搅拌铸造法制备铝基复合材料力学性能的建模

采用ANN（人工神经网络）建模方法预测铝铸造复合材料的力学性能。为此，使用常规铸造方法开发了铝合金。复合材料具有复杂性质，在热处理、工艺参数和成分之间存在非线性关系，并影响其力学性能。这些与性能的非线性关系可更有效地由ANN建模。神经网络建模需要由力学性能、化学成分和工艺参数组成的充足数据库。此类数据库尚不可用用于建模。因此，开展了大范围的实验工作以开发铝复合材料。以含Cu、Mg和Zn为基体的合金通过搅拌铸造法用1-15% Al2O3颗粒增强。合金复合材料在金属模中铸造。制备了八十多个标准样品用于拉伸试验。六十个样品在580oC固溶处理半小时，并在120oC回火24小时。使用扫描电子显微镜、X射线光谱仪、光学金相显微镜、维氏硬度计、万能试验机和磨料磨损试验机对样品进行表征以研究力学性能。开发并使用了MLP（多层感知机）前馈网络用于建模。使用反向传播学习算法进行模型的训练、测试和验证。建模结果表明，具有14个输入、9个隐藏神经元和4个输出的架构（包括抗拉强度、延伸率、硬度和耐磨性）在训练、测试和验证中给出合理准确的结果，误差在2-7%范围内。