基于RBF神经网络的6005A铝合金挤压在线淬火力学性能预测

张德军，林春梅，孙巧妍，吕正风

(1. 烟台南山学院 工学院，山东 烟台 265713;2．山东南山铝业股份有限公司，山东 烟台 265713)

6005A铝合金以其良好的挤压性能和热处理后合理的强度性能成为现代轨道交通车辆的主要用材。一般情况下6005A铝合金都是采用挤压在线淬火后T5时效状态来获得较好的力学性能。刘静安[1]研究了轨道车辆用大型特种铝型材的挤压在线淬火生产过程对6005A铝合金强度的影响。王志伟、汪明朴等[2]研究了在线挤压淬火工艺对地铁列车用6005A铝合金力学性能及微观组织影响。沈健、李彦利等[3]研究了在线淬火工艺对6005A铝合金挤压型材组织与性能的影响。他们都通过实验的方法得出了挤压在线淬火工艺参数对材料力学性能影响的大致规律。但是至今还没有一种数学模型来准确地描述挤压在线淬火工艺参数和力学性能之间的关系，从而根据加工工艺参数准确地预测产品的力学性能。

目前，FOROUZAN和AKABARZADEH[4]研究了利用反向传播神经网络预测AA3004铝合金在冷轧和热轧过程中的力学性能。杨夏炜等[5]研究了BP神经网络在A357铝合金热处理过程中预测力学性能。但在铝合金挤压过程中利用径向基(RBF)神经网络对材料的力学性能进行预测研究较少，本课题通过对6005A铝合金在不同的挤压在线淬火工艺参数为输入对象，产品T5时效状态的拉伸试样的力学性能为输出对象，建立径向基(RBF)神经网络模型来预测6005A铝合金在不同的在线淬火工艺参数下的力学性能。

1 实验材料与方法

本实验的6005A铝合金材料化学成分按照国标GB/T3190-2008要求制造，其化学成分如表1所示。铸锭在Wagstaff自动半连续铸造机中铸造，均匀化处理后在82 MN挤压机上挤压并在线空冷淬火，挤压比为44.7，所有试样的厚度为5 mm。挤压温度范围为490℃～550℃，挤压速度范围为1 m/min～5 m/min，然后所有试样都要进行1%～3%的拉伸矫直，经175℃、8 h时效处理。力学性能拉伸实验利用INSTRON5960万能材料试验机，按照标准GB/T228-2002《金属材料室温拉伸试验方法》执行。试样的实验参数和结果列于表2。

表1 6005A铝合金化学成分(质量分数/%)Table 1 Compositions of 6005A aluminum alloy(wt/%)

表2 正交实验6005A-T5型材力学性能实验值Table 2 Mechanical properties of 6005A-T5 profile by orthogonal experiment

2 RBF神经网络模型的建立

在本研究中利用径向基(RBF)神经网络来学习预测在线挤压淬火工艺参数对材料力学性能的影响。将表2中试样的挤压温度、挤压速度作为径向基神经网络的输入变量，将铝型材的抗拉强度、屈服强度和伸长率作为输出径向基神经网络的输出变量。径向基网络采用高斯函数y=e-x2作为传递函数，函数在中心0附近下降最快，函数的选择性最强，因此需要将原始的挤压过程参数和拉伸实验数据进行归一化处理。归一化处理函数如下式所示：

(1)

式中：

X—试样的原始数据；

X(min)—对应数据的最小值；

X(max)—最大值；

X(norm)—规范化后的实验数值。

通过上式可知其范围一定在[0，0.8]以内。将表2中的数据归一化处理后，前32组用于对神经网络的训练，利用后16组用于对神经网络的检验；为了确定隐含层神经元的数量，采用平均相对误差的绝对值(AARE)来衡量神经网络模型预测的精度：

(2)

