于军辉
,
李小宁
,
翟岩
,
任岩
,
李颜
稀有金属材料与工程
基于Trainrp算法建立锆基合金HANA-4(Zr- 1.5Nb-0.4Sn-0.2Fe-0.1Cr)和HANA-6(Zr-1.1Nb-0.05Cu)退火参数与硬度的BP神经网络预测模型.模型输入单元为合金成分、退火温度和退火时间,输出单元为硬度.神经网络为3-7-1结构,动量因子和学习速率均为0.6.以实验结果验证网络的可靠性.预测结果表明,相对误差为7％,相对拟合率R值为0.98534.该模型可为锆基合金退火参数的制定提供参考.网络敏感性分析表明:退火温度和退火时间对网络的精度影响很大,而合金成分则影响很小.
关键词:
锆基合金
,
神经网络
,
退火参数
,
硬度
邹德宁
,
王鸿波
,
陈治毓
,
韩英
,
于军辉
兵器材料科学与工程
doi:33-1331/TJ.20111103.1337.003
基于人工神经网络和遗传算法,结合177组不锈钢复合板实测数据,构建不锈钢复合板剪切强度模型.研究确定不锈钢铬当量、铬镍当量比、复合板覆层厚度以及基材厚度为网络输入量,复合板剪切强度为输出量,隐含层节点数由试探寻优法确定,优化网络结构为4-7-1；比较Levenberg-Marquardt、Quick-Propagation、Standard Back-Propagation算法的训练误差、测试误差及计算迭代步数,确定以误差最小、计算速度最快的LM算法训练网络；另外,利用提前终止法避免ANN模型产生的过拟合的问题；在此基础上,引入遗传算法进一步优化ANN网络的权值和阈值,使得复合板剪切强度预测值与实测值相关系数达到0.997;将所构建模型用于实际不锈钢复合板剪切强度的预测,与实测值相近,进一步验证预测模型的有效性和可靠性.
关键词:
不锈钢复合板
,
剪切强度
,
人工神经网络
,
遗传算法
