基于反向传播人工神经网络对SiC氧化反应行为的预测研究

以SiC为代表的非氧化物耐火原料作为高温结构材料重要组分,被广泛应用于冶金高温行业。在实际应用过程中,SiC的氧化行为加速了对应耐火材料的高温性能失效,导致其服役寿命大大缩短。因此明晰非氧化物耐火原料在高温环境下的氧化行为尤为重要,利用动力学模型分析氧化行为是目前最常用的手段。但动力学模型的建立往往需要大量的数据处理工作,且很难同时满足描述准确性高和模型参数简单两个条件。随着人工智能与大数据技术在材料领域的应用探索,反向传播人工神经网络(BP-ANN)有望在此方面取得突破。本文以典型非氧化物耐火原料SiC为例,通过建立神经网络,训练、预测SiC的氧化行为,预测结果与实验数据的相对误差均小于3%,用预测数据回归计算的反应活化能和反应速率常数与实验数据计算结果的相对误差低于4%,表明BP-ANN在研究非氧化物耐火原料的氧化行为方面具有巨大应用前景。