期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于BP神经网络的粘结NdFeB永磁体性能预测 被引量:4
1
作者 储林华 查五生 +1 位作者 刘锦云 陈德波 《材料科学与工程学报》 CAS CSCD 北大核心 2008年第6期958-962,共5页
本文基于MATLAB平台和现有的少量实验数据,利用神经网络的非线性映射和泛化能力,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP神经网络模型,并通过检验样本检验了ANN模型的准确性。实验表明:将神经网络技术应用于材料制备... 本文基于MATLAB平台和现有的少量实验数据,利用神经网络的非线性映射和泛化能力,建立了一个输入为工艺参数、输出为NdFeB永磁体性能参量的BP神经网络模型,并通过检验样本检验了ANN模型的准确性。实验表明:将神经网络技术应用于材料制备工艺设计,可以明显缩短实验周期,提高工艺设计效率,对实际的研究工作具有一定的指导意义和应用价值。 展开更多
关键词 BP神经网络 NDFEB粘结磁体 磁性能
在线阅读 下载PDF
应用支持向量机预测(Nd_2Fe_(14)B/α-Fe)永磁体性能
2
作者 王向中 查五生 +2 位作者 燕顺 储林华 周胜海 《材料科学与工程学报》 CAS CSCD 北大核心 2010年第3期453-457,共5页
为研究合金成分对磁体性能的影响,将支持向量回归机应用于磁性能的预测。在小样本情况下应用MATLAB支持向量机工具箱,建立了磁性能的支持向量回归机模型,将合金成分作为输入变量对磁性能进行预测。选择合适的模型参数,最终建立了拟合误... 为研究合金成分对磁体性能的影响,将支持向量回归机应用于磁性能的预测。在小样本情况下应用MATLAB支持向量机工具箱,建立了磁性能的支持向量回归机模型,将合金成分作为输入变量对磁性能进行预测。选择合适的模型参数,最终建立了拟合误差、预测误差均较小的模型,对剩磁、矫顽力以及最大磁能积的预测相对误差平均值分别为1.94%、5.43%及4.34%。试验表明将支持向量回归机用于磁性能的预测是一种可行且有效的方法。 展开更多
关键词 稀土 纳米复相永磁体 支持向量回归机 结构风险
在线阅读 下载PDF
基于GA-BP改进算法的Zr-4合金高温本构关系模型建立 被引量:4
3
作者 储林华 王练 +1 位作者 李恒羽 李晓珊 《精密成形工程》 2017年第6期125-129,共5页
目的针对传统锻造工艺进行优化设计,提升产品质量和生产效率。方法通过试验和模拟相结合的方法,建立能够真实反映锆合金高温变形特性的本构关系模型。利用Gleeble-3800热模拟机,对Zr-4合金的圆柱试样进行等温压缩变形试验,以不同变形条... 目的针对传统锻造工艺进行优化设计,提升产品质量和生产效率。方法通过试验和模拟相结合的方法,建立能够真实反映锆合金高温变形特性的本构关系模型。利用Gleeble-3800热模拟机,对Zr-4合金的圆柱试样进行等温压缩变形试验,以不同变形条件(变形温度为700~1000℃,应变速率为0.001~0.1 s^(-1))下获得的应力-应变数据为基础,分别基于普通BP网络方法和遗传算法(GA)改进BP网络(GA-BP)方法建立了该合金的高温本构关系模型,对比两种模型的预测结果差异。结果改进的GA-BP模型预测误差在±2%以内,而普通BP模型的误差范围为±6%。结论改进模型具有更高的预测精度和稳定性,能够更加真实地描述Zr-4合金在高温变形时各热力学参数之间高度非线性的复杂关系,从而也为本构关系模型的建立提供一种十分准确有效的方法。 展开更多
关键词 遗传算法 BP神经网络 锆合金 本构关系 热模拟
在线阅读 下载PDF
基于有限元和烟花算法改进BP网络的核用锆合金管材轧制损伤预测
4
作者 储林华 张书彦 +1 位作者 卫新民 吴桂毅 《材料导报》 CSCD 北大核心 2023年第S01期441-447,共7页
锆合金包壳产品是核反应堆的第一道安全屏障,特殊的使用环境决定了其加工质量的重要性。如何合理、快捷地评估锆合金管材轧制过程的缺陷损伤和疲劳寿命,是其作为核结构材料应用中必须解决的问题。常规的有限元数值分析方法(FEA),存在着... 锆合金包壳产品是核反应堆的第一道安全屏障,特殊的使用环境决定了其加工质量的重要性。如何合理、快捷地评估锆合金管材轧制过程的缺陷损伤和疲劳寿命,是其作为核结构材料应用中必须解决的问题。常规的有限元数值分析方法(FEA),存在着建模过程复杂、计算周期长且计算量巨大等问题。有鉴于此,本工作提出了有限元仿真和机器学习复合应用技术(FEA-ML),即在首先构建锆管轧制有限元模型的基础上,通过提取模型中的剪应力图谱,结合裂纹形貌观察和疲劳试验,拟合得到管材疲劳寿命解析公式;继而借助机器学习算法,利用有限元分析获得的少量数据样本,训练建立不同工艺因素下的管材疲劳寿命预测模型。结果表明,新型FEA-ML预测模型,分析速度快、预测精度高,能够很好地克服传统FEA模型计算过慢的问题;同时,影响管材疲劳寿命的最关键因素是材料的流变应力,孔型设计次之,而轧制车速和管坯送进速度的可控工艺窗口较宽、影响较为平缓。 展开更多
关键词 锆合金 皮尔格轧制 低周疲劳 损伤 有限元模拟 深度学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部