Harbin I

4、nstitute of Technology, Harbin, Heilongjiang 150001；</p><p>　　2. School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai 200030 )（小五斜體）</p><p>　　Abstract（小五粗體）：The theory and th

5、e algorithm of the artificial neural network are applied in the research of the technique and the composition, the gross mass fraction of element, the thickness of surface alloying layer as well as the absorption rate is

6、 built. The calculation results are in good agreement with the experimental results.（小五）</p><p>　　Key words（小五粗體）：Double glow, Artificial neural network, Prediction model</p><p>　　0 前言（四號宋體）(此處

7、尾注符號*號改白色) </p><p>　?。ㄎ逄査误w）雙層輝光離子滲金屬技術(shù)是我國在國內(nèi)外都獲得專利的一項(xiàng)等離子表面冶金新技術(shù)[1－4],它可以在普通材料表面形成具有特殊物理、化學(xué)性質(zhì)的表面合金層。雙層輝光離子多元共滲是一個(gè)非常復(fù)雜的問題，各種合金元素在源極表面濺射的特性、工件表面的沉積擴(kuò)散，等離子體空間傳輸存在較大的差異。而且宏觀工藝參數(shù)較多，它們之間相互作用關(guān)系復(fù)雜，以往人們都是借助于經(jīng)驗(yàn)，很難找到反映其內(nèi)

8、在規(guī)律的數(shù)學(xué)模型。</p><p>　　人工神經(jīng)網(wǎng)絡(luò)理論的提出與發(fā)展為研究非線性系統(tǒng)提供了一種強(qiáng)有力的工具，它已成功的應(yīng)用于許多研究領(lǐng)域，在材料熱處理學(xué)科的應(yīng)用越來越受到重視[5－6]。首次以美國HAYEN公司生產(chǎn)的 Hastelloy C—2000鎳基耐蝕合金為源極，進(jìn)行Ni-Cr-Mo-Cu多元共滲工藝研究。利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)，建立了雙層輝光離子滲金屬工藝與滲層合金成分及合金元素總質(zhì)量分?jǐn)?shù)、滲層厚度和吸收率

9、之間的預(yù)測模型。</p><p>　　1 試驗(yàn)方法和試驗(yàn)方案（四號宋體）</p><p><b>　　1.1 試驗(yàn)方法</b></p><p>　　滲金屬試驗(yàn)在自制雙層輝光離子滲金屬爐中進(jìn)行，源極材料為Hastelloy C—2000合金，尺寸為130 mm×50 mm×4 mm，工件材料為20鋼，尺寸為80 mm

10、15;25 mm×3 mm。采用脈沖放電模式：源極采用直流電源，工件采用脈沖電源。源極材料Hastelloy C—2000的質(zhì)量分?jǐn)?shù)：wNi=59%，wMo=16%，wCr=23%，wCu=1.6%，wC＜0.01%。</p><p>　　1.2 試驗(yàn)方案（五號黑體）</p><p>　　為了選定正交試驗(yàn)各個(gè)工藝參數(shù)的取值范圍，先結(jié)合以往試驗(yàn)研究的經(jīng)驗(yàn)，然后又進(jìn)行了20余爐的摸

11、索性試驗(yàn)，確定了正交工藝參數(shù)。正交試驗(yàn)按照L16(45)正交表進(jìn)行試驗(yàn)。指標(biāo)項(xiàng)目為滲層表面合金元素成分及總質(zhì)量分?jǐn)?shù)、滲層厚度和吸收率。因素水平表如表1所示。</p><p>　　表1 因素水平表（小五黑體）</p><p><b>　　2 數(shù)學(xué)模型</b></p><p>　　在網(wǎng)絡(luò)學(xué)習(xí)部分，采用三層BP神經(jīng)網(wǎng)絡(luò)來完成函數(shù)的映射。誤差逆?zhèn)鞑?/p>

12、神經(jīng)網(wǎng)絡(luò)是一種具有三層或三層以上的階層型神經(jīng)網(wǎng)絡(luò)，如圖所示為一個(gè)三層前饋神經(jīng)網(wǎng)絡(luò)：它包括輸入層、隱含層(中間層)、輸出層；輸入層有i個(gè)節(jié)點(diǎn)，隱含層有j 個(gè)節(jié)點(diǎn)，輸出層有t個(gè)節(jié)點(diǎn)。上、下層之間各神經(jīng)元實(shí)現(xiàn)全連接，即下層的每一單元與上層的每一單元都實(shí)現(xiàn)權(quán)連接，而每層各神經(jīng)元之間無連接。網(wǎng)絡(luò)按有教師示教的方式進(jìn)行學(xué)習(xí)，當(dāng)一對學(xué)習(xí)模式提供給網(wǎng)絡(luò)后，神經(jīng)元激活值從輸入層經(jīng)各中間層向輸出層傳播，在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)。這以后，按減小希

13、望輸出與實(shí)際輸出之間誤差的方向，從輸出層經(jīng)各中間層逐層修正各連接權(quán)值，最后回到輸入層。</p><p>　　圖1 典型BP網(wǎng)絡(luò)示意圖（小五宋體）</p><p><b>　　算法步驟：</b></p><p>　　(1) 設(shè)置初始權(quán)系w(0)為較小的隨機(jī)非零值。</p><p>　　(2) 給定輸入/輸出樣本對，計(jì)算網(wǎng)

14、絡(luò)的輸出：</p><p>　　設(shè)第p組樣本輸入、輸出分別為</p><p>　　up=(u1p,u2p,…,unp)</p><p>　　dp=(d1p,d2p,…,dnp) p=1,2,…,L</p><p>　　節(jié)點(diǎn)i在第p組樣本輸入時(shí)，輸出為</p><p>　　(1)

