国防科技报告.docVIP

G F 编号：GF-A-00 G 分类号：1802 部门编号：ZW-Q-2003007 基层编号：G0307 中国国防科学技术报告 高碳当量灰铸铁成分的遗传优化 Composition Optimization of Grey Cast Iron with Adaptive Neuro-Fuzzy Inference System Modeling and Genetic Algorithms 中国工程物理研究院职工工学院 2003-02-24 辑要页 GF报告题名 高碳当量灰铸铁成分的遗传优化 G F 编号 GF-A00 G 报告密级 公开 部门编号 ZW-Q-2003007 分类号 1802 基层编号 G0307 作者(学衔或职称) 夏伯才(副教授) 总 页 数 9页 完成单位 中国工程物理研究院职工工学院 审查批准人(学衔或职称) 张明君(副教授) 叙 词 摘要： 高碳当量灰铁具有良好的铸造性能，但提高强度是一个重要研究课题。综合自适应模糊推理的建模功能和神经网络的学习能力，直接从实验数据中提取推理规则，建立了成分与抗拉强度和硬度之间的自适应模糊推理模型。模型由一系列规则组成，能帮助人们认识合金化规律，且具有较高的预测精度和泛化能力。同时，将自适应模糊推理模型与遗传算法耦合，得到了最高强度下的成分。研究形成的建模与优化方法可推广应用到其它材料的建模与成分优化。 关键词：灰铁，自适应模糊推理，人工神经网络，遗传优化 完成时间：2003-02-24  Abstract： Grey cast iron with high carbon equivalent has excellent castability, but it’s difficult to get high strength. In order to control and optimize the composition properly, it is necessary for mathematical model to describe the relationships between compositions and mechanical properties. By the coupled use of adaptive fuzzy inference modeling and artificial neural network learning ability, a set of rules, which could help us better understanding the basic principles of alloying, have been generated directly from the experimental data. The developed fuzzy inference systems could mapping the relationships between compositions and mechanical properties accurately. By integrating in the genetic optimization procedure, the fuzzy inference systems are used to determine the optimal compositions for the highest ultimate tensile strength. The methodology present here could be used for other data based material property modeling and optimization practices. Keywords： Grey cast iron Adaptive neuro-fuzzy inference system Artificial neural network Genetic optimization 翻译：夏伯才 审校：张明君 目次 引言 1 1 自适应神经－模糊推理建模 1 2 遗传优化 2 3 应用实例 3 结论 4 高碳当量灰铸铁成分的遗传优化 夏伯才 （中国工程物理研究院 职工工学院，四川绵阳，621900） 引言 低碳当量灰铁可以获得较高的力学性能，而铸造性能较差，易产生缩孔、疏松等缺陷。高碳当量灰铁具有良好的铸造性能，但由于石墨粗大及石墨量的增多导致对基体缩减和割裂作用增大，从而使机