基于参数优化的人工神经网络的AZ31镁合金力学性能预测模型

• 作者: 刘彬 毛建军 汤爱涛 潘复生 黄光杰
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 镁合金 力学性能 人工神经网络 预测模型 全排列组合训练
• 年，卷（期）: 2011,（3）
• 页码范围: 44-49
• 分类号: TP183
• 语种: 中文

摘要

通过力学性能试验测定了不同退火条件下AZ31镁合金的抗拉强度、屈服强度和延伸率,并利用人工神经网络技术建立了对应力学性能的预测模型,其中对模型的优化采用了一种新方法,即参数全排列组合训练.结果表明,基于全排列训练得到的最优参数建立的网络模型具有优良的性能,比经传统试探法构建的模型具有更高的平均相关系数和更低的平均误差,因此能更准确地预测AZ31镁合金在不同退火条件后的力学性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄光杰	重庆大学材料科学与工程学院	90	1537	20.0	37.0
5	潘复生	重庆大学材料科学与工程学院	347	6002	40.0	61.0
9	刘彬	重庆大学材料科学与工程学院	26	133	7.0	10.0
10	汤爱涛	重庆大学材料科学与工程学院	77	1360	20.0	34.0
14	毛建军	重庆大学材料科学与工程学院	2	29	2.0	2.0