楊西榮,權(quán)強(qiáng)強(qiáng),田倩炆,劉曉燕,羅 雷,王敬忠
(1. 西安建筑科技大學(xué)冶金工程學(xué)院,陜西 西安 710055)(2. 陜西省納米材料與技術(shù)重點(diǎn)實(shí)驗(yàn)室,陜西 西安 710055)
長(zhǎng)期以來(lái),材料的發(fā)展作為國(guó)防安全建設(shè)和國(guó)民經(jīng)濟(jì)建設(shè)的重要推動(dòng)力,與人民生活密不可分。目前,新材料的發(fā)展水平成為衡量一個(gè)國(guó)家科技競(jìng)爭(zhēng)力的重要標(biāo)準(zhǔn)[1]。傳統(tǒng)意義上的新材料研發(fā)需要經(jīng)過(guò)大量的實(shí)驗(yàn),采用“試錯(cuò)法”嘗試不同的可能性因素,直至實(shí)驗(yàn)結(jié)果不斷接近目標(biāo)。該過(guò)程需要研究學(xué)者利用大量的原材料,花費(fèi)大量的時(shí)間投入到科學(xué)研究中,而且所得結(jié)果可能存在一定偶然性,使其可靠性降低[2-4]。計(jì)算機(jī)技術(shù)的持續(xù)性更新以及“材料基因組計(jì)劃”的科學(xué)性提出,改變了傳統(tǒng)意義上采用“試錯(cuò)法”的研究模式,將材料的理性設(shè)計(jì)、實(shí)驗(yàn)與大數(shù)據(jù)技術(shù)全面深度融合,促使新材料的研發(fā)取得了快速發(fā)展[5]。2019年《材料研究前沿—十年調(diào)查》[6]的發(fā)布中指出:“數(shù)據(jù)驅(qū)動(dòng)方法有望大幅提高材料研究的效率”。數(shù)據(jù)驅(qū)動(dòng)技術(shù)成為了繼實(shí)驗(yàn)、理論和計(jì)算之后的第四代科學(xué)范疇[7],大數(shù)據(jù)集的構(gòu)成主要來(lái)源于高通量計(jì)算結(jié)果[8]、高通量實(shí)驗(yàn)結(jié)果[9]和大量科學(xué)性文獻(xiàn)研究成果,將目標(biāo)數(shù)據(jù)通過(guò)篩選導(dǎo)入計(jì)算機(jī)軟件中進(jìn)行材料研究,縮短了實(shí)驗(yàn)數(shù)據(jù)收集的時(shí)間,提高了工作效率[10]。在2011年6月,時(shí)任美國(guó)總統(tǒng)Barack Obama 啟動(dòng)先進(jìn)制造業(yè)伙伴關(guān)系(Advanced Manufacturing Partnership)計(jì)劃,材料基因組計(jì)劃(Materials Genome Initiative,MGI)工程作為其重要組成部分,促進(jìn)了大數(shù)據(jù)技術(shù)在材料應(yīng)用領(lǐng)域的快速發(fā)展,加快了新材料從理論研究到投產(chǎn)使用的速度[11]。大數(shù)據(jù)時(shí)代下的數(shù)據(jù)驅(qū)動(dòng)技術(shù),機(jī)器學(xué)習(xí)促使材料科學(xué)研究得到了關(guān)鍵性發(fā)展[12]。
人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)因具有自組織、自學(xué)習(xí)、聯(lián)想記憶及高速尋求最優(yōu)解的能力,能夠處理非線性自適應(yīng)信息問(wèn)題,是目前科學(xué)研究中應(yīng)用最廣泛、最成熟的機(jī)器學(xué)習(xí)算法[13]。目前,人工神經(jīng)網(wǎng)絡(luò)已在建筑學(xué)[14,15]、管理學(xué)[16]和醫(yī)學(xué)[17,18]等方面取得了廣泛的應(yīng)用,在材料科學(xué)方面也成功應(yīng)用于材料設(shè)計(jì)[19]、材料性能預(yù)測(cè)[20]、模式識(shí)別[21]等多個(gè)方面,加快了材料研究領(lǐng)域的發(fā)展速度。
