機械工程學(xué)報論文模板.doc

68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)*董宏林1 閆穎鑫2 王科俊2 段廣仁2(四號仿宋)(1. 南京理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院 南京 210094；（五號宋體）2. 哈爾濱工業(yè)大學(xué)航天學(xué)院 哈爾濱 150001)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，試驗結(jié)果與計算結(jié)果十分吻合。（小五宋體）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）中圖分類號（小五黑體）：TG156（小五宋體）Research on ANN-based Prediction Model Used to Double Glow Plasma Surface Alloying Processing（小三）XXX（姓大寫） Xxxxxx XXX Xxxxxx（小四）(1.College of Mechanical Engineering, University of Science and Technology Beijing, Beijing 100081; 2.School of Mechanical Engineering, Shanghai Jiaotong University, Shanghai 200030 )（五號）Abstract（小五黑體）：The theory and the 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 built. The calculation results are in good agreement with the experimental results.（小五）Key words（小五黑體）：Double glow Artificial neural network Prediction model0 前言（四號宋體）* 國家自然科學(xué)基金資助項目(7150080050)。xxxxxxxx收到初稿，xxxxxxxx收到修改稿（六號宋體，此處為角注，和正文分開）（五號宋體）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，很難找到反映其內(nèi)在規(guī)律的數(shù)學(xué)模型。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 C2000鎳基耐蝕合金為源極，進行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)、滲層厚度和吸收率之間的預(yù)測模型。1 試驗方法和試驗方案（四號宋體）1.1 試驗方法滲金屬試驗在自制雙層輝光離子滲金屬爐中進行，源極材料為Hastelloy C2000合金，尺寸為130 mm50 mm4 mm，工件材料為20鋼，尺寸為80 mm25 mm3 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 C2000的質(zhì)量分?jǐn)?shù)：wNi=59%，wMo=16%，wCr=23%，wCu=1.6%，wC0.01%。1.2 試驗方案（五號黑體）為了選定正交試驗各個工藝參數(shù)的取值范圍，先結(jié)合以往試驗研究的經(jīng)驗，然后又進行了20余爐的摸索性試驗，確定了正交工藝參數(shù)。正交試驗按照L16(45)正交表進行試驗。指標(biāo)項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。表1 因素水平表（小五宋體）因素（六號宋體）水平1234源極電壓UV1 0501 000950900工件電壓UV275250350300 氣壓pPa35304540極間距dmm15202522.52 數(shù)學(xué)模型在網(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)鞑ド窠?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個節(jié)點，隱含層有j 個節(jié)點，輸出層有t個節(jié)點。上、下層之間各神經(jīng)元實現(xiàn)全連接，即下層的每一單元與上層的每一單元都實現(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，按減小希望輸出與實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。圖1 典型BP網(wǎng)絡(luò)示意圖（小五宋體） 算法步驟：(1) 設(shè)置初始權(quán)系w(0)為較小的隨機非零值。(2) 給定輸入/輸出樣本對，計算網(wǎng)絡(luò)的輸出： 設(shè)第p組樣本輸入、輸出分別為up=(u1p,u2p,unp)dp=(d1p,d2p,dnp) p=1,2,L 節(jié)點i在第p組樣本輸入時，輸出為(1) 式中 IjP在第p組樣本輸入時，節(jié)點i的第j個輸入f是激勵函數(shù)，采用Sigmoid型，即(2) 可由輸入層經(jīng)隱層至輸出層，求得網(wǎng)絡(luò)輸出層節(jié)點的輸入。(3) 計算網(wǎng)絡(luò)的目標(biāo)函數(shù)J設(shè)Ep為在第p組樣本輸入時網(wǎng)絡(luò)的目標(biāo)函數(shù)，取L2范數(shù)，則(3)式中 ykp(t)在第p組樣本輸入時，經(jīng)t次權(quán)值調(diào)整網(wǎng)絡(luò)的輸出，k是輸出層第k個節(jié)點網(wǎng)絡(luò)的總目標(biāo)函數(shù)為(4)作為對網(wǎng)絡(luò)學(xué)習(xí)狀況的評價。判別： 若 J e(5)式中 e 預(yù)先確定的，e0則算法結(jié)束，否則，至步驟(4)。(4) 反向傳播計算由輸出層，依據(jù)J按“梯度下降法”反向計 算，逐層調(diào)整權(quán)值。 (6)式中 步長或稱為學(xué)習(xí)率，本文中n取 1 000 000，取0.93 計算結(jié)果與比較為檢驗程序的可靠性與實用性，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/源網(wǎng)絡(luò)訓(xùn)練準(zhǔn)確可靠，同時又具有一定的推廣能力，在正交試驗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)練的試驗數(shù)據(jù)與計算結(jié)果的比較見表2、表3。表2 預(yù)測滲層表面的成分編號質(zhì)量分?jǐn)?shù)w/% Ni Cr Mo Cu549.88114.69511.3651.605預(yù)測值51.73416.96211.2111.6611250.51416.69114.0710.912預(yù)測值51.17117.50913.0480.4151650.29019.164 6.4801.308預(yù)測值50.82618.104 7.81301.3331757.16819.65514.7321.353預(yù)測值59.89120.10712.1631.403從表2、表3可以看出訓(xùn)練樣本和檢測樣本的網(wǎng)絡(luò)實際輸出值與期望值都很接近，說明應(yīng)用神經(jīng)網(wǎng)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。表3 人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練與預(yù)測值試驗編號源極電壓UV工件電壓UV極間距dmm氣壓pPa吸收率s%滲層厚度m元素總質(zhì)量分?jǐn)?shù)w% 試驗值 預(yù)測值 試驗值 預(yù)測值 試驗值 預(yù)測值1111170.90070.58734.534.57987.49687.4372122261.20060.87136.536.38089.79689.2373133333.33032.84719.019.24584.89584.5084144444.65044.40121.020.87177.57977.321 5*212348.10047.75325.524.95077.54676.796 17*121179.34080.92038.038.45992.90892.210 注：*為檢測樣本值，試驗編號17為正交優(yōu)化工藝（六號宋體）4 結(jié)論(1) 。(2) 。(3) 。(4) 。參 考 文 獻（五號黑體）1 IMLACH J, BLAIR B J, ALLAIRE P. Measured and predicted force and stiffness characteristic of industrial magnetic bearingsJ. Trans. ASME J. Tribol., 1991, 113：784-788. 2 ANTILA M, LANTTO E, ARKKIO A. Determination of force and linearized parameters of radial active magnetic bearings by finite element techniqueJ. IEEE Trans. on Magn. 1998, 34(3)：684-694. 3 MIZUNO T, ARAKI K, BLEULER H. Stability analysis of self-sensing magnetic bearing controllersJ. IEEE Trans. Contr. Syst. Technol., 1996, 4：572-579.4 DAVID C, MEEKER E H, MYOUNGYU D N. Anaugmentanaugmented currents model for magnetic bearings force and linearized parameters of radial active magnetic including eddy currents, fringing, and leakageJ. IEEE Trans. on Magn. , 1996, 32(4)：3219-3227.5 CHAN T H, CHEN S L. Exact linearization of a voltage-controlled 3-pole active magnetic bearing systemJ. IEEE Trans. Contr. Syst. Technol., 2002, 10(4)：618-625.6 朱祖超. 超低比轉(zhuǎn)速高速離心泵的理論研究及工程實現(xiàn)J.機械工程學(xué)報，2000，36（4）：30-33.ZHU Zuchao. Theoretical study and engineering implementation of super-low-specific-speed highspeed centrifugal pumpsJ. Chines