基于人工神经网络的HDDR工艺与SmFeN磁性能预测模型
叶金文、刘颖，涂铭旌
(四川大学材料科学与工程学院，四川 成都，610065)
摘 要: 特别提示：此为模版文件，请将论文相应内容直接灌入，不要试图改动版式及字号。 概述了《稀有金属材料与工程》的国内外影响及地位。详细介绍了本刊的写作规范（特别是参考文献）、排版格式。同时，指定了排版软件：文章正文为Word、公式为equation 3、曲线图为origin5.0、照片为Photoshop 5.0、表为word。投稿时应有打印稿2~3份，磁盘1份，照片及曲线图原稿。投稿时，作者应以本写作规范作样本，从书眉、标题、大小写到格式严格、认真修改，使其与本样本一致。投稿地址为：710016 陕西西安51信箱， e-mail:[email protected]。 关键词:
中图法分类号： 文献标识码： A 文章编号：
1前言
Sm2Fe17Nx型化合物自1990年被Coey[1]等人发现以来，因其具有较高的居里温度（476℃,高出Nd2Fe14B近160℃），很高的磁晶各向异性场(14T)[2,3]，以及良好的热稳定性、抗氧化性和耐腐蚀性能，磁性能与Nd2Fe14B系稀土永磁相当等优点，受到了各国普遍的关注，因而得到了长足的发展。
HDDR法[5]是目前制备高性能NdFeB磁粉广泛采用的方法之一，它是利用Nd2Fe14B合金吸氢歧化，脱氢产生再化合的过程使母相晶粒细化，来获得高矫顽力的永磁材料。德国[4]和日本[5]用该法成功制备了Sm2Fe17Nx磁粉，HDDR方法制备Sm2Fe17Nx磁粉也就成为近来研究的热点之一。相关研究[6-8]表明Sm2Fe17Nx磁粉的微观结构和磁性能与HDDR过程中吸氢、歧化、脱氢、再化合的工艺条件有很密切的关系。现有的研究往往采用单因素法研究其中某一工艺对磁性能的影响，难以反映出上述各因素之间的相互影响的非线形关系，也就无法建立一个完整精确的工艺条件对磁性能影响规律的数学模型。
神经网络的发展给这一问题的解决提供了一种有效、可靠的方法。人工神经网络(ANN)是一种模拟脑神经对外部环境进行学习过程建立起来的一种人工智能模式识别方法，具有自学习、自组织、自适应及很强的非线性函数逼近能力和容错能力，特别适用
，
于非线性系统特性的研究[910]。为此，本文采用神经网络技术系统地研究了HDDR工艺对Sm2Fe17Nx磁性影响的规律，建立了工艺条件对SmFeN稀土永磁材料磁性能影响的连续的数学模型和磁性能与工艺预测模型，希冀能对HDDR法Sm2Fe17Nx磁粉的生产有所指导。
2 实验方法
2.1 实验方法
采用工业纯铁和纯度为99.9%的稀土Sm为原料，按一定配比配料，经SI2002－04型真空感应炉熔炼制备出SmFe铸锭，1050℃，真空炉内12h均匀化退火，然后球磨粉碎成10μm的粉末，再在SDZK高温真空烧结炉内一定温度相同氢压力下氢化-岐化1小时，然后抽高真空（3×10-3Pa），在该温度下脱氢—再化合处理1小时，最后在500℃氮化4h。 2.2 测试方法
将获得Sm2Fe17Nx磁粉同3%wt的粘结剂混合均匀，经5T的压力模压成型为磁体。用AMT-4型磁化特性自动测量仪测量磁体的磁性能。
2.3 人工神经网络的建立
人工神经网络是由大量的神经元广泛互连而成的网络，误差反向传播算法BP网络是目前应用最广的网络模型之一。BP人工神经网络每层的神经元对输入进行加权求和，对和进行阈值处理产生输出值。通过样本数据对神经网络进行训练和学习，不断调节其连接权值和阈值，从而正确反映输入和输出的映射关系。因此，本文采用三层BP神经网络，歧化温度、歧化时间、再化合温度、再化合时间分别作为 4个输入节点；材料的剩磁Br、矫顽力Hcj和磁能积(BH)m作为3个输出节点；隐含层节点数为7；传递函数均采用Sigmoid函数。BP网络结构示意图见图4-21。 2.4预测结果
随机选取表4-9中12组数据作为神经网络的训练样本，对神经网络进行离线学习，以建立网络各层的权值和阈值矩阵，网络对样本学习的相对误差随训练
_______________________________
收到初稿日期：2000-05-31；收到修改稿日期：2001-03-01
作者简介：叶金文，男，1976年生，博士，四川大学材料学院讲师，从事稀土矾钛新材料研究
图4-21 BP网络结构示意图
表4-9 试验设计方案与试验结果
