尹瑞欣

摘 要：对铁基软磁材料进行热处理，获得不同热处理温度和时间下的相对损耗因子、饱和磁通密度。基于BP算法的神经网络，应用MATLAB软件的神经网络工具箱，对不同热处理温度和时间下的软磁材料磁性能数据进行训练和预测，优化软磁材料热处理工艺。训练结果表明，该神经网络的训练结果误差小，能实现对热处理工艺的预测。

关键词：软磁材料；神经网络；热处理

神经网络作为一项新兴技术，在各行各业得到了广泛应用。神经网络已广泛用于有机、无机和金属材料研究工作。神经网络技术应用于金属材料各领域得到了广泛应用。在金属材料的应用领域中，热处理工艺中采用典型的试错法，存在程序繁琐、耗时和成本高的问题，神经网络在磁性材料的应用中存在环境不可控因素等，神经网络应用越来越广泛，也发现了一些应用缺陷。随着材料科学和计算机科学的发展，人工神经网络提供了优化过程的可能性。例如Nd-Fe-B等材料，通过神经网络研究了永磁合金的热处理工艺优化。近年来由于BPNN等神经网络已成功应用于神经系统，神经网络在模式识别、智能控制、组合优化和预测等领域的应用，适用于生产过程中的物理性质构建，以形成非线性系统的预测。基于神经网络构建起神经网络体系，做好软磁材料热处理工艺的优化，提升神经网络技术在金属材料领域的应用效果。本文对磁性材料热处理工艺的优化设计工作进行了探析。……