基于人工神经网络的亚共晶Al-7Si合金力学性能与显微组织定量关系分析

以亚共晶A1-7Si合金为研究对象,基于Matlab神经网络工具箱开发了铝合金性能和组织关系预测程序,获得了高精度的材料性能与组织特征的关系预测模型.通过控制增压铸造过程中保压压力(85～300 kPa)和冷却速度(1～10 k/s)参数,获得具有不同力学性能和组织特征的铝合金.拉伸试样力学性能测试结果表明:抗拉强度为310～350MPa,延伸率为3％～12％.采用IPP 6.0软件统计组织特征参数结果表明:二次枝晶间距为18.56～33.04 μm,共晶Si相面积为6.37～13.37μm2,缺陷面积百分数为0％～0.363％,最大Fe相面积百分数为0％～0.06％.通过人工神经网络(ANN)预测模型,探究了单因素和双因素协同作用对合金力学性能的影响规律,建立了合金性能优化的组织控制路径.预测结果表明,该合金强度和塑性均与4种组织特征呈负相关,且缺陷和Fe相的存在对合金性能有较大的不利影响.因此,缩小枝晶间距(＜20 μm)、变质共晶Si相(＜12 μm2)、控制孔洞缺陷(＜0.35％)、严格控制富Fe相的尺寸和形态,是制备高性能铝合金的关键.