15、 </p><p>　　式中 IjP——在第p組樣本輸入時(shí)，節(jié)點(diǎn)i的第j個(gè)輸入</p><p>　　f是激勵(lì)函數(shù)，采用Sigmoid型，即</p><p>　　(2) </p><p>　　可由輸入層經(jīng)隱層至輸出層，求得網(wǎng)絡(luò)輸出層節(jié)點(diǎn)的輸入。</p><p>　　(3) 計(jì)算網(wǎng)絡(luò)的目標(biāo)函

16、數(shù)J</p><p>　　設(shè)Ep為在第p組樣本輸入時(shí)網(wǎng)絡(luò)的目標(biāo)函數(shù)，取L2范數(shù)，則</p><p><b>　　(3)</b></p><p>　　式中 ykp(t)——在第p組樣本輸入時(shí)，經(jīng)t次權(quán)值調(diào)整網(wǎng)絡(luò)的輸出，k是輸出層第k個(gè)節(jié)點(diǎn)</p><p><b>　　網(wǎng)絡(luò)的總目標(biāo)函數(shù)為</b><

17、;/p><p><b>　　(4)</b></p><p>　　作為對網(wǎng)絡(luò)學(xué)習(xí)狀況的評價(jià)。</p><p><b>　　判別： 若 </b></p><p><b>　　J ≤(5)</b></p><p>　　式中 —— 預(yù)先確定的，≥0&

18、lt;/p><p>　　則算法結(jié)束，否則，至步驟(4)。</p><p>　　(4) 反向傳播計(jì)算</p><p>　　由輸出層，依據(jù)J按“梯度下降法”反向計(jì) 算，逐層調(diào)整權(quán)值。</p><p><b>　　(6)</b></p><p>　　式中 —— 步長或稱為學(xué)習(xí)率，本文中n取</p&g

19、t;<p>　　1 000 000，取0.9</p><p>　　3 計(jì)算結(jié)果與比較</p><p>　　為檢驗(yàn)程序的可靠性與實(shí)用性，對雙層輝光離子多元共滲工藝參數(shù)：源極電壓、工件電壓、極間距、氣壓對滲層表面的合金元素總質(zhì)量分?jǐn)?shù)、滲層厚度、各合金元素質(zhì)量分?jǐn)?shù)、吸收率(工件增重/源極增重)的影響進(jìn)行了網(wǎng)絡(luò)學(xué)習(xí)，并與試驗(yàn)結(jié)果進(jìn)行了比較。模型的輸入節(jié)點(diǎn)數(shù)為4個(gè)工藝參數(shù)，隱含層節(jié)點(diǎn)

20、數(shù)為5，輸出分別為上敘各指標(biāo)項(xiàng)。為保證網(wǎng)絡(luò)訓(xùn)練準(zhǔn)確可靠，同時(shí)又具有一定的推廣能力，在正交試驗(yàn)16組數(shù)據(jù)中選擇13組作為訓(xùn)練樣本，余下的3組以及正交優(yōu)化工藝作為檢測樣本。經(jīng)過1 000 000次訓(xùn)練的試驗(yàn)數(shù)據(jù)與計(jì)算結(jié)果的比較見表2、表3。</p><p>　　表2 預(yù)測滲層表面的成分</p><p>　　從表2、表3可以看出訓(xùn)練樣本和檢測樣本的網(wǎng)絡(luò)實(shí)際輸出值與期望值都很接近，說明應(yīng)用神經(jīng)網(wǎng)

21、絡(luò)描述雙層輝光離子滲金屬工藝參數(shù)與滲層的表面合金成分和合金總質(zhì)量分?jǐn)?shù)、滲層厚度、吸收率之間的映射模型是十分有效的。</p><p>　　表3 人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練與預(yù)測值</p><p>　　注：*為檢測樣本值，試驗(yàn)編號17為正交優(yōu)化工藝（六號宋體）</p><p><b>　　4 結(jié)論</b></p><p>　　通過

22、對基于神經(jīng)網(wǎng)絡(luò)的雙層輝光離子多元共滲的工藝研究，建立起工藝參數(shù)與滲層的表面合金成分和合金總質(zhì)量分?jǐn)?shù)、滲層厚度和吸收率之間的映射模型。該模型的建立為多元共滲這種多變量、非線性系統(tǒng)的問題的解決提供了一個(gè)有效的工具。</p><p>　　參 考 文 獻(xiàn)（五號黑體）</p><p>　　[1] Zhong X，YUAN G，SU Y A, et al. Double glow surfac

23、e alloying process[C]．In：Third Pacific RimInternational Conference on Advanced Materials and Processing，Hawaii. 1998，6：1 969-1 978．</p><p>　　[2] 高原，賀志勇，趙晉香. 機(jī)用鋸條齒部表面強(qiáng)化組織的研究[J]．材料科學(xué)與工藝，1995，3(3)：62-66．（小五宋體）

24、</p><p>　　[3] 高原，賀志勇，趙晉香．一種新型的表面高速鋼的形成方法[J]. 太原理工大學(xué)學(xué)報(bào)，1996，27(1)：33-35．</p><p>　　[4] 高原，賀志勇，劉小萍. 離子滲鉻鉬手用鋸條合金元素與切削性能的研究[J]．兵工學(xué)報(bào)，1998，19(4)：331-335．</p><p>　　[5] 李延民，潘清躍，黃衛(wèi)東，等．應(yīng)用人工