合金材料用医疗器械上有哪些优点

合金材料用医疗器械上有非常多的使用价值，目前采用人工神经网络和统计模型对挤压铸造工艺制备的A413/B4C合金材料的硬度、抗拉强度和屈服强度进行了模拟。作者用18个数据进行训练，用9个数据进行测试，用双曲正切sigmoid函数(TANSIG)和线性传递函数(PURELIN)作为激活函数，用Levenberg-Marquardt算法和梯度下降动量BP算法(traindm)作为训练算法。合金材料有三个输入层，三个输出层和50 + 50个神经元在两个隐藏层。在训练和测试之前，将数据归一化到范围(0-1)内。MSE、R和预测百分比误差是系统的性能指标。

合金材料用Levenberg-Marquardt算法观察到最优的结构是隐藏层数和神经元数为2，结果与实验值吻合较好。硬度R为0.96,UTS和YS为0.95,MAPE为1.42,UTS为0.62,YS为0.59。结果表明，合金材料所提出的模型可以节省成本和时间。采用33个全设计(三层三因素)的阶乘设计来设计输入和结果变量之间的联系，采用试验设计(DOE)与方差分析(ANOVA)来确定各因素对响应的显著性。

合金材料在医学领域的压力分别为70、105、140 MPa，模具预热温度分别为150、225、300℃，B4C率分别为4、8、12 wt.%。R2为95.25%，调整后R2为93.83%，模型效果良好。挤压压力为44-46%左右对力学性能影响较大，而B4C wt.%为33-43%左右，模具预热温度为9-16%左右。合金材料响应的所有p值均小于0.005。压力、B4C速率和模具预热温度的最佳配比分别为140 MPa、12 wt.%和225℃，可获得最大的力学性能。