No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
T1 t1 T2 t2 ℃ min ℃ min 675 690 705 720 735 750 765 780 795 810 600 625 650 700 775 775
60 105 150 30 75 120 165 45 90 135 45 75 60 60 60 30
695 730 710 745 780 760 795 830 810 845 720 690 700 750 775 810
90 165 75 150 60 135 45 120 30 105 70 100 50 90 60 55
Br/ mT 530.1 520.5 521.1 511.4 506.4 520.1 491.1 518.7 486.2 509.4 524.1 539.6 524 547.1 515.5 496.6
Hcj/ (BH)m/ kA/m kJ/m3 1311 1456 1333 1466 1569 1511 1602 1563 1622 1443 1367 1267 1243 1268 1555 1594
50.5 48.7 47 48 47 49 44 46 43.4 32.6 49.5 52.1 48.9 55.6 47.8 43.4
b)
a
c)
d)
图4-22 神经网络学习后误差图
a）相对误差随训练次数变化曲线；b）Br预测值与实测值对比 c)Hcj预测值与实测值对比； d)(BH)m的预测值与实测值对比
次数的变化曲线如图4-22中a）所示。由图可见，网络经约10次的学习训练后，相对误差低于×10-3数量级。最终神经网络对样本的学习误差如图4-22中b），c），d）所示。由图可见，训练样本的预测值与实测值均在等值线很近的范围，表明网络学习误差很小。将表4-9中其余4组，即第4，8，12，16 组作为检测样本，对所得神经网络模型进行预测仿真，其结果和预测值相对实测值的误差如表4-10所示。由表可见，该神经网络模型对Br预测的相对误差的最大值为2.85％；该神经网络模型对(BH)m预测的相对误差的最大值为4.60％；该神经网络模型对Hcj预测的相对误差的最大值为6.0％。因此，用人工神经网络的方法对HDDR工艺与Sm-Fe-N系永磁合金磁性能关系的预测精度较高，具有较好的可靠性。
4工艺参数对磁性能的影响
（a） （b）
（c）
图4-23 歧化时间和温度对SmFeN磁体性能影响三维曲面 (a)剩磁Br; (b)内禀矫顽力Hcj;(c)最大磁能积(BH)max
图4-23给出了再化合温度为750℃，再化合时间90分钟时，歧化时间和歧化温度对SmFeN磁体性能影响的三维曲面图。由图可见，在相同的歧化温度下，剩磁Br均表现出随着歧化时间增加先增大后减小的趋势；在相同歧化时间内，随着温度的升高，剩磁Br降低。最大磁能积(BH)m的变化规律与剩磁Br的变化规律相似。而矫顽力在相同的歧化时间内，则呈现出V字型的变化规律，歧化时间小于100分钟时，在700-750℃温度范围内出现最小值，歧化时间大于100分钟后，最小值则出现在600-650℃之间；在相同的歧化温度下，随着歧化时间的延长内禀矫顽力Hcj增加。合金磁性能的变化同SmFe合金在HDDR过程中微观结构演变密切相关。在相同的歧化温度下，随着歧化时间的延长，一方面合金歧化后的SmHx与α-Fe的层状交替的各向异性结构会发生“瑞利失稳”[11]，向各向同性的球形转变，导致此时晶粒界面积增大，也就是说增加了因Sm原子和Fe原子相互扩散而形核的位置，Sm2Fe17相形核率I越高，再化合后晶粒就越细小，故矫顽力变大，剩磁变小；另一方面磁性材料的矫顽力可以表示为：
Hc=αkHn-NeffMs （4-20） 式中Hn是单畴颗粒的理想外加磁场，Neff为与材料晶
粒形状有关的参数，称为退磁因子，Ms为磁化强度，
正如前面研究，SmHx的晶粒会由各向异性的片状向各向同性的球形转变，此时的退磁因子急剧减小，也就是说退磁场变小，故宏观上表现为矫顽力增大。同理，在相同的岐化时间内，随着歧化温度升高，虽然晶粒的长大速率会增加，使晶粒呈长大的趋势，但是其远不及因“瑞利失稳”而导致再化合后合金晶粒细化所带来的影响，所以虽然温度升高了，但合金再化合后晶粒仍较未发生“瑞利失稳”现象的低温歧化时的细小，矫顽力也就增加，剩磁减小。
