[发明专利]应用BP神经网络预测TC4钛合金铸件缩孔缺陷的方法

权利要求书

1.一种应用BP神经网络预测TC4钛合金铸件缩孔缺陷的方法，其特征包括以下步骤：

(1)根据缩孔形成的原因和钛合金熔模铸造的特点，选取型腔填充时间、材料流动距离、材料年龄、自由表面积*流动时间、局部凝固时间、冷却速率、温度梯度，七个参量作为BP神经网络的输入，将对应位置是否存在缩孔作BP神经网络的输出，其中，有缩孔存在记为1，否则记为0；

(2)以ProCAST软件模拟TC4钛合金的熔模铸造过程，在铸件模拟结果和X射线探伤结果的基础上，收集各个位置的相关输入、输出参量，将收集到的数据作为BP网络的训练样本集，确定BP神经网络的输入层及输出层的节点数、隐含层层数、隐含层节点数、传递函数、训练函数、权值和阈值参数；

(3)用收集到的样本集训练BP神经网络，构建出预测TC4钛合金铸件缩孔的BP神经网络模型；

(4)进行仿真测试，将预测结果与实际结果做对比分析，得到TC4钛合金铸件缩孔的预测结果。

2.根据权利要求1所述的应用BP神经网络预测TC4钛合金铸件缩孔缺陷的方法，其特征是，所述步骤(1)中的选取型腔填充时间、材料流动距离、材料年龄、自由表面积*流动时间、局部凝固时间、冷却速率、温度梯度七个参变量的主方式是通过仿真实验筛选出，作为BP神经网络的输入，以对应位置是否存在缩孔作为输出。

3.根据权利要求1所述的应用BP神经网络预测TC4钛合金铸件缩孔缺陷的方法，其特征是，在所述步骤(2)中的数据收集和确定BP神经网络的方法是：

(a)收集铸件各位置处的模拟结果数据和对应的实际缩孔数据，作为BP网络的训练样本集，每个样本包含七个输入参量，分别为型腔填充时间、材料流动距离、材料年龄、自由表面积*流动时间、局部凝固时间、冷却速率、温度梯度，和一个输出参量即对应位置是否有缩孔存在；

(b)定义BP神经网络的输入层的节点个数为n，输出层节点个数为m，已知BP神经网络的输入和输出层的节点数分别为输入变量和输出变量的维数，即n＝7，m＝1，定义隐含层节点数为q，输入层和隐含层间的权值为θ_ji(j＝1，2，…，q；i＝1，2，…，n)，阈值为b_j(j＝1，2，…，q)，隐含层和输出层的权值为w_kj(k＝1，2，…，m；j＝1，2，…，q)，阈值为f₁(·)为隐含层的传递函数，f₂(·)为输出层的传递函数，该BP神经网络的隐含层数定为一层。

4.根据权利要求3所述的应用BP神经网络预测TC4钛合金铸件缩孔缺陷的方法，其特征是，用于训练样本集中样本的个数确定为Z＝794个。

5.根据权利要求1所述的应用BP神经网络预测TC4钛合金铸件缩孔缺陷的方法，其特征为，在所述的步骤(3)中构建出预测TC4钛合金铸件缩孔的BP神经网络模型的方法：将输入变量经由BP神经网络模型输入层输入，再经由隐含层和输出层的计算，输出得到网络预测结果，即实际输出，定义期望输出，并将实际输出与期望输出的差值逆向传播到输入层和隐含层，BP网络按照使误差函数最小的方向调整权值和阈值，训练网络。