AlON-TiN复相材料合成工艺参数支持向量回归分析.pdfVIP

第58卷专刊2009年6月 物 理学 报 1000．329012009158(专刊)1S015．06ACTAPHYSICASINICA @2009 Chin．Phys．Soc． AION．TiN复相材料合成工艺参数的 支持向量回归分析* 温玉锋蔡从中’ 裴军芳朱星键 肖婷婷王桂莲 (重庆大学应用物理系，重庆400044) ’ (2009年1月15日收到；2009年4月20日收到修改穑) 根据在不同热压烧结工艺参数(包括TiN的含量、烧结温度和保温时间)下合成的AION．TiN复相材料的抗弯强 度实测数据集，应用基于粒子群算法寻优的支持向量回归(SVR)方法，建立了AION—TiN复相材料在不同热压烧结 工艺参数下抗弯强度的SVR预测模型，并与基于人工神经网络(ANN)模型的预测结果进行了比较．利用SVR预测 模型并结合粒子群算法对AION．TiN合成工艺参数进行了寻优和多因素分析．结果显示：对于相同的训练样本和检 h 有更强的预测能力．工艺参数寻优结果表明，当TiN质量分数为13．5％、烧结温度为1863．5℃和保温时间为5．8 时，可获得抗弯强度为555．452MPa的AION．TiN复相材料．研究结果表明，该方法对于研发理想抗弯强度的 ／dON．TiN复相材料具有重要的理论指导意义和实用价值． 关键词：AION．TiN，抗弯强度，支持向量回归，回归分析 PACC：0270，0650 复合材料的原始组成复杂，且TiN难以烧结，因而为 1．引 言 制备出性能良好的AION—TiN复相材料寻找合适的 工艺参数及配方显得尤为必要． 氮氧化铝尖晶石(AION)是AIN和AI：O，的固溶 随着人工智能技术的不断发展，计算机辅助设 体．AION具有优良的力学、光学和化学等性能，但计在材料科学领域也得到了不断的发展，除传统多 在某一温度以下其热力学不稳定性会导致其力学性 元线性回归方法(B’91外，人工智能方法(如神经网 能降低，在一定程度上限制了其应用．近几十年来， 络[1俨”】、遗传算法[14_163等)已被广泛地应用于材料 为了提高AION的力学性能和化学性能，国内外许 工艺的设计和优化．支持向量机是由Vapnik[1于 多学者开展了向A10N中引入第二相制备AION为 1995年提出的～种基于结构风险最小化的统计学 主晶相的复相材料研究，并取得了良好的效果¨_’1． 习方法，可用于分类和回归分析，已被成功地应用于 TiN是共价键化合物，具有高硬度、高熔点和良好的 很多领域[18-矧．本文利用文献[10]所报道的热压合 导电性能．尽管TiN难以烧结，但是仍有许多研究者 成AION．TiN复合材料的实测数据集，应用支持向量 把TiN作为第二相引入到AION复相材料中，利用其 v