基于反向傳播人工神經(jīng)網(wǎng)絡(luò)對SiC氧化反應(yīng)行為的預(yù)測研究

趙春陽，王恩會，方 志，郭春雨，段興駿，侯新梅

(北京科技大學(xué)鋼鐵共性技術(shù)協(xié)同創(chuàng)新中心，北京 100083)

0 引 言

非氧化物材料因其強(qiáng)度高，具有良好的抗氧化、抗熱震和抗腐蝕性能，被廣泛應(yīng)用于冶金、電力和化工等行業(yè)[1-3]。在實(shí)際服役條件下，作為高溫設(shè)備內(nèi)襯耐火材料重要組成的非氧化物材料其本身的氧化行為易導(dǎo)致相應(yīng)耐火材料高溫性能不斷惡化，進(jìn)而降低服役壽命。因此明晰非氧化物材料在高溫服役過程中的反應(yīng)行為對相應(yīng)耐火材料服役壽命的預(yù)測和優(yōu)化設(shè)計(jì)尤為重要[2-5]。

在非氧化物材料高溫服役過程的反應(yīng)行為研究方面，由于高溫反應(yīng)的復(fù)雜性及實(shí)驗(yàn)條件的苛刻性，反應(yīng)數(shù)據(jù)準(zhǔn)確獲取困難且重現(xiàn)性差，而現(xiàn)有的測試僅考慮單一因素，與材料實(shí)際服役條件相距甚遠(yuǎn)。除了實(shí)驗(yàn)手段外，多采用動(dòng)力學(xué)模型進(jìn)行分析[5-8]，但是動(dòng)力學(xué)模型的建立往往都需要進(jìn)行大量數(shù)據(jù)處理，當(dāng)遇到不同的反應(yīng)機(jī)理時(shí)不可避免地需要更多的表達(dá)式來描述反應(yīng)行為，且很難同時(shí)滿足描述準(zhǔn)確性高和模型參數(shù)簡單兩個(gè)條件，實(shí)際應(yīng)用效果不佳[9-12]。

隨著人工智能的快速發(fā)展和大數(shù)據(jù)技術(shù)在材料領(lǐng)域的應(yīng)用探索，越來越多的機(jī)器學(xué)習(xí)算法被用于解決材料制備和性能等方面的研究。人工神經(jīng)網(wǎng)絡(luò)(artificial neural network， ANN)是基于簡單處理元素(神經(jīng)元)組成的相互連接的并行系統(tǒng)，該系統(tǒng)利用已有數(shù)據(jù)學(xué)習(xí)輸入和輸出之間的函數(shù)關(guān)系，而無需事先假設(shè)輸入與輸出關(guān)系，具有自學(xué)習(xí)功能和高速尋找優(yōu)化解的能力。……