图4-24 歧化温度为700℃，歧化时间60分钟，再化合时间和再化合温度对SmFeN磁体性能影响的三维曲面图。可见，在不同的再化合温度区域，粘结SmFeN磁体磁性能随再化合温度变化而变化的趋势也不同，反之亦然，这是两种元素间交互作用的结果。如图4-24(a)所示，剩磁Br、最大磁能积（BH）max的变化曲线呈山峰状，峰值出现在再化合温度为800℃再花合时间为150-200分钟的区域附近，其它区域均呈下降趋势，只是不同区域下降的幅度不同，这正是两工艺因素交互作用的结果，是常规单一因素循环所不能给出的信息；矫顽力Hcj的曲面呈斜坡状，最大值出现在再化合温度为800℃-850℃之间，再化合时间为50-100分钟的区域，其它区域呈下降趋势。这是因为再化合刚开始时，首先生成无序亚稳的SmFe9相，氮化后得到无序亚稳的SmFe9Nx硬磁相，随着时间的延长或者温度的增加，再化合后逐渐转变为Sm2Fe17相，氮化后最终得到完整的Sm2Fe17Nx硬磁相，所以在再化合温度低或者时间短时，合金中主要是SmFe9Nx硬磁相，因SmFe9Nx相的硬磁性能不如2:17:N相[12]，故磁性能低，随着温度升高或者再化合时间的延长，合金中将会发生SmFe9相向Sm2Fe17相转变，氮化后合金中Sm2Fe17Nx和SmFe9Nx共存，磁性能会略有升高，在800-850℃之间，再化合100-150分钟之间，合金中SmFe9相向Sm2Fe17相转变完全，氮化后由完整的硬磁相Sm2Fe17Nx相组成，同时由于温度高，时间长，合金的晶粒长大，故剩磁，最大磁能积增大，而矫顽力下降。
再化合温度集中在770℃-800℃，再化合时间在90-110分钟之间。
表4-11 神经网络模型HDDR工艺条件优化 将该SmFe合金按照第4组预测的HDDR工艺条
预测性能
No.
HDDR工艺条件（温度℃，时间min）
歧化时间t1 60 50 60 50 50
再化合温度T2 780 800 770 800 780
再化合时间t2 90 90 100 90 110
Br,
T
Hcj,
kA/m
(BH)m, 歧化温kJ/m 55 59 57 56.6 56.8
3
度T1 680 680 690 700 700
（
（b）
a
） 1 0.543 1411
2 3 4 5
0. 547 0.539 0.557 0.540
1302 1640.8 1305 1609
（c）
件实验，氮化后获得了氮含量高、相组成几乎单一的
Sm2Fe17Nx稀土永磁材料，将其制做成粘结磁体的磁性能为：Br＝0.562T；Hcj＝1214kA/m；(BH)m=56kJ/m3，其值和预测值吻合很好。
图4-24 再化合时间和再化合温度对SmFeN磁体
性能影响的三维曲面图
(a)剩磁Br (b)内禀矫顽力Hcj (c)最大磁能积(BH)max
5、结论
参考文献 References
[1] Zeng Dawen(曾大文), Wang Maoqiu(王毛球), Xie
Changsheng(谢长生). Microstructural Characteristics of a
3.2磁性能与工艺预测
Laser Claed Co-Base Alloy[J]. Rare Metal Materials and
以上几组实验结果表明，该神经网络模型可较好
Engineering (稀有金属材料与工程), 1998; 27(1): 87~91
地反映了歧化温度、歧化时间、再化合温度、再化合
[2] Jeannot D et al. IEEE Trans on CPMT，Part A[J],
时间等工艺参数与磁性能之间的关系，可以用其对工
1994;17(1):17
艺条件进行优化设计。选取Br和(BH)m的目标值分别
[3] Zhang Wansheng(张万胜). Electrical Alloy(电工合金) [J],
为：0.54T和55kJ/m3，相应HDDR工艺条件预测值
1995; (1):1
见表4-11。在合金磁性能预期目标范围内，歧化温度在680℃-700℃之间均有可能，歧化时间50-60分钟，
AC Losses of Bi2223/Ag Superconducting Tape Measured by Transport Current Method
Hu Lifa1,2, Zhou Lian1, Wang Jinxing2, Zhang Pingxiang1, Li Chengshan1, Yang Shizhong2,