多年來(lái),人工神經(jīng)網(wǎng)絡(luò)技術(shù)日益成熟完善,已在材料加工方面得到了廣泛的應(yīng)用。本文首先對(duì)人工神經(jīng)網(wǎng)絡(luò)的基本理論和發(fā)展歷史過(guò)程作簡(jiǎn)要綜述,重點(diǎn)介紹人工神經(jīng)網(wǎng)絡(luò)在材料加工中的應(yīng)用,最后對(duì)人工神經(jīng)網(wǎng)絡(luò)在材料加工應(yīng)用中的不足和未來(lái)發(fā)展趨勢(shì)進(jìn)行展望。
人工神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)系統(tǒng)的特征,采用不同種類(lèi)的連接方式組成一個(gè)完整的網(wǎng)絡(luò)模型,該模型與生物大腦的工作模式相似,能夠通過(guò)對(duì)輸入信息進(jìn)行歸類(lèi)式處理得到期望的輸出結(jié)果。同時(shí)它具有生物神經(jīng)建立非線性模型、自我學(xué)習(xí)、自適應(yīng)、容錯(cuò)性和高速尋找最優(yōu)解等特點(diǎn),廣泛應(yīng)用于各個(gè)學(xué)科的研究中[22]。最簡(jiǎn)單的生物神經(jīng)元模型和相對(duì)應(yīng)的人工神經(jīng)元模型分別如圖1和圖2所示。人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要由輸入層、隱含層和輸出層3部分構(gòu)成(圖3)。輸入層主要負(fù)責(zé)接收外部輸入的數(shù)據(jù)和信息,隱含層連接輸入層接受并處理輸入層的信號(hào),輸出層連接隱含層將計(jì)算結(jié)果輸出。
圖1 生物神經(jīng)元模型
圖2 人工神經(jīng)元模型[2]
圖3 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)[13]
人工神經(jīng)網(wǎng)絡(luò)的研究最早開(kāi)始于19世紀(jì)末期,其發(fā)展過(guò)程經(jīng)歷了多個(gè)不同的階段,如表1所示。
表1 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展階段[23-30]
材料科學(xué)是研究材料成分、工藝、組織和使用性能四要素之間相互關(guān)系的學(xué)科,為材料的使用生產(chǎn)和研究發(fā)展提供理論基礎(chǔ)[31]。材料加工技術(shù)是多學(xué)科相互交融的綜合性學(xué)科,目前的材料研究依然依賴(lài)大量實(shí)驗(yàn)和實(shí)踐經(jīng)驗(yàn)[32]。這種試錯(cuò)的研究方式周期長(zhǎng)、成本高,大量的數(shù)據(jù)得不到很好的利用。人工神經(jīng)網(wǎng)絡(luò)可以充分利用已有的實(shí)驗(yàn)數(shù)據(jù),甚至是實(shí)際工況數(shù)據(jù),在材料加工技術(shù)方面具有獨(dú)特的優(yōu)勢(shì)。
材料的成分、工藝和所處環(huán)境等是影響其加工性能的主要因素[33],而使用性能是衡量材料價(jià)值的重要指標(biāo),是應(yīng)用于工程實(shí)際的衡量標(biāo)準(zhǔn)?;谌斯ど窠?jīng)網(wǎng)絡(luò)對(duì)材料性能的準(zhǔn)確預(yù)測(cè)是降低材料成本、節(jié)約時(shí)間的重要途徑。目前,國(guó)內(nèi)外有大量的學(xué)者對(duì)人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)材料性能方面進(jìn)行了研究。Onder等[34]運(yùn)用反向傳播(back propagation,BP)網(wǎng)絡(luò)模型對(duì)同種材料的2種不同形狀齒牙的齒輪疲勞壽命進(jìn)行了預(yù)測(cè)。運(yùn)用試錯(cuò)法實(shí)驗(yàn)獲得實(shí)驗(yàn)數(shù)據(jù),80%的數(shù)據(jù)用于樣本數(shù)據(jù),確定了理想的傳遞函數(shù)和隱含層數(shù)目,采用20%的數(shù)據(jù)進(jìn)行驗(yàn)證。最終的預(yù)測(cè)結(jié)果與實(shí)驗(yàn)結(jié)果相吻合。