基于GRNN的高剩磁磁铁热处理工艺优化的研究

张椿英， 赵浩峰,， 于 鹏， 王 玲， 柴阜桐

(1.安徽信息工程学院机械工程学院 安徽 芜湖 241000；2.南京信息工程大学物理学院 江苏 南京 210044)

0 引言

在高剩磁磁铁制备中，热处理的工艺对材料的组织及性能有大的影响，特别是热处理中的加热温度和保温时间是获取优质磁性材料的关键[1-4]。神经网络是一个由多层感知器组成的前馈网络，是模仿大脑构造和特质的一种信息处理体系。它具有较好的匹配性、自构造性和容它出错性，具有良好的研究、记忆、串想、辨识等能力，已经在信号管理、模式辨别、目标衔接、机器人操作等宽广范围获得了深入的应用。近十几年来，BPNN、RBFNN以及GRNN等神经网，已经被广泛应用于生产工艺优化等非线性系统预测方面，在估计、预测、诊断、人工智能等领域显示出其相对优势[5,6]。其中GRNN的学习速度及非线性映射能力均非常优秀，在样本数据较少时，该预测效果优势明显；它还可以处理某些不稳定数据。在分类和拟合方面，特别是数据精准度较弱时，GRNN神经网络也能够获得满意的结果。神经网络已广泛用于工程技术，也包括材料工程领域，如高分子材料、陶瓷材料及金属材料的设计优化预测。但是神经网络在纳米永久磁铁矫顽力性能热处理工艺参数预测的应用并不多。

在金属材料热处理过程中，过去的工艺优化采用反复试错的方法。这种方法带来的问题有很多，如投入高浪费大、耗时耗力、工艺繁琐、外部因素和人为干扰大、不可控等。随着材料工程技术的进步及计算机科学和数学的不断发展，为人工神经网络在材料工程参数的优化预测中的应用提供了基础。……