摘要：建立了基于人工神经网络技术预测钢的过冷奥氏体连续冷却转变 (CCT)图的计算模型 ,并在此基础上设计了一种预测CCT图的软件—Eagleye2 0 0 3。在计算模型中综合考虑了CCT图的物理意义和几何特征 ,同时为了方便计算也忽略了一些次要因素。通过该软件可以根据钢的化学成分和热处理工艺预测其连续冷却转变图 ,这对钢的合金设计及组织、性能预测都有很大帮助。

摘要：根据收集和整理的实验数据,建立了低碳低合金钢的成分与马氏体转变开始温度(M_s点)的反向传播(BP)人工神经网络,用这种方法预测了一些钢的M_s点,并与用其它经验公式得到的结果进行了比较,结果表明:用人工神经网络能更精确地预测钢的M_s点,预测精度明显高于其它线性经验公式,另外用正交实验法设计了几种基准成分的钢,用人工神经网络分析了几种合金元素对M_s点的定量影响,计算结果表明,与传统的经验公式表达的信息不同,合金元素的含量与钢的M_s点间表现为非线性关系,可以认为,这种非线性关系是由合金元素间复杂的交互作用引起的。

摘要：设计了径向基函数型人工神经网络模型，研究TA15钛合金的抗拉强度与热加工工艺参数的关系。用“留一法”训练了神经网络模型并对它的预测性能进行了测试，散点图和统计学指标均表明，人工神经网络模型经过训练后，具有较高的预测精度和可靠性。用训练好的神经网络模型预测了6个样本的抗拉强度，预测值与相应的实验测试值很接近，3个误差统计学指标的值分别为MSE=20．9，MRSE=2．11％．VOF=1．9895，这表明实验结果很好地验证了神经网络模型的计算结果，说明人工神经网络的预测结果是准确、可靠的。最后用神经网络模型分析了热加工工艺参数与抗拉强度间的定量关系，结果表明：加热温度在780～040℃之间时，随着加热温度r的升高，TA15钛合金的抗拉强度随之提高：加热温度为780℃时，抗拉强度为961．7MPa，当加热温度升到940℃时，抗拉强度提高到了978．3MPa；应变量在0．5～0．9范围时，随着应变量的增加，钛合金的抗拉强度也提高：应变量为0．5时，抗拉强度为973MPa，当应变量达到0．9时，抗拉强度增加到了1020MPa；应变速率在0．003—0．007s^-1范围内时，随着应变速率的增加，钛合金的抗拉强度也提高：应变速率为0．003s。时，抗拉强度为974MPa，当应变速率达到0．007s^-1时，抗拉强度增加到了986．5MPa。

摘要：设计了反向传播人工神经网络模型来预测煤与瓦斯突出.用“留一法”训练了神经网络模型,然后对几个实际样本进行了预测.预测结果表明:对其中两个样本的预测完全准确,另一个出现了偏差,均方误差、相对均方误差和拟和值的统计指标值分别为0.577 4,0.577 4%和1.866 0.

摘要：用人工神经网络研究了化学成分及热处理工艺参数对低碳低合金钢的硬度的影响。首先设计了RBF型人工神经网络模型,用"舍一法"改进了模型,使其具有较好的预测性能。然后,用神经网络研究了化学成分和冷速对低碳低合金钢的硬度的定量影响。结果表明,碳的质量分数为0.11%～0.15%时,硬度随碳含量的增加而增大;硅的质量分数为0.24%～0.38%、锰的质量分数为0.94%～1.02%时,硬度值基本不变;铬的质量分数为0～0.6%时,硬度值呈增加趋势;镍的质量分数为0～0.04%时,硬度值基本不变;钼的质量分数为0～0.2%时,硬度值从HV 288降至HV 282;硼的质量分数为1%～2%时,硬度随含量增加而升高;钛、铌、钒的总质量分数为0.06%～0.14%时,硬度值基本不变;冷速从10℃/m增加至170℃/m,硬度值从HV 290增至HV 420。

摘要：使用光学软件TFCalc设计了2种金属陶瓷太阳能选择性吸收涂层,根据反射率曲线,优选出Al–Al2O3复合涂层,并按照设计的最优涂层结构,采用磁控溅射法在铜基体上制备了Al–Al2O3复合涂层。研究了涂层在300°C/3 h热处理前后的结合强度、太阳光反射率和表面形貌。结果表明,经300°C空气高温处理3 h后,涂层临界载荷由11.62 N下降到8.75 N,太阳光谱吸收率由93%(该值与TFCalc模拟结果基本一致)下降到86%。显微分析证实涂层性能下降是由于热处理后,涂层表面不再致密平整所致。

摘要：针对国内航空发动机滑油在线监测技术落后的现状,对小尺度电容层析成像(ECT)传感器设计进行了研究。利用有限元分析软件Comsol和Matlab,对ECT传感器阵列电极的几何参数进行了优化,并通过静态和动态试验验证ECT应用于滑油在线监测的可行性。实验结果表明,该方法能够有效分辨物场中的不同介质,实时反映滑油介电常数的变化,利用小尺度ECT传感器可为在线滑油监测提供一种新型检测手段。

摘要：用RBF型人工神经网络研究了碳/陶瓷复合材料的化学成分对其硬度的影响。首先设计了RBF型神经网络模型,用"舍一法"进行了训练,使模型具有满意的预测性能。随后分析了化学组分对硬度的影响,包括单因素影响和双因素耦合影响。结果表明:材料的两种组分同时变化时,对硬度的影响更加复杂,呈现典型的非线性特征。

摘要：本文以Al Si10Mg盘盖为例,运用压力铸造数值分析软件Pro CAST,对模具浇注系统进行了优化设计。结合正交试验综合考虑了模具温度,浇注温度和成型压力对铸件缩松缩孔的影响,最终确定最佳工艺参数分别为:模具温度为180℃、浇注温度为720℃、浇注压力为45 MPa。