王鑫等[35]以應(yīng)變速率、變形溫度和晶粒尺寸為輸入?yún)?shù),峰值流變應(yīng)力和穩(wěn)定流變應(yīng)力為輸出結(jié)果,構(gòu)建了三層前饋式BP神經(jīng)網(wǎng)絡(luò)模型,用于Ti-6Al-4V超塑性變形行為的預(yù)測(cè)。該模型采用的數(shù)據(jù)集因輸出值和輸入值存在較大差異,易產(chǎn)生溢出現(xiàn)象,故需對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行歸一化處理,從而提高預(yù)測(cè)精度。因此,通過(guò)大量的可靠性數(shù)據(jù),如實(shí)際生產(chǎn)數(shù)據(jù)或者實(shí)驗(yàn)精度嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)進(jìn)行網(wǎng)絡(luò)模型的訓(xùn)練,可以提高模型的準(zhǔn)確性。Ramachandra等[36]通過(guò)大量的模擬數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò),并利用美國(guó)汽車(chē)工程協(xié)會(huì)(SAE)隨機(jī)疲勞加載試驗(yàn)的實(shí)際生產(chǎn)數(shù)據(jù)驗(yàn)證模型,建立了能準(zhǔn)確預(yù)測(cè)多種材料的疲勞性能、載荷譜形式以及疲勞壽命的人工神經(jīng)網(wǎng)絡(luò)模型。Patowari等[37]等建立了電火花加工表面改性的人工神經(jīng)網(wǎng)絡(luò)模型,得到了壓力、溫度、峰值電流和時(shí)間對(duì)表面層平均厚度的影響規(guī)律。人工神經(jīng)網(wǎng)絡(luò)模型在預(yù)測(cè)材料性能方面的應(yīng)用已有很多研究,但是進(jìn)行網(wǎng)絡(luò)訓(xùn)練需要大量的數(shù)據(jù),而這些數(shù)據(jù)的可靠性是提高預(yù)測(cè)結(jié)果準(zhǔn)確性的關(guān)鍵,建立標(biāo)準(zhǔn)歸類(lèi)化的數(shù)據(jù)庫(kù)是現(xiàn)今材料領(lǐng)域的需求。
材料工藝設(shè)計(jì)主要分為成型工藝設(shè)計(jì)、加工工藝設(shè)計(jì)、表面處理工藝設(shè)計(jì)和連接工藝設(shè)計(jì)[27],合理的工藝設(shè)計(jì)是保證產(chǎn)品質(zhì)量的關(guān)鍵。工藝學(xué)基礎(chǔ)理論、應(yīng)用技術(shù)基礎(chǔ)、工程控制技術(shù)以及相應(yīng)的設(shè)計(jì)經(jīng)驗(yàn)是材料工藝設(shè)計(jì)者必須具備的理論知識(shí),難度較大。但是,近幾年來(lái),國(guó)內(nèi)外研究者利用人工神經(jīng)網(wǎng)絡(luò)模型,很大程度地便捷了工藝設(shè)計(jì)優(yōu)化的過(guò)程。魏艷紅等[38]總結(jié)了國(guó)內(nèi)諸多高校和企業(yè)利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和優(yōu)化焊接工藝設(shè)計(jì)的實(shí)例,發(fā)現(xiàn)國(guó)內(nèi)目前已在焊接工藝方面建立了相對(duì)完整的數(shù)據(jù)庫(kù)及專(zhuān)家系統(tǒng)。將人工神經(jīng)網(wǎng)絡(luò)和專(zhuān)家系統(tǒng)相結(jié)合,通過(guò)以大量數(shù)據(jù)不斷調(diào)整模型隱含層函數(shù)的類(lèi)型和個(gè)數(shù),可有效減小輸出誤差,提高設(shè)計(jì)精度。張吉會(huì)[39]以熔池焊道寬度和高度作為輸出的期望值,構(gòu)建了電弧增材制造焊接工藝成型尺寸的BP神經(jīng)網(wǎng)絡(luò)模型,參照模型選用傳統(tǒng)的回歸模型,將人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值與二次回歸值進(jìn)行對(duì)比。