程嘉浩,金書正,杜曉懿,張?jiān)蕜?,李鑒霖
(沈陽(yáng)工業(yè)大學(xué)材料科學(xué)與工程學(xué)院,遼寧 沈陽(yáng) 110870)
隨著我國(guó)航空航天事業(yè)的高速發(fā)展,為了保證航空武器裝備性能不斷提升的設(shè)計(jì)要求,其關(guān)鍵部件和核心部位零件的形狀日趨復(fù)雜化。這導(dǎo)致傳統(tǒng)鑄造、鍛造、超塑成形等技術(shù)已無法滿足復(fù)雜結(jié)構(gòu)零件成形制造的要求[1]。因此采用激光增材制造的方法代替?zhèn)鹘y(tǒng)的成形制造方法來完成復(fù)雜結(jié)構(gòu)特殊零件的成形。激光選區(qū)熔化法成形后可能局部存在氣孔等缺陷,因此采用熱等靜壓熱處理的方法,通過固態(tài)相變改善內(nèi)部組織結(jié)構(gòu),在保證原有優(yōu)勢(shì)性能的前提下,使其他力學(xué)性能得到提高[2]。本文選取TC4雙相鈦合金為研究對(duì)象,開展熱等靜壓熱處理(HIP)工藝實(shí)驗(yàn)與力學(xué)性能測(cè)試等研究工作。以上述試驗(yàn)數(shù)據(jù)為基礎(chǔ),構(gòu)建三層網(wǎng)絡(luò)模型,并充分考慮模型構(gòu)建過程中算法的選擇及預(yù)測(cè)精度,分別對(duì)該合金熱等靜壓熱處理后的力學(xué)性能進(jìn)行預(yù)測(cè),從而為該新型熱處理技術(shù)在鈦合金上的應(yīng)用提供新的研究方法與思路。
本研究中所選用的材料為TC4合金,其名義成分如下表1所示。
表1 TC4合金名義成分(質(zhì)量分?jǐn)?shù),%)
對(duì)激光選取熔化成形的TC4合金進(jìn)行熱等靜壓熱處理工藝試驗(yàn),如表2所示。
表2 熱等靜壓熱處理工藝試驗(yàn)
表3 TC4合金熱等靜壓熱處理工藝-性能預(yù)測(cè)樣本值數(shù)據(jù)
對(duì)上述熱等靜壓熱處理后的TC4雙相鈦合金進(jìn)行室溫力學(xué)性能測(cè)試,獲得該合金不同熱處理?xiàng)l件下的抗拉強(qiáng)度σb、延伸率δ,如表3所示。
選取TC4合金熱等靜壓熱處理溫度T、保溫時(shí)間h、壓力P為輸出參數(shù),以抗拉強(qiáng)度σb、延伸率δ為輸出參數(shù),共計(jì)80組數(shù)據(jù),任意選取10組為預(yù)測(cè)預(yù)測(cè)樣本值(表2),其余70組數(shù)據(jù)為網(wǎng)絡(luò)預(yù)測(cè)值。為了避免因數(shù)據(jù)相差較大而產(chǎn)生的訓(xùn)練誤差及“溢出”現(xiàn)象,對(duì)表2中的數(shù)據(jù)按照下式進(jìn)行歸一化處理[3,4]。
運(yùn)用MATLAB自帶的BP人工神經(jīng)網(wǎng)絡(luò)軟件,確定輸入、輸出參數(shù),設(shè)計(jì)隱含層及隱含層節(jié)點(diǎn)數(shù),調(diào)用訓(xùn)練函數(shù),實(shí)現(xiàn)用最少的訓(xùn)練步數(shù)達(dá)到網(wǎng)絡(luò)預(yù)測(cè)精度,從而實(shí)現(xiàn)TC4合金不同熱等靜壓熱處理工藝下的力學(xué)性能預(yù)測(cè)。根據(jù)本文所涉及的實(shí)驗(yàn)數(shù)據(jù)特點(diǎn)及工藝特性,設(shè)計(jì)3層網(wǎng)絡(luò),其中隱含層數(shù)為1,隱含層節(jié)點(diǎn)數(shù)為9,選擇Trainlm函數(shù),設(shè)定預(yù)測(cè)精度為2.02×10-4,所構(gòu)建的BP人工神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖1所示。
圖1 BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和神經(jīng)元示意圖
采用上述建立的BP人工神經(jīng)網(wǎng)絡(luò)模型,以試驗(yàn)數(shù)為基礎(chǔ),進(jìn)行BP人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與訓(xùn)練,經(jīng)過3125次運(yùn)算,精度達(dá)到2.02×10-4要求,所設(shè)定的誤差函數(shù)收斂。訓(xùn)練過程中,未發(fā)生數(shù)據(jù)溢出現(xiàn)象,輸出參數(shù)抗拉強(qiáng)度σb、延伸率δ較為穩(wěn)定,這說明所建立的3層BP人工神經(jīng)網(wǎng)絡(luò)模型能夠滿足學(xué)習(xí)訓(xùn)練的要求。
網(wǎng)絡(luò)預(yù)測(cè)值與實(shí)驗(yàn)數(shù)據(jù)相對(duì)比,最大誤差僅為3.2%,這說明網(wǎng)絡(luò)預(yù)測(cè)值與實(shí)際值吻合度較高,模型可用。本文所進(jìn)行的BP人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)過程及過程參數(shù),如表4所示。
表4 TC4合金熱等靜壓熱處理工藝-性能的BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)
按照表4中的網(wǎng)絡(luò)預(yù)測(cè)結(jié)果,采用Origin軟件繪制TC4合金熱等靜壓熱處理壓力為160Mpa時(shí),不同溫度、不同保溫時(shí)間下的力學(xué)性能分布曲線圖,如圖2所示。
圖2 TC4合金熱等靜壓熱處理工藝-抗拉強(qiáng)度變化曲線
(1)采用BP人工神經(jīng)網(wǎng)絡(luò)技術(shù),建立了3層神經(jīng)網(wǎng)絡(luò)模型,對(duì)TC4合金同熱等靜壓熱處理工藝下的抗拉強(qiáng)度、延伸率進(jìn)行了較為準(zhǔn)確的預(yù)測(cè)。
(2)運(yùn)用該模型對(duì)TC4合金熱等靜壓熱處理工藝-力學(xué)性能與測(cè)試,誤差分析曲線收斂,選擇LM算法運(yùn)算效率較高,預(yù)測(cè)數(shù)據(jù)與試驗(yàn)數(shù)據(jù)的相似度較好。