摘要
新能源汽车行业的发展，要求永磁材料具有更加优异的性能。热压/热变形法是制备高性能各向异性稀土永磁体的主要方式之一，目前为止，国内缺乏较为成熟的热压/热变形工艺路线，运用传统的单因素实验法寻求理想的工艺参数组合会造成原材料浪费和时间成本的剧增。随着数字化技术的发展，基于数值仿真的机器学习回归预测在实际工程问题中得到广泛应用。为此，本文基于热变形磁体力学性能曲线，推导出热变形钕铁硼本构方程，利用有限元分析方法，模拟了不同成形工艺参数对热变形钕铁硼磁体力学性能及其径向均匀性的影响，并探究了磁体等效应变与磁性能及微观构成的联系。随后运用回归分析算法，搭建磁体工艺参数-等效应变回归模型，并运用群体智能算法对精确度最高的回归模型进行参数优化，主要结论如下： （1）基于热变形实验，得到钕铁硼磁体不同应变率、不同温度下的力学性能曲线，基于溶解-沉淀-扩散蠕变机制，得到钕铁硼材料的本构方程为(ε)=4×10-15σ2.8exp(-18041.86/T)。 （2） 基于本构方程，利用有限元分析方法，探究不同成形工艺参数（摩擦系数、变形量、下压速度）对磁体力学性能的影响，结果表明：随着摩擦系数增加，磁体的等效应力及等效应变逐渐增大，但是增加幅度较小，摩擦系数的增大导致磁体等效应力及等效应变的径向不均匀程度增大；磁体变形量增加，等效应力及等效应变逐渐增大，且增幅较大；随着下压速度增加，磁体的等效应力逐渐增加，等效应变则呈现出先增加后持平的趋势。此外，磁体的等效应变与磁体的磁性能及微观构成存在联系。随着等效应变增加，钕铁硼的剩磁以及最大磁能积有所增长，晶粒的长宽比也随着等效应变的增加而增加，表现为磁体晶粒逐渐由等轴晶转变为片状晶。 （3） 利用5种回归分析算法（KNN回归、线性回归、MLP回归、AdaBoost回归、支持向量机回归）搭建热变形钕铁硼工艺参数-等效应变回归模型。结果表明：以 RBF为核函数的支持向量机回归效果最佳，模型均方误差达到 0.0038，拟合优度为 0.9668。 （4） 运用群体智能算法（遗传算法、灰狼算法）对支持向量回归的超参数（惩罚因子c、核函数系数g、损失函数e）寻优处理。结果表明，灰狼算法相较于遗传算法而言优化效果更佳。经灰狼算法优化后，支持向量回归模型的拟合优度可达 0.997，均方误差也低至0.00025，能够准确预测不同工艺参数下热变形钕铁硼的等效应变。
NETL