結(jié)果表明,人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值的平均相對(duì)誤差為0.003%,二次回歸平均相對(duì)誤差為1.326%。Chaki等[40]將粒子群優(yōu)化(particle swarm optimization,PSO)計(jì)算算法應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)模型,建立了ANN-PSO模型。該模型在預(yù)測(cè)釔鋁石榴石晶體(YAG)激光切割脈沖釹含量的絕對(duì)誤差為1.74%,最優(yōu)輸出值與實(shí)驗(yàn)值的偏差小于2%。劉曉燕等[41]使用BP人工神經(jīng)網(wǎng)絡(luò)對(duì)超細(xì)晶純鈦熱變形行為進(jìn)行建模,結(jié)果表明經(jīng)過(guò)訓(xùn)練后的人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)熱壓縮過(guò)程流變應(yīng)力的平均相對(duì)誤差為2.1%,比Arrhenius本構(gòu)方程的預(yù)測(cè)更加準(zhǔn)確。人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練函數(shù)采用可靠的數(shù)據(jù)庫(kù)和經(jīng)過(guò)多模型擬合的網(wǎng)絡(luò)模型,對(duì)提高實(shí)驗(yàn)精度至關(guān)重要。
盡管?chē)?guó)內(nèi)外許多研究者已將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于材料工藝設(shè)計(jì)方面,達(dá)到了工藝優(yōu)化的目的。但針對(duì)某一確定問(wèn)題,模型的訓(xùn)練及隱含層類(lèi)型和個(gè)數(shù)的確定仍然缺乏高質(zhì)量的實(shí)驗(yàn)數(shù)據(jù)用以訓(xùn)練,導(dǎo)致預(yù)測(cè)值與實(shí)驗(yàn)值存在嚴(yán)重偏差。同時(shí),在大數(shù)據(jù)時(shí)代背景下,海量數(shù)據(jù)的挖掘中,不僅可能帶來(lái)大量的錯(cuò)誤信息,而且這些數(shù)據(jù)之間還可能具有復(fù)雜的關(guān)聯(lián)性。分布式數(shù)據(jù)庫(kù)的建立,可以將海量數(shù)據(jù)有效進(jìn)行歸類(lèi),一定程度上可以針對(duì)某一確定問(wèn)題進(jìn)行數(shù)據(jù)的篩選,提高工作效率和結(jié)果的準(zhǔn)確性。
相是指合金中具有同一聚集狀態(tài)、同一晶體結(jié)構(gòu)和性質(zhì)并以界面相互隔開(kāi)的均勻組成部分。生活中絕大多數(shù)材料都是多相結(jié)構(gòu),相與相之間存在著界面分隔,此界面稱(chēng)為相界。所謂相變是指一種相轉(zhuǎn)變成另一種相的過(guò)程[42]。隨著科學(xué)技術(shù)和材料研究的發(fā)展,人們發(fā)現(xiàn)金屬、合金以及無(wú)機(jī)非金屬都能發(fā)生相變,材料性能的提高常常得益于相變的發(fā)生。然而,特定成分材料相變理論的實(shí)驗(yàn)研究費(fèi)時(shí)費(fèi)力,人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用很大程度上改善了這一困境。Chakraborty等[43]在預(yù)測(cè)鋼連續(xù)冷卻轉(zhuǎn)變圖時(shí),運(yùn)用梯度下降反向傳播算法(ANN-BP)進(jìn)行常規(guī)模型訓(xùn)練,但模型準(zhǔn)確度較低。為了提高預(yù)測(cè)結(jié)果準(zhǔn)確性,以預(yù)測(cè)誤差最小化和多目標(biāo)化為期望輸出,采用遺傳算法(genetic algorithm,GA)修正該模型,形成了至少在一個(gè)目標(biāo)上預(yù)測(cè)結(jié)果準(zhǔn)確度較高的模型。將單目標(biāo)預(yù)測(cè)值與多目標(biāo)預(yù)測(cè)值進(jìn)行比較,結(jié)果表明,單一目標(biāo)優(yōu)化模型雖然降低了問(wèn)題的復(fù)雜性,但準(zhǔn)確性較低,而多目標(biāo)優(yōu)化模型雖然處理的問(wèn)題比較復(fù)雜,但預(yù)測(cè)效果更加準(zhǔn)確。