PLS-BPN法用于7005铝合金力学性能与工艺参数的定量研究

中国有色金属学报, 2007, 17(12): 1948-1954.

PLS-BPN法用于7005铝合金力学性能与工艺参数的定量研究

方善锋 ^1, , 汪明朴 ^2, , 王正安 ^3, , 齐卫宏 ^4, , 李周 ^5,

1.中南大学,材料科学与工程学院,长沙,410083

2.中南大学,材料科学与工程学院,长沙,410083

3.中南大学,材料科学与工程学院,长沙,410083

4.中南大学,材料科学与工程学院,长沙,410083

5.中南大学,材料科学与工程学院,长沙,410083

基金项目: 国家高技术研究发展计划(863计划)(2002 AA302505)

关键词： 7005铝合金 , 偏最小二乘法(PLS) , 神经网络(BPN) , PLS-BPN , 留一(LOO)交叉

Quantitative study between mechanical properties and processing parameters for 7005Al alloys predictedusing PLS-BPN method

用偏最小二乘法(PLS)结合反向传播人工神经网络(BPN)方法对7005铝合金力学性能与工艺参数之间的关系进行定性分析和计算.结果表明:用PLS法对实验数据作模式识别优化处理的结果与实验很吻合,能够指明该合金工艺参数优化的方向;用BPN定量计算的结果与实验测定值符合也较好;将PLS与BPN法有机地联系起来,有利于克服过拟合,提高BPN预报的准确性.用留一(LOO)交叉验证法分别对3种模型PLS、BPN和PLS-BPN的合金性能预报结果进行验证,其中PLS-BPN模型预测的均方根误差(RMSE)和平均相对误差(MRE)均最低,更适合于7005铝合金性能预报.

参考文献

[1]	王志伟,汪明朴,王正安,李周,尹志民,彭志辉,刘静安,孙熙南,朱鸣峰,杨纯梅,黄平,唐剑.在线挤压淬火对地铁列车用6005A合金力学性能及微观组织的影响[J].中国有色金属学报,2001(04):603-606.
[2]	刘静安.大型工业铝合金型材的挤压生产工艺与关键技术（续）[J].铝加工,2001(03):1-6,29.
[3]	刘静安;赵云路.铝材挤压生产关键技术[M].重庆:重庆大学出版社,1997:230-242.
[4]	刘静安.Al-Mg-Si系合金的热加工工艺与可挤压性[J].铝加工,2002(01):1-4,10.
[5]	Mukhopadhyay A K;Yang Q B;Singh S R .The influence of zirconium on the early stages of aging of a ternary Al-Zn-Mg alloy[J].Acta Metallurgica Et Materialia,1994,42(09):3083-3091.
[6]	Kanno M;Araki I;Cui Q .Precipitation behaviour of 7000 alloys during retrogression and reaging treatment[J].Materials Science and Technology,1994,10(07):599-603.
[7]	Whealon W J .A study of the effects of iron and silicon on the solidification behavior of 7075 aluminum[J].Dissertation Abstracts International,1994,55(02):140.
[8]	邹琳,夏巨谌,胡国安.基于BP神经网络的铝型材挤压模具优化设计[J].塑性工程学报,2003(02):42-46.
[9]	闵惜琳,刘国华.人工神经网络结合遗传算法在建模和优化中的应用[J].计算机应用研究,2002(01):79-80.
[10]	S. Malinov;W. Sha .Software products for modelling and simulation in materials science[J].Computational Materials Science,2003(2):179-198.
[11]	S. Malinov;W. Sha;J. J. McKeown .Modelling the correlation between processing parameters and properties in titanium alloys using artificial neural network[J].Computational Materials Science,2001(3):375-394.
[12]	李劼,刘代飞,秦庆伟.基于GA-BP的NiFe2O4基金属陶瓷阳极优化设计[J].中国有色金属学报,2006(02):351-356.
[13]	陈丙珍.人工神经网络在过程工业中的应用[J].中国有色金属学报,2004(z1):106-111.
[14]	周古为,郑子樵,李海.基于人工神经网络的7055铝合金二次时效性能预测[J].中国有色金属学报,2006(09):1583-1588.
[15]	Galadi P;Kowalski B R .Partial least-squares regression:A tutorial[J].Analytica Chimica Acta,1986,185(01):1-17.
[16]	Liu HL;Guo J;Chen NY;Huang TS .A PLS-BPN PATTERN RECOGNITION METHOD APPLIED TO COMPUTER-AIDED MATERIALS DESIGN[J].Analytical Letters,1996(2):341-350.
[17]	Wold S;Sjostrom M;Eriksson L .PLS-regression:A basic tool of chemometrics[J].Chemometrics and Intelligent Laboratory Systems,2001,58:109-130.

上一张下一张

计量

下载量()
访问量()

作者相关

文章评分

您的评分：
1

0%
2

0%
3

0%
4

0%
5

0%

材料期刊网

PLS-BPN法用于7005铝合金力学性能与工艺参数的定量研究

Quantitative study between mechanical properties and processing parameters for 7005Al alloys predictedusing PLS-BPN method

参考文献