位置:成果数据库 > 期刊 > 期刊详情页
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
  • ISSN号:1000-582X
  • 期刊名称:《重庆大学学报:自然科学版》
  • 时间:0
  • 分类:TP183[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
  • 作者机构:[1]重庆大学材料科学与工程学院,重庆400044, [2]重庆大学国家镁合金材料工程技术研究中心,重庆400044
  • 相关基金:国家973计划资助项目(2007CB613704); 国家杰出青年基金资助项目(50725413)
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。

英文摘要:

The tensile strength,yield strength and elongation of AZ31 magnesium alloys on different annealed conditions are tested by mechanical properties experiments.A model of corresponding mechanical properties is built by applying artificial neural network,and it is optimized by a new method,namely all permutations and combinations training of parameters.The results show that the network model has an excellent performance,which is based on optimal parameters obtained from all permutations and combinations training.Compared with traditional model,whose parameters are obtained from conventional heuristic,the improved model has higher average correlation coefficient and lower average error.Therefore,it can predict the mechanical properties of AZ31 magnesium alloy on different annealed conditions more accurately.

同期刊论文项目
期刊论文 176 获奖 6 专利 32
同项目期刊论文
期刊信息
  • 《重庆大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:国家教育部
  • 主办单位:重庆大学
  • 主编:王时龙
  • 地址:重庆市沙坪坝正街174号
  • 邮编:400044
  • 邮箱:cdxhz@equ.edu.cn
  • 电话:023-65102302
  • 国际标准刊号:ISSN:1000-582X
  • 国内统一刊号:ISSN:50-1044/N
  • 邮发代号:78-16
  • 获奖情况:
  • 中国高校精品科技期刊,重庆市一级期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:26478