基于遗传算法和BP神经网络的镁合金建筑模板铸造性能预测

• 作者: 张锴 孙冬
• 来源期刊: 热加工工艺
• 关键词: BP神经网络 遗传算法 镁合金建筑模板 力学性能 耐腐蚀性能
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 铸造技术|Casting Technology
• 页码范围: 67-70
• 页数: 4页
• 分类号: TG249.2
• 语种: 中文
• DOI: 10.14158/j.cnki.1001-3814.20191196

摘要

以合金成分、浇注温度、型腔真空压力、铸造压力和模具温度作为输入层参数,力学性能(抗拉强度)和耐腐蚀性能(腐蚀电位)作为输出层参数,构建了3×15×1三层拓扑的遗传算法BP神经网络优化模型,并对该模型进行了预测和验证.结果 表明,模型输出的抗拉强度平均相对训练误差为3.46％,平均预测误差值为3.40％;腐蚀电位平均相对训练误差为3.78％,平均预测误差值为3.59％,模型预测能力强、精度高.