材料期刊网

用RBF人工神经网络构建铝合金大气腐蚀预测模型

韩德盛李荻

腐蚀学报（英文）

    依据RBF人工神经网络构建原理与腐蚀过程的相似性，以铝合金外场大气腐蚀数据训练并构建了RBF类型的铝合金腐蚀预测人工神经网络模型，并赋予该RBF网络隐节点数据中心是腐蚀敏感区中心的物理意义.该模型以合金成分、环境因素、时间等为网络输入参量，以腐蚀增重为网络输出；由于RBF网络具有局部响应特性，该类腐蚀预测模型尤其适合训练具有区域集中特点的外场腐蚀数据；仿真结果表明该模型具有良好的预测精度.

关键词: 铝合金 , atmosphere corrosion , forecast model , RBF neural network

Prediction of Free Lime Content in Cement Clinker Based on RBF Neural Network

武汉理工大学学报-材料科学版(英文版) doi:10.1007/sl1595-012-0433-3

关键词:

基于 RBF神经网络的黄金价格非线性预测

张延利

黄金 doi:10.11792/hj20140903

在对黄金市场进行分析时，通常根据黄金价格数据自身特点选取合适的模型进行建模预测，但因黄金价格数据本身的非线性特征比较明显，模型的选取往往较为困难，预测精度不高。利用神经网络的特性，建立了RBF神经网络，有效地解决了模型选择不当的难题。实证表明，RBF神经网络建立的非线性模型预测精度较高。

关键词: 黄金价格 , 非线性预测 , ARMA模型 , GARCH模型 , RBF神经网络

基于AP聚类的RBF神经网络研究及其在转炉炼钢中的应用

张辉宜 , 周奇龙 , 袁志祥 , 刘志明

钢铁研究学报

针对RBF神经网络学习算法不能很好地确定其隐含层节点数、隐含层节点中心及其半径的问题,利用AP聚类算法无需事先确定聚类数的特点,提出了一种基于AP聚类的RBF神经网络算法.将该算法应用于120t转炉Q235B钢种冶炼过程的终点碳含量和温度预报,预测结果与实际结果比较,表明该算法具有预测精度高等优点,可为类似应用提供借鉴.

关键词: AP聚类 , RBF神经网络 , 转炉炼钢 , 预测

求解超高压筒形容器爆破压力的神经网络方法

袁格侠 , 刘宏昭 , 钱学梅 , 范彩霞 , 钱学军 , 秦丽柏

兵器材料科学与工程 doi:10.3969/j.issn.1004-244X.2010.02.009

将BP和RBF神经网络的理论和算法应用于预测超高压容器爆破压力的研究中.选用MATLAB神经网络工具箱建立预测爆破压力的神经网络模型,研究模型中影响爆破压力的主要参数,内外径比值和材料的强度极限,屈服极限,屈服强度与强度极限的比值;选用Faupel、Crossland和Bones等文献中的爆破实验数据对神经网络模型进行训练,用训练好的神经网络模型对爆破压力进行预测.预测结果表明,用BP和RBF神经网络方法建立的模型能够对超高压筒形容器的爆破压力进行较为准确的预测.

关键词: 超高压容器 , 爆破压力 , BP神经网络 , RBF神经网络 , 预测

一种基于RBF神经网络的打印机光谱预测模型

于海琦 , 刘真 , 田全慧

影像科学与光化学 doi:10.7517/j.issn.1674-0475.2015.03.238

本文提出一种基于RBF(Radial Basis Function,径向基函数)神经网络的打印机光谱预测模型,通过扩展神经网络模型输入变量的项数提高模型的预测精度,扩展项多采用通道驱动值的交叉值、平方值.实验结果表明[1 cmy]项的引入能够有效提高模型的预测精度,同时提高网络的泛化能力.而引入[cm2 cy2 mc2 my2 yc2 ym2]项会导致模型预测精度以及泛化能力降低.[1 cmy]、[c2m2y2]和[cmcy my]项的组合在预测精度和模型泛化能力上均是最优化的,对总样本预测的色度精度为0.475ΔE00,光谱精度RMSE为0.43％.因此选择[1 cmy c2m2y2 cmcy my c m y]作为输入变量的RBF神经网络训练模型是满足高精度光谱预测的最优模型.

关键词: RBF神经网络 , 光谱预测 , 打印机 , 扩展项

基于 RBF 型人工神经网络的碳/陶瓷复合材料的化学成分对硬度的耦合影响分析?

刘雅芳 , 董万鹏 , 由伟 , 饶轮

材料导报 doi:10.11896/j.issn.1005-023X.2015.12.033

用 RBF 型人工神经网络研究了碳/陶瓷复合材料的化学成分对其硬度的影响。首先设计了 RBF 型神经网络模型，用“舍一法”进行了训练，使模型具有满意的预测性能。随后分析了化学组分对硬度的影响，包括单因素影响和双因素耦合影响。结果表明：材料的两种组分同时变化时，对硬度的影响更加复杂，呈现典型的非线性特征。

关键词: 碳/陶瓷复合材料 , 化学成分 , 硬度 , RBF 型人工神经网络 , 耦合影响

基于RBF神经网络的X80管线钢成分设计与组织性能分析

李红英 , 胡继东 , 康巍 , 李阳华 , 林武

材料热处理学报

采用RBF神经网络对204组X70管线钢生产数据进行训练，建立了管线钢成分与力学性能的预测模型，经检验该模型预报精度高，网络预报值与实际值较吻合。利用此模型预报了C、kin、No、Nb、V、Ti等元素含量对管线钢性能的影响规律，并在此基础上确定了X80管线钢的成分范围。对试制生产的X80管线钢进行组织性能检测，结果表明，X80钢的显微组织主要由针状铁素体和粒状贝氏体组成，晶粒细小，力学性能指标达到X80管线钢应用要求。

关键词: RBF神经网络 , 成分设计 , X80管线钢 , 组织性能

基于RBF神经网络的合金铸铁动态腐蚀性能预测

王玉荣 , 乌日根

腐蚀与防护

通过动态质量损失腐蚀试验获取样本数据,利用Matlab的工具箱函数建立了合金铸铁碱腐蚀速率的RBF神经网络预测模型,并对网络模型的预测精度进行了研究.结果表明,在样本集和训练条件下,RBF神经网络模型较好地反映出腐蚀时间、合金铸铁主要合金成分与腐蚀速率之间的非线性关系,可用于合金铸铁在高温浓碱液中的动态腐蚀性能的预测;当RBF网络的扩展系数为0.47时,动态腐蚀速率的试验值与网络预测值之间的误差最小,且耐蚀性评价准确率达到100％.

关键词: RBF网络 , 稀土 , 腐蚀速率 , 耐碱蚀 , 预测

基于RBF神经网络的Ni-SiC镀层磨损量预测

彭绪山

兵器材料科学与工程

采用脉冲电沉积法在45#钢表面制备Ni-SiC镀层.建立RBF神经网络模型预测镀层磨损量,利用扫描电镜(SEM)及X线衍射仪(XRD)研究镀层表面形貌及物相组成.结果表明:采用RBF神经网络预测误差最大值与最小值,分别为2.94％和1.45％;当电流密度为2A/dm2、SiC粒子的质量浓度为7g/L、镀液温度为50℃,Ni-SiC镀层表面较为平整,犁沟较浅;Ni-SiC镀层中存在Ni、SiC两相.

关键词: RBF神经网络 , Ni-SiC镀层 , 磨损量