程嘉浩，金書正，杜曉懿，張?jiān)蕜?，李鑒霖

(沈陽工業(yè)大學(xué)材料科學(xué)與工程學(xué)院，遼寧 沈陽 110870)

隨著我國航空航天事業(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象，開展熱等靜壓熱處理（HIP）工藝實(shí)驗(yàn)與力學(xué)性能測試等研究工作。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)測精度，分別對該合金熱等靜壓熱處理后的力學(xué)性能進(jìn)行預(yù)測，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。

1 實(shí)驗(yàn)材料及方法

1.1 實(shí)驗(yàn)材料

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)，%）

1.2 實(shí)驗(yàn)方法

對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)

2 實(shí)驗(yàn)結(jié)果分析與討論

2.1 BP人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測的數(shù)據(jù)基礎(chǔ)

表3 TC4合金熱等靜壓熱處理工藝-性能預(yù)測樣本值數(shù)據(jù)

對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)測預(yù)測樣本值（表2），其余70組數(shù)據(jù)為網(wǎng)絡(luò)預(yù)測值。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，對表2中的數(shù)據(jù)按照下式進(jìn)行歸一化處理[3，4]。

2.2 BP人工神經(jīng)網(wǎng)絡(luò)模型建立

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。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

2.3 BP人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測

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)測值與實(shí)驗(yàn)數(shù)據(jù)相對比，最大誤差僅為3.2%，這說明網(wǎng)絡(luò)預(yù)測值與實(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

按照表4中的網(wǎng)絡(luò)預(yù)測結(jié)果，采用Origin軟件繪制TC4合金熱等靜壓熱處理壓力為160Mpa時，不同溫度、不同保溫時間下的力學(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

3 結(jié)論

（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。

（2）運(yùn)用該模型對TC4合金熱等靜壓熱處理工藝-力學(xué)性能與測試，誤差分析曲線收斂，選擇LM算法運(yùn)算效率較高，預(yù)測數(shù)據(jù)與試驗(yàn)數(shù)據(jù)的相似度較好。