金属学报  2005, Vol. 41 Issue (5): 529-533

论文 本期目录 | 过刊浏览 |

基于人工神经网络的Nd-Fe-Co-Zr-B系永磁合金磁性能的预测模型

连利仙 刘颖 叶金文 高升吉 涂铭旌

连利仙; 刘颖; 叶金文; 高升吉; 涂铭旌 . 基于人工神经网络的Nd-Fe-Co-Zr-B系永磁合金磁性能的预测模型[J]. 金属学报, 2005, 41(5): 529-533 .

摘要 参考文献 相关文章 Metrics 全文: PDF(2674 KB)   摘要: 为了优化合金成分以提高纳米复相Nd-Fe-Co-Zr-B系永磁合金磁性能，采用均匀设计方法设计了Nd、 Co、Zr和B的4因素6水平U18(64)试验方案，建立了合金成分与磁性能之间的人工神经网络(ANN)预测模 型。利用该预测模型对Nd-Fe-B合金的成分进行了优化。同时，利用所建立的人工神经网络预测模型研究 了单个元素对Nd-Fe-B合金磁性能的影响规律，以及多元素间的交互作用与合金磁性能间的关系。结果表 明：预测结果与实测结果吻合良好，预测结果的相对误差很小，Br的相对误差在1.66%以内，(BH)m的相对 误差在1.94%以内，Hcj的相对误差在7.7%以内。 关键词 ： Nd-Fe-B,  神经网络,  均匀设计     Key words： 收稿日期: 1900-01-01      ZTFLH:  TM273   服务 把本文推荐给朋友 加入引用管理器 E-mail Alert RSS 作者相关文章 连利仙 刘颖 叶金文 高升吉 涂铭旌 44.8K 链接本文: https://www.ams.org.cn/CN/Y2005/V41/I5/529 [1] Skomski R, Coey J M D. Phys Rev, 1993; 48B: 15812 [2] Wang J F, Pu J, Xiao J Z, Gan Z H, Yi H Y. Mater Rev, 2002; 16(7): 22 (王敬丰,蒲健,肖建中,甘章华,易回阳.材料导报,2002; 16(7):22) [3] Jakubowicz J, Szlaferek A. J Alloys Compd, 1999; 283: 307 [4] Kronmoller H, Rieger G, Seeger M, Sun L. J Magn Magn Mater, 1995; 151: 193 [5] Jakubowicz J, Jurczyk M. J Magn Magn Mater, 2000; 208: 163 [6] Bauer J, Seeger M, Kronmiiller H. J Magn Magn Mater, 1995; 139: 323 [7] Zhu M G, Li W, Li X M, Guo Y Q. Acta Metall Sin, 2003; 39:217 (朱明刚,李卫,李岫梅,郭永权.金属学报,2003;39:217) [8] Gao R W, Dai Y Y, Chen W, Zhang Y M, Zhang M C, Qiao Y, Wang Z C, Li W, Li X M, Wang Y S, Luo J. Prog Phys, 2001; 21(2): 131 (高汝伟,代由勇,陈伟,章亚明,张茂才,乔 祎,王佐诚, 李卫,李岫梅,王玉山,罗 军.物理学进展,2001;21(2): 131) [9] Zhang M G, Guo D C, Kong H W, Jin Z H. Acta Metall Sin, 1999; 35: 777 (张敏刚,郭东城,孔海旺,金治浩.金属学报,1999;35:777) [10] Bai F M, Jiang Z L, Chen X Y, Ma C L, Zhu J. J Chin Rare Earth Soc, 2002; 20: 315 (白飞明,姜忠良,陈秀云,马春来,朱 静.中国稀土学报, 2002;20(4):315) [11] Xie G Z, Tian Z J, Yu Z, Gu B X, Lu M, Du Y W. J Fund Mater, 2002; 33: 615 (谢国治,田宗军,余智,顾本喜,鹿牧,都有为.