[发明专利]基于人工神经网络快速预报Ni‑Mn‑Ga形状记忆合金转变温度的方法

说明书

技术领域

本发明涉及一种预报Ni-Mn-Ga形状记忆合金转变温度的方法，尤其是涉及一种基于人工神经网络快速预报Ni-Mn-Ga形状记忆合金转变温度的方法。

背景技术

形状记忆合金(Shape memory alloys，简称SMAs)是一类因热弹性变形马氏体转变的假弹性和强弹性而表现出的形状记忆效应(SME)的合金。由于这种独特的性能，使得形状记忆合金在机械工程和医学上有着广泛的应用。但是从应用的角度来讲，形状记忆合金马氏体转变温度尤其是马氏体开始转变温度(the starting temperature of the forward martensitic transformation，简称Ms)对于工业设计至关重要，是形状记忆合金装置应用温度范围最重要的影响参数。

人工神经网络是模拟生物神经网络信息处理机制的一种信息处理系统，特别适用于处理输入和输出关系复杂的非线性数据，是从化学化工生产、实验数据中总结规律的一种有效手段。它是一种以有向图为拓扑结构的动态系统，也可看作是一种高维空间的非线性映射：

每一个神经细胞是一个简单的信息处理单元；神经细胞之间按一定的方式相互连接，构成神经网络系统，且按一定的规则进行信息传递与存储；神经网络系统可按已发生的事件积累经验，从而不断修改该系统的网络连接权重与存储数据。

目前没有看到人工神经网络快速预报Ni-Mn-Ga形状记忆合金转变温度这方面的报道。

发明内容

本发明的目的就是为了克服现有技术存在的缺陷，而提供一种低成本、无污染、测试简单、简便快捷的基于人工神经网络快速预报Ni-Mn-Ga形状记忆合金转变温度。

本发明的目的可以通过以下技术方案来实现：

一种基于人工神经网络快速预报Ni-Mn-Ga形状记忆合金转变温度的方法，其特征在于该方法的具体步骤为：

a.收集若干个Ni-Mn-Ga形状记忆合金的组分数据以及相应的转变温度(Ms)；

b.以这些组分数据为自变量，以转变温为因变量，采用人工神经网络算法建立Ni-Mn-Ga形状记忆合金转变温度的快速预报模型；

c.根据建立的Ni-Mn-Ga形状记忆合金转变温度的快速预报模型和待检测的新的Ni-Mn-Ga形状记忆合金的组分数据，快速预报其转变温度。

上述的步骤b中的具体步骤为：

设为l-1层上节点i至l层上节点j的连接权值，和分别为l层上节点j的输入值和输出值，且X_i，i＝1,…,N为网络的输入因素，转换函数f为Sigmoid形式：

则B-P网络的输出与输入之间的关系如下：

其中pot(l)，l＝1,2,…,L为各层节点数，且pot(1)＝N，pot(L)＝M，为目标E_j的估计值；BP网络的学习过程是通过误差反传算法调整网络的权值W_ji，使网络对于已知n个样本目标值的估计值与实际值之误差的平方和：

最小；这一过程可用梯度速降法实现，算法流程如下：

b-1.初始化各权值

b-2.随机取一个样本，计算其

反向逐层计算误差函数值

a.

b-3.修正权值

其中t为迭代次数，η为学习效率，α为动量项,为l-1层上节点i至l层上节点j的连接权值；

重复步骤b、c、d，直至收敛于给定条件；通过对上述人工神经网络算法的编程实现，建立Ni-Mn-Ga形状记忆合金及转变温度的快速预报模型。

与现有技术相比，本发明具有以下优点：

一、预报Ni-Mn-Ga形状记忆合金转变温度简单、快捷：把Ni、Mn、Ga的含量导入建立的模型，不需要1秒钟就可以计算出结果，方便、快捷，仅需一人即可完成。

二、低成本：本发明利用Ni、Mn、Ga的含量-人工神经网络预报Ni-Mn-Ga形状记忆合金转变温度，相比于传统测量，不需要购买仪器，操作简单，成本低。

三、不破坏样品：在整个预测过程中个，不需要对样品进行化学、物理处理，不和破坏样品。

四、不污染环境：本发明在整个过程中不用到化学药品，对环境没有污染。

附图说明

图1为人工神经网络网络示意图。

图2为Ni-Mn-Ga形状记忆合金转变温度建模结果图。

图3为Ni-Mn-Ga形状记忆合金转变温度距留一法结果图。