Reddy等[44]以?shī)W氏體鋼中成分C,Mn,Ni,Cr,Mo含量的變化數(shù)據(jù)進(jìn)行BP網(wǎng)絡(luò)模型的訓(xùn)練學(xué)習(xí),成功實(shí)現(xiàn)了TTT(time-temperature-transformation)曲線的預(yù)測(cè)。他們將奧氏體化的轉(zhuǎn)變溫度作為期望輸出結(jié)果,建立了多層反向傳播網(wǎng)絡(luò)模型(multi-layered back propagation network,MBPN),得到成分不同而致使奧氏體化轉(zhuǎn)變溫度不同的TTT變化規(guī)律圖。Vermeulen等[45]利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了鋼材中的硬度分布,在Jominy試驗(yàn)固定的冷卻速率范圍內(nèi),鋼的淬透性可以通過(guò)表面淬火實(shí)驗(yàn)改善,在Jominy實(shí)驗(yàn)固定的冷卻速率范圍內(nèi),合金成分是影響顯微組織的主要因素。該團(tuán)隊(duì)以4000種低合金鋼的化學(xué)成分、奧氏體化溫度及硬度分布為網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)及驗(yàn)證,結(jié)果表明神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)值與硬度測(cè)量值存在的誤差相同。在此基礎(chǔ)上成功預(yù)測(cè)了硼元素對(duì)鋼淬透性的影響,以9種合金元素作為輸入數(shù)據(jù),800組實(shí)際數(shù)據(jù)作為網(wǎng)絡(luò)模型的訓(xùn)練,預(yù)測(cè)結(jié)果比實(shí)驗(yàn)?zāi)P秃妥钚《四P途C合性的結(jié)果更加準(zhǔn)確。孫宇等[46]等以12種化學(xué)元素含量作為輸入?yún)?shù),相變點(diǎn)作為輸出參數(shù),利用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)鈦合金相變點(diǎn),揭示了化學(xué)元素種類(lèi)與相變點(diǎn)之間的變化規(guī)律,預(yù)測(cè)結(jié)果的精度高于傳統(tǒng)經(jīng)驗(yàn)公式。
人工神經(jīng)網(wǎng)絡(luò)作為材料加工技術(shù)應(yīng)用性較廣泛的研究方法,雖然在材料的性能預(yù)測(cè)、工藝設(shè)計(jì)和相變規(guī)律預(yù)測(cè)等方面應(yīng)用十分廣泛,但是依然存在一些問(wèn)題:
(1)在人工神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)訓(xùn)練過(guò)程中,需要大量可靠性高且代表性強(qiáng)的數(shù)據(jù)建立較為準(zhǔn)確的網(wǎng)絡(luò)模型,以實(shí)現(xiàn)高準(zhǔn)確性的預(yù)測(cè)結(jié)果。因此,建立標(biāo)準(zhǔn)的材料領(lǐng)域大數(shù)據(jù)庫(kù)是該領(lǐng)域發(fā)展的必然趨勢(shì)。
(2)反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)作為目前材料加工方面應(yīng)用最成熟且最廣泛的網(wǎng)絡(luò)模型之一,僅局限于對(duì)常規(guī)數(shù)字進(jìn)行信息化處理。因此,需要更多的研究學(xué)者及專(zhuān)業(yè)團(tuán)隊(duì)開(kāi)發(fā)新的模型、新的算法來(lái)鍥合大數(shù)據(jù)時(shí)代的發(fā)展。
(3)隨著大數(shù)據(jù)時(shí)代的到來(lái),海量數(shù)據(jù)的出現(xiàn),分布式數(shù)據(jù)管理和數(shù)據(jù)的準(zhǔn)確篩選變得十分重要。