功能材 料,2002;33:615) [12] Zhang L M. Neural Network and its Application. Shanghai: Fudan University Press, 1993 (张立明.人工神经网络模型及其应用.上海:复旦大学出版社, 1993) [13] Eberhart R C, Donbbins R W. Neural Network PC Tools: A Practical Guide. New York: Academic Press, 1990: 3 [14] Fang K T, Ma C X. Orthogonal Design and Uniform Design. Beijing: Science Press, 2001: 83 (方开泰,马长兴.正交与均匀实验设计.北京:科学出版社, 2001:83) [15] Gao Y D, Zhang S Q, Liu B C. Acta Metall Sin, 1999; 35: 1105 (高彦东,张少卿,刘伯操.金属学报, 1999;35:1103) [16] Liu Y, Zha W S, Gao S J, Lian L X, Tu M J. Chin Rare Earth Soc, 2003; 21(5): 522 (刘颖,查五生,高升吉,连利仙,涂铭旌.中国稀土学报, 2003;21(5):522)0 [1] 冀秀梅, 侯美伶, 王龙, 刘玠, 高克伟. 基于机器学习的中厚板变形抗力模型建模与应用[J]. 金属学报, 2023, 59(3): 435-446. [2] 余滨杉,王社良,杨涛,樊禹江. 基于遗传算法优化的SMABP神经网络本构模型[J]. 金属学报, 2017, 53(2): 248-256. [3] 侯介山,周兰章,郭建亭,袁超. NiAl合金超塑性的人工神经网络预测[J]. 金属学报, 2013, 49(11): 1333-1338. [4] 余晖 KIM Youngmin 于化顺 YOU Bongsun 闵光辉. Mg-Zn-Zr-Ce合金高温变形行为与热加工性能研究[J]. 金属学报, 2012, 48(9): 1123-1131. [5] 包小倩 高学绪 朱洁 张茂才 周寿增. Nd含量对纳米晶NdxFe94-xB6合金磁性能的影响[J]. 金属学报, 2009, 45(8): 988-993. [6] 邓天勇 吴迪 许云波 赵彦峰 刘相华 王国栋. 普碳钢中厚板热轧温度制定的一种新的数学方法[J]. 金属学报, 2009, 45(1): 67-72. [7] 吴令; 姜周华; 龚伟; 梁连科 . 遗传神经网络改进正规溶液模型及其在二元渣系中的应用[J]. 金属学报, 2008, 44(7): 799-802 . [8] 包小倩; 孙绪新; 高学绪; 张茂才; 董清飞; 周寿增 . 优化边界结构制备高矫顽力及高热稳定性烧结 Nd-Fe-B 磁体[J]. 金属学报, 2008, 44(7): 871-875 . [9] 李军伟; 彭志方 . 用人工神经网络法预测镍基单晶高温合金的蠕变断裂寿命[J]. 金属学报, 2004, 40(3): 257-262 . [10] 由伟; 白秉哲; 方鸿生 ; 谢锡善 . 用人工神经网络模型预测钢的奥氏体形成温度[J]. 金属学报, 2004, 40(11): 1133-1137 . [11] 李新城; 陈光; 朱伟兴; 王匀; 张开华; 汪建敏 . 齿轮选材及热处理工艺智能专家系统[J]. 金属学报, 2004, 40(10): 1051-1054 . [12] 骆宇时; 彭志方 . 镍基高温合金中γ’和γ相点阵常数的简捷人工神经网络预测法[J]. 金属学报, 2003, 39(9): 897-902 . [13] 李锋军; 沈厚发; 柳百成 . 消失模铸造充型过程的模拟方法[J]. 金属学报, 2003, 39(7): 686-690 . [14] 由伟; 方鸿生; 白秉哲 . 用反向传播人工神经网络预测低碳低合金钢的马氏体转变开始温度[J]. 金属学报, 2003, 39(6): 630-634 . [15] 王春水; 彭志方; 于洋洋 . 人工神经网络预测变形高温合金的持久强度[J]. 金属学报, 2003, 39(12): 1251-1254 . Viewed Full text Abstract Cited   Shared      Discussed