He Yanfa2, Li Jinghui2
(1. Northwest Institute for Nonferrous Metal Research, Xi´an 710016,China; 2. Northeast University, Shenyang, 110006,China) Abstract: An experimental set-up was designed for measuring the self-field losses of Bi2223/Ag HTS tapes using a transport current method. The frequency of transport current can be freely changed from 0.5 Hz to 1000Hz. Its amplitude can be as much as 100A. …….As soon as the frequencies are more than 200 Hz, the eddy current losses can not be neglected. Keywords: AC loss; Bi2223/Ag; transport current method ________________________
Biography: Hu Lifa, Candidate for Ph. D., Superconducting Material Center, Northwest Institute for Nonferrous Metal Research, Xi’an 710016, P. R. China, Tel: 0086-29-6231079
表4-10 性能预测值与实测值对比
Br, T
No.
Measured
Predicted
Error,%
Measured
Predicted
Error,%
Measured
Predicted
Error,%
Hcj, kA/m
(BH)m, kJ/m3
4 8 12 16
0.521 0.516 0.491 0.524
0.519 0.528 0.505 0.525
-0.384 2.33 2.85 0.19
1333 1555 1602 1367
1341 1553 1583 1369
6.00 0.13 -1.19 0.146
47 47.8 44 49.5
46 50 44.5 50.5
-2.13 4.60 1.10 2.02
基于人工神经网络的HDDR工艺与SmFeN磁性能预测模型
叶金文、刘颖，涂铭旌
(四川大学材料科学与工程学院，四川 成都，610065)
摘 要: 特别提示：此为模版文件，请将论文相应内容直接灌入，不要试图改动版式及字号。 概述了《稀有金属材料与工程》的国内外影响及地位。详细介绍了本刊的写作规范（特别是参考文献）、排版格式。同时，指定了排版软件：文章正文为Word、公式为equation 3、曲线图为origin5.0、照片为Photoshop 5.0、表为word。投稿时应有打印稿2~3份，磁盘1份，照片及曲线图原稿。投稿时，作者应以本写作规范作样本，从书眉、标题、大小写到格式严格、认真修改，使其与本样本一致。投稿地址为：710016 陕西西安51信箱， e-mail:[email protected]。 关键词:
中图法分类号： 文献标识码： A 文章编号：
1前言
Sm2Fe17Nx型化合物自1990年被Coey[1]等人发现以来，因其具有较高的居里温度（476℃,高出Nd2Fe14B近160℃），很高的磁晶各向异性场(14T)[2,3]，以及良好的热稳定性、抗氧化性和耐腐蚀性能，磁性能与Nd2Fe14B系稀土永磁相当等优点，受到了各国普遍的关注，因而得到了长足的发展。
HDDR法[5]是目前制备高性能NdFeB磁粉广泛采用的方法之一，它是利用Nd2Fe14B合金吸氢歧化，脱氢产生再化合的过程使母相晶粒细化，来获得高矫顽力的永磁材料。德国[4]和日本[5]用该法成功制备了Sm2Fe17Nx磁粉，HDDR方法制备Sm2Fe17Nx磁粉也就成为近来研究的热点之一。相关研究[6-8]表明Sm2Fe17Nx磁粉的微观结构和磁性能与HDDR过程中吸氢、歧化、脱氢、再化合的工艺条件有很密切的关系。现有的研究往往采用单因素法研究其中某一工艺对磁性能的影响，难以反映出上述各因素之间的相互影响的非线形关系，也就无法建立一个完整精确的工艺条件对磁性能影响规律的数学模型。
