AlON-TiN复相材料合成工艺参数的支持向量回归分析

摘要：

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AlON-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AlON-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AlON-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验样本,AlON-TiN复相材料抗弯强度的SVR模型比ANN模型具有更小的预测误差,表明SVR模型比ANN模型具有更强的预测能力.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 h时, 可获得抗弯强度为555.452 MPa的AlON-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AlON-TiN复相材料具有重要的理论指导意义和实用价值.

关键词：AlON-TiN、抗弯强度、支持向量回归、回归分析

所属期刊栏目：58

分类号：O4(物理学)

资助基金：教育部新世纪优秀人才支持计划NCET-07-0903;教育部留学回国人员科研启动基金2008101-1;重庆市自然科学基金CSTC2006BB5240;国家大学生创新性实验计划CQUCX-G-2007-016

在线出版日期：2009-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：15-20