[发明专利]预测铸态铝硅合金力学性能的方法及系统

权利要求书

1.一种预测铸态铝硅合金力学性能的方法，其特征在于，包括如下步骤：

步骤1：确定铸态铝硅合金力学性能的影响因素；

步骤2：根据所需要的铸态铝硅合金力学性能的指标，对不同成分、不同铸造工艺下的铝硅合金进行力学性能试验，收集并筛选试验数据，获得样本数据集；

步骤3：对样本数据集进行归一化预处理作为试验样本；

步骤4：确定BP神经网络结构；

步骤5：通过步骤3中的试验样本对BP神经网络结构进行训练，建立铸态铝硅合金力学性能的影响因素与铸态铝硅合金力学性能的指标之间的映射关系，得到BP神经网络模型；

步骤6：向BP神经网络模型输入相关参数，利用BP神经网络模型计算输出结果，输出结果经反归一化处理后为铸态铝硅合金力学性能的预测值。

2.根据权利要求1所述的预测铸态铝硅合金力学性能的方法，其特征在于，所述步骤1中，所述铸态铝硅合金力学性能的影响因素包括Fe/Mn比、冷却速度、变质元素含量、孔隙率、Si含量以及Cu含量；

所述冷却速度通过热电偶在铸件凝固过程中进行实测或根据冷却速度与铝硅合金铸件被预测力学性能部位的二次枝晶臂间距值的关系进行拟合与转换。

3.根据权利要求2所述的预测铸态铝硅合金力学性能的方法，其特征在于，根据冷却速度与铝硅合金铸件被预测力学性能部位的二次枝晶臂间距值的关系进行拟合与转换，通过以下公式进行拟合与转换：

SDAS＝a·(Rc)^-b

其中，SDAS是铝硅合金铸件被预测力学性能部位的二次枝晶臂间距值，a是材料常数，Rc是该部位的冷却速度，b是无量纲参数。

4.根据权利要求1所述的预测铸态铝硅合金力学性能的方法，其特征在于，所述步骤2中，所述铸态铝硅合金力学性能的指标包括抗拉强度和延伸率。

5.根据权利要求1所述的预测铸态铝硅合金力学性能的方法，其特征在于，所述步骤2中，筛选试验数据遵从以下原则：

确保试验数据涵盖材料与工艺许可范围的上下限；在确保试验数据在许可范围内均匀分布的前提下，试样数据尽可能多。

6.根据权利要求1所述的预测铸态铝硅合金力学性能的方法，其特征在于，所述步骤3中，对样本数据集进行归一化预处理，归一化预处理的计算公式为：

其中，X是样本数据集中某影响因素的原始数据，x(norm)是某影响因素归一化以后的样本数据，X(max)是某影响因素在原始样本数据集中的最大值，X(min)是某影响因素在原始样本数据集中的最小值。

7.根据权利要求1所述的预测铸态铝硅合金力学性能的方法，其特征在于，所述步骤4中，确定BP神经网络结构包括确定BP神经网络隐含层层数和每层所述隐含层上的节点数。

8.根据权利要求1所述的预测铸态铝硅合金力学性能的方法，其特征在于，所述步骤5中，对BP神经网络结构进行训练之前，采用智能算法利用所述试验样本对BP神经网络结构进行训练优化，获得所述BP神经网络模型的优化后的初始权值；

所述智能算法为遗传算法、粒子群算法、鸽群算法中的任意一种。

9.根据权利要求1所述的预测铸态铝硅合金力学性能的方法，其特征在于，所述步骤5中，建立好BP神经网络模型以后，通过以下公式考察输出变量对输入变量的敏感度：

其中，N是样本数据集中的样本个数，Δinput是输入的改变量，Δoutput是输出的改变量。

10.一种预测铸态铝硅合金力学性能的系统，其特征在于，包括如下模块：

影响因素确定模块：确定铸态铝硅合金力学性能的影响因素；

样本数据集获取模块：根据所需要的铸态铝硅合金力学性能的指标，对同一牌号不同成分、不同铸造工艺下的铝硅合金进行力学性能试验，收集并筛选试验数据，获得样本数据集；

归一化模块：对样本数据集进行归一化预处理作为试验样本；

神经网络结构确定模块：确定BP神经网络结构；

神经网络模型确定模块：通过步骤3中的试验样本对BP神经网络结构进行训练，建立铸态铝硅合金力学性能的影响因素与铸态铝硅合金力学性能的指标之间的映射关系，得到BP神经网络模型；

预测值获取模块：向BP神经网络模型输入相关参数，利用BP神经网络模型计算输出结果，输出结果经反归一化处理后为铸态铝硅合金力学性能的预测值。