神经网络的发展给这一问题的解决提供了一种有效、可靠的方法。人工神经网络(ANN)是一种模拟脑神经对外部环境进行学习过程建立起来的一种人工智能模式识别方法，具有自学习、自组织、自适应及很强的非线性函数逼近能力和容错能力，特别适用
，
于非线性系统特性的研究[910]。为此，本文采用神经网络技术系统地研究了HDDR工艺对Sm2Fe17Nx磁性影响的规律，建立了工艺条件对SmFeN稀土永磁材料磁性能影响的连续的数学模型和磁性能与工艺预测模型，希冀能对HDDR法Sm2Fe17Nx磁粉的生产有所指导。
2 实验方法
2.1 实验方法
采用工业纯铁和纯度为99.9%的稀土Sm为原料，按一定配比配料，经SI2002－04型真空感应炉熔炼制备出SmFe铸锭，1050℃，真空炉内12h均匀化退火，然后球磨粉碎成10μm的粉末，再在SDZK高温真空烧结炉内一定温度相同氢压力下氢化-岐化1小时，然后抽高真空（3×10-3Pa），在该温度下脱氢—再化合处理1小时，最后在500℃氮化4h。 2.2 测试方法
将获得Sm2Fe17Nx磁粉同3%wt的粘结剂混合均匀，经5T的压力模压成型为磁体。用AMT-4型磁化特性自动测量仪测量磁体的磁性能。
2.3 人工神经网络的建立
人工神经网络是由大量的神经元广泛互连而成的网络，误差反向传播算法BP网络是目前应用最广的网络模型之一。BP人工神经网络每层的神经元对输入进行加权求和，对和进行阈值处理产生输出值。通过样本数据对神经网络进行训练和学习，不断调节其连接权值和阈值，从而正确反映输入和输出的映射关系。因此，本文采用三层BP神经网络，歧化温度、歧化时间、再化合温度、再化合时间分别作为 4个输入节点；材料的剩磁Br、矫顽力Hcj和磁能积(BH)m作为3个输出节点；隐含层节点数为7；传递函数均采用Sigmoid函数。BP网络结构示意图见图4-21。 2.4预测结果
随机选取表4-9中12组数据作为神经网络的训练样本，对神经网络进行离线学习，以建立网络各层的权值和阈值矩阵，网络对样本学习的相对误差随训练
_______________________________
收到初稿日期：2000-05-31；收到修改稿日期：2001-03-01
作者简介：叶金文，男，1976年生，博士，四川大学材料学院讲师，从事稀土矾钛新材料研究
图4-21 BP网络结构示意图
表4-9 试验设计方案与试验结果
No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
T1 t1 T2 t2 ℃ min ℃ min 675 690 705 720 735 750 765 780 795 810 600 625 650 700 775 775
60 105 150 30 75 120 165 45 90 135 45 75 60 60 60 30
695 730 710 745 780 760 795 830 810 845 720 690 700 750 775 810
90 165 75 150 60 135 45 120 30 105 70 100 50 90 60 55
Br/ mT 530.1 520.5 521.1 511.4 506.4 520.1 491.1 518.7 486.2 509.4 524.1 539.6 524 547.1 515.5 496.6
Hcj/ (BH)m/ kA/m kJ/m3 1311 1456 1333 1466 1569 1511 1602 1563 1622 1443 1367 1267 1243 1268 1555 1594
50.5 48.7 47 48 47 49 44 46 43.4 32.6 49.5 52.1 48.9 55.6 47.8 43.4
b)
a
c)
d)
图4-22 神经网络学习后误差图
a）相对误差随训练次数变化曲线；b）Br预测值与实测值对比 c)Hcj预测值与实测值对比； d)(BH)m的预测值与实测值对比
