數(shù)據(jù)挖掘方法在高導(dǎo)電高彈性銅合金及其它金屬材料中的應(yīng)用.pdf

1、數(shù)據(jù)信息挖掘技術(shù)是指綜合運用多種算法，對從各種渠道得來的大量數(shù)據(jù)進行計算機處理，通過信息加工，抽提有用信息，發(fā)現(xiàn)自然規(guī)律。作為一門多學(xué)科的交叉技術(shù)，數(shù)據(jù)挖掘已成為數(shù)據(jù)庫系統(tǒng)和機器學(xué)習(xí)領(lǐng)域的重點研究課題，因其應(yīng)用前景廣闊而受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。 本文將若干種新型的數(shù)據(jù)挖掘方法應(yīng)用于高導(dǎo)電高彈性銅合金及其它金屬材料設(shè)計，并對傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和遺傳算法等進行改進，將各種數(shù)據(jù)挖掘方法有機地結(jié)合，特別是提出將具有

2、良好的理論基礎(chǔ)和泛化性能的支持向量機方法引入到高導(dǎo)電高彈性銅合金設(shè)計領(lǐng)域，應(yīng)用其解決傳統(tǒng)方法還不能完善解決的問題，建立準確、高效的材料組分、工藝或結(jié)構(gòu)與性能關(guān)系模型，豐富和完善了現(xiàn)有的材料設(shè)計理論和方法，不僅能夠從宏觀上快速有效地進行新材料性質(zhì)的預(yù)測和工藝優(yōu)化，節(jié)約能源，而且促進了學(xué)科間的交叉。 本研究涉及如下幾方面內(nèi)容： (1)提出了快速高效的LSSVM方法，與神經(jīng)網(wǎng)絡(luò)方法進行對比研究，成功地運用到Cu-15Ni-8S

3、n系合金成分、工藝參數(shù)和性能優(yōu)化中，建立了成分和工藝參數(shù)優(yōu)化的知識庫，并且利用三維立體圖的等高線將其直觀地表達出來。計算結(jié)果表明：Cu-15Ni-8Sn-XSi合金最佳的Si含量為0.3左右；含Si量為0.3左右的合金，在50％預(yù)冷變形和400℃×(1.5～3h)時效后，合金可獲得412HV以上的硬度，并有良好的導(dǎo)電率；在450℃×(0.9～1.7h)時效，合金可獲得416HV以上的硬度。LSSVM模型得到函數(shù)曲線的規(guī)律與機理分析一致。

4、 (2)探索新的多層前饋型BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練策略，針對基于梯度下降算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)存在收斂速度慢、易陷入局部極小的問題，提出了將差分進化算法與BP神經(jīng)網(wǎng)絡(luò)有機地結(jié)合，形成了基于貝葉斯權(quán)重規(guī)范化的差分進化訓(xùn)練策略，改進了網(wǎng)絡(luò)的收斂性能和預(yù)測能力。首次將差分進化神經(jīng)網(wǎng)絡(luò)算法成功地應(yīng)用于預(yù)報Cu-15Ni-8Sn-0.4Si合金的硬度和電性能。 (3)針對標準的SVM方法的訓(xùn)練運算速度慢的缺陷，首次用快速高效的LSSVM

5、方法建立了能夠反映高導(dǎo)電高彈性Cu-Ni-Sn和Cu-Ti系合金的成分、軋制變形、時效工藝參數(shù)與導(dǎo)電率和硬度性能之間復(fù)雜交互作用關(guān)系的經(jīng)驗?zāi)Ｐ?，并且利用工藝參?shù)知識庫和三維立體圖及其等高線將其直觀地表達出來，得出了時效溫度、時效時間和預(yù)冷變形量工藝參數(shù)對硬度和導(dǎo)電率的影響規(guī)律，從而為實現(xiàn)Cu-Ni-Sn和Cu-Ti系合金成分、工藝參數(shù)和性能的最優(yōu)化設(shè)計以及后續(xù)建立具有重要的實際應(yīng)用價值的導(dǎo)電彈性銅合金模型奠定了基礎(chǔ)。 (4)建立

6、了基于RBFN、RBF-PLSR、GRNN和LSSVM方法的Cu-Ti系合金的硬度和導(dǎo)電性能預(yù)報模型，模型比較結(jié)果說明：神經(jīng)網(wǎng)絡(luò)模型依據(jù)ERM原則，影響了預(yù)報精度的進一步提高，而LSSVM采用了SRM原則，能根據(jù)有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折衷，使預(yù)報精度更加接近于擬合精度，具有更好的泛化性能。 (5)RBF網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計和訓(xùn)練正處于探索階段，尚未有一種統(tǒng)一有效的方法。本文從空間變換的角度出發(fā)將RBF網(wǎng)絡(luò)和

7、PLSR相結(jié)合，建立了RBF-PLSR網(wǎng)絡(luò)模型，RBF-PLSR模型以神經(jīng)網(wǎng)絡(luò)與線性回歸相結(jié)合的方式，很好的解決了RBF網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)難以確定的難題，并成功地應(yīng)用于Cu-Ti系合金的性能預(yù)報，顯示了比傳統(tǒng)的RBF網(wǎng)絡(luò)更好的預(yù)測性能和穩(wěn)定性，揭示了發(fā)展新型的PLS-SVM方法的可能性。 (6)利用Cu-1.5Ti和Cu-4.5Ti合金時效過程中析出相的體積分數(shù)與導(dǎo)電率的線性關(guān)系，推導(dǎo)出實驗溫度下合金時效的Avrami相變動力學(xué)方程與

8、導(dǎo)電率方程。基于半經(jīng)驗的物理方程擬合的導(dǎo)電率變化規(guī)律與LSSVM模型預(yù)測的函數(shù)曲線很相似。 (7)將模式識別及神經(jīng)網(wǎng)絡(luò)方法有機地結(jié)合，采用PLS部分得分作為BPN的輸入元素，簡化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，有利于克服過擬合，提高神經(jīng)網(wǎng)絡(luò)預(yù)報的準確性。應(yīng)用PLS-BP方法對7005鋁合金在線擠壓淬火工藝和隨后的時效工藝對合金力學(xué)性能的影響進行了定性分析和定量計算。實踐證明，PLS-BP方法不但可以實現(xiàn)對7005鋁合金性能的正向預(yù)測，還可以實現(xiàn)工