式中：

Ti—表2中的检测数值；

Yi—径向基网络模型的预测值。

分别对1-12个隐含层神经单元网络模型利用表2中的后16组数据进行检验，算出不同隐含层神经单元数的平均相对误差值如图1所示。由图1可知综合考虑神经网络预测系统的三个输出神经元的误差，当隐含层神经单元数为9时三个力学性能输出变量伸长率、抗拉强度和屈服强度的误差都取得最小值，因此确定径向基神经网络系统的隐含层神经元的数量为9，基于径向基的神经网络力学性能预测系统模型结构如图2所示。系统以6005A铝合金挤压过程的挤压温度和挤压速度为输入变量，以铝型材的材料力学性能参数断后伸长率、抗拉强度、屈服强度为输出变量。通过试凑法得出当隐含层神经单元数为9时，预测系统三个输出变量具有较小的平均绝对相对误差，断后伸长率、屈服强度抗、拉强度的平均绝对相对误差分别为0.7%、1.44%和1.9%，预测系统能够较好的根据挤压温度和挤压速度预测型材的力学性能。

3 结果与分析

根据神经网络预测模型，绘制出6005A铝合金在不同的挤压温度和挤压速度下的断后伸长率、屈服强度、抗拉强度的三维网格图和等高线图如图3和图4所示。由图中可以看出，6005A铝合金在其他工艺制度相同的条件下，型材的抗拉强度和屈服强度都随挤压温度和挤压速度先升高再降低。在挤压温度为543℃，挤压速度为3.82 m/min时屈服强度和抗拉强度取得最大值，分别为235.7 N/mm2和287.6 N/mm2。这是因为当挤压温度较低时随着挤压温度的升高，有利于提高材料的固溶效果，提高6005A铝合金的强度，但随着温度的进一步升高，当温度大于543℃以后，过高的挤压温度容易使材料过热、晶粒过度长大而使材料的性能下降；当挤压速度较低时，随着挤压速度的提高，淬火转移时间减少，材料的出口温度升高有利于提高材料的强度，但当挤压速度大于3.82 m/min后过高的挤压速度产生过多的变形热使材料晶粒异常长大，甚至在材料表面产生微裂纹这都会降低合金的强度。这与文献[2]中王志伟的实验结果基本一致，材料的断后伸长率在挤压温度为513℃、挤压速度为3.9 m/min时取得最大值16.03%，这是因为挤压速度较高，淬火转移时间短，温度较低不利于材料晶粒长大，因此伸长率较好。在挤压温度为548℃、挤压速度为1.98 m/min时伸长率最低、只有11.7%，这是因为较高的挤压温度和较低挤压速度使材料晶粒显著长大，影响了材料的性能。

6005A铝合金在地铁高速列车上使用的性能要求为：抗拉强度Rm≥250 N/mm2，屈服强度Rp0.2≥210 N/mm2，断后伸长率A≥8%，因此材料的断后伸长率都能符合材料性能要求，而对于抗拉强度和屈服强度，只要控制挤压温度在527℃～554℃之间，挤压速度控制在2.2 m/min～4.4 m/min之间就能满足要求。为了提高生产效率同时兼顾尽量提高断后伸长率，选定挤压温度为540℃、挤压速度为4 m/min进行挤压生产，并随机抽取12组样本进行力学性能检测，检测结果如图5所示。检测结果基本围绕预测值上下小幅波动，证明了基于径向基神经网络的6005A铝合金在线挤压淬火预测力学性能的模型是准确的。

图6是挤压产品T5时效后电解抛光的金相图片。由于采用在线风冷淬火，冷却速度不如水冷淬火，虽然有少量的Mg2Si相的非均匀析出和长大，但晶粒尺寸分布相对均匀，晶粒尺寸都控制100 μm以内，使材料具有相对较好的力学性能。

4 结 论

1)建立了基于径向基的神经网络力学性能预测系统模型，通过试凑法确定当隐含层神经单元数为9时输出变量伸长率、抗拉强度和屈服强度的误差都取得最小值。

2)分别建立了在不同的挤压速度和温度下6005A铝合金挤压在线淬火、T5时效后的断面伸长率、屈服强度、抗拉强度的三维网格图和等高线图，确立了6005A铝合金确保力学性能的挤压温度和挤压速度分别为540℃和4 m/min。