次数的变化曲线如图4-22中a）所示。由图可见，网络经约10次的学习训练后，相对误差低于×10-3数量级。最终神经网络对样本的学习误差如图4-22中b），c），d）所示。由图可见，训练样本的预测值与实测值均在等值线很近的范围，表明网络学习误差很小。将表4-9中其余4组，即第4，8，12，16 组作为检测样本，对所得神经网络模型进行预测仿真，其结果和预测值相对实测值的误差如表4-10所示。由表可见，该神经网络模型对Br预测的相对误差的最大值为2.85％；该神经网络模型对(BH)m预测的相对误差的最大值为4.60％；该神经网络模型对Hcj预测的相对误差的最大值为6.0％。因此，用人工神经网络的方法对HDDR工艺与Sm-Fe-N系永磁合金磁性能关系的预测精度较高，具有较好的可靠性。
4工艺参数对磁性能的影响
（a） （b）
（c）
图4-23 歧化时间和温度对SmFeN磁体性能影响三维曲面 (a)剩磁Br; (b)内禀矫顽力Hcj;(c)最大磁能积(BH)max
图4-23给出了再化合温度为750℃，再化合时间90分钟时，歧化时间和歧化温度对SmFeN磁体性能影响的三维曲面图。由图可见，在相同的歧化温度下，剩磁Br均表现出随着歧化时间增加先增大后减小的趋势；在相同歧化时间内，随着温度的升高，剩磁Br降低。最大磁能积(BH)m的变化规律与剩磁Br的变化规律相似。而矫顽力在相同的歧化时间内，则呈现出V字型的变化规律，歧化时间小于100分钟时，在700-750℃温度范围内出现最小值，歧化时间大于100分钟后，最小值则出现在600-650℃之间；在相同的歧化温度下，随着歧化时间的延长内禀矫顽力Hcj增加。合金磁性能的变化同SmFe合金在HDDR过程中微观结构演变密切相关。在相同的歧化温度下，随着歧化时间的延长，一方面合金歧化后的SmHx与α-Fe的层状交替的各向异性结构会发生“瑞利失稳”[11]，向各向同性的球形转变，导致此时晶粒界面积增大，也就是说增加了因Sm原子和Fe原子相互扩散而形核的位置，Sm2Fe17相形核率I越高，再化合后晶粒就越细小，故矫顽力变大，剩磁变小；另一方面磁性材料的矫顽力可以表示为：
Hc=αkHn-NeffMs （4-20） 式中Hn是单畴颗粒的理想外加磁场，Neff为与材料晶
粒形状有关的参数，称为退磁因子，Ms为磁化强度，
正如前面研究，SmHx的晶粒会由各向异性的片状向各向同性的球形转变，此时的退磁因子急剧减小，也就是说退磁场变小，故宏观上表现为矫顽力增大。同理，在相同的岐化时间内，随着歧化温度升高，虽然晶粒的长大速率会增加，使晶粒呈长大的趋势，但是其远不及因“瑞利失稳”而导致再化合后合金晶粒细化所带来的影响，所以虽然温度升高了，但合金再化合后晶粒仍较未发生“瑞利失稳”现象的低温歧化时的细小，矫顽力也就增加，剩磁减小。
图4-24 歧化温度为700℃，歧化时间60分钟，再化合时间和再化合温度对SmFeN磁体性能影响的三维曲面图。可见，在不同的再化合温度区域，粘结SmFeN磁体磁性能随再化合温度变化而变化的趋势也不同，反之亦然，这是两种元素间交互作用的结果。如图4-24(a)所示，剩磁Br、最大磁能积（BH）max的变化曲线呈山峰状，峰值出现在再化合温度为800℃再花合时间为150-200分钟的区域附近，其它区域均呈下降趋势，只是不同区域下降的幅度不同，这正是两工艺因素交互作用的结果，是常规单一因素循环所不能给出的信息；矫顽力Hcj的曲面呈斜坡状，最大值出现在再化合温度为800℃-850℃之间，再化合时间为50-100分钟的区域，其它区域呈下降趋势。这是因为再化合刚开始时，首先生成无序亚稳的SmFe9相，氮化后得到无序亚稳的SmFe9Nx硬磁相，随着时间的延长或者温度的增加，再化合后逐渐转变为Sm2Fe17相，氮化后最终得到完整的Sm2Fe17Nx硬磁相，所以在再化合温度低或者时间短时，合金中主要是SmFe9Nx硬磁相，因SmFe9Nx相的硬磁性能不如2:17:N相[12]，故磁性能低，随着温度升高或者再化合时间的延长，合金中将会发生SmFe9相向Sm2Fe17相转变，氮化后合金中Sm2Fe17Nx和SmFe9Nx共存，磁性能会略有升高，在800-850℃之间，再化合100-150分钟之间，合金中SmFe9相向Sm2Fe17相转变完全，氮化后由完整的硬磁相Sm2Fe17Nx相组成，同时由于温度高，时间长，合金的晶粒长大，故剩磁，最大磁能积增大，而矫顽力下降。
再化合温度集中在770℃-800℃，再化合时间在90-110分钟之间。
表4-11 神经网络模型HDDR工艺条件优化 将该SmFe合金按照第4组预测的HDDR工艺条
预测性能
No.
HDDR工艺条件（温度℃，时间min）
歧化时间t1 60 50 60 50 50
再化合温度T2 780 800 770 800 780
再化合时间t2 90 90 100 90 110
Br,
T
Hcj,
kA/m
(BH)m, 歧化温kJ/m 55 59 57 56.6 56.8
3
度T1 680 680 690 700 700
（
（b）
a
） 1 0.543 1411
2 3 4 5
0. 547 0.539 0.557 0.540
1302 1640.8 1305 1609
（c）
件实验，氮化后获得了氮含量高、相组成几乎单一的
Sm2Fe17Nx稀土永磁材料，将其制做成粘结磁体的磁性能为：Br＝0.562T；Hcj＝1214kA/m；(BH)m=56kJ/m3，其值和预测值吻合很好。
图4-24 再化合时间和再化合温度对SmFeN磁体
性能影响的三维曲面图
(a)剩磁Br (b)内禀矫顽力Hcj (c)最大磁能积(BH)max
5、结论
参考文献 References
[1] Zeng Dawen(曾大文), Wang Maoqiu(王毛球), Xie
Changsheng(谢长生). Microstructural Characteristics of a
3.2磁性能与工艺预测
Laser Claed Co-Base Alloy[J]. Rare Metal Materials and
以上几组实验结果表明，该神经网络模型可较好
Engineering (稀有金属材料与工程), 1998; 27(1): 87~91
地反映了歧化温度、歧化时间、再化合温度、再化合
[2] Jeannot D et al. IEEE Trans on CPMT，Part A[J],
时间等工艺参数与磁性能之间的关系，可以用其对工
1994;17(1):17
艺条件进行优化设计。选取Br和(BH)m的目标值分别
[3] Zhang Wansheng(张万胜). Electrical Alloy(电工合金) [J],
为：0.54T和55kJ/m3，相应HDDR工艺条件预测值
1995; (1):1
见表4-11。在合金磁性能预期目标范围内，歧化温度在680℃-700℃之间均有可能，歧化时间50-60分钟，
AC Losses of Bi2223/Ag Superconducting Tape Measured by Transport Current Method
Hu Lifa1,2, Zhou Lian1, Wang Jinxing2, Zhang Pingxiang1, Li Chengshan1, Yang Shizhong2,
He Yanfa2, Li Jinghui2
(1. Northwest Institute for Nonferrous Metal Research, Xi´an 710016,China; 2. Northeast University, Shenyang, 110006,China) Abstract: An experimental set-up was designed for measuring the self-field losses of Bi2223/Ag HTS tapes using a transport current method. The frequency of transport current can be freely changed from 0.5 Hz to 1000Hz. Its amplitude can be as much as 100A. …….As soon as the frequencies are more than 200 Hz, the eddy current losses can not be neglected. Keywords: AC loss; Bi2223/Ag; transport current method ________________________
Biography: Hu Lifa, Candidate for Ph. D., Superconducting Material Center, Northwest Institute for Nonferrous Metal Research, Xi’an 710016, P. R. China, Tel: 0086-29-6231079
表4-10 性能预测值与实测值对比
Br, T
No.
Measured
Predicted
Error,%
Measured
Predicted
Error,%
Measured
Predicted
Error,%
Hcj, kA/m
(BH)m, kJ/m3
4 8 12 16
0.521 0.516 0.491 0.524
0.519 0.528 0.505 0.525
-0.384 2.33 2.85 0.19
1333 1555 1602 1367
1341 1553 1583 1369
6.00 0.13 -1.19 0.146
47 47.8 44 49.5
46 50 44.5 50.5
-2.13 4.60 1.10 2.02