10.3969/j.issn.1004-244X.2014.06.019
基于RBF神经网络RE-Ni-Cu合金铸铁静态腐蚀性能预测
通过静态腐蚀试验获取35组样本数据,利用MATLAB软件的工具箱函数建立RBF神经网络预测模型,并对RE-Ni-Cu合金铸铁的静态腐蚀深度和耐蚀性进行预测研究。结果表明:RBF神经网络预测RE-Ni-Cu合金铸铁在浓碱液中的静态腐蚀性能可行且有效,能较好地反映主要合金成分、腐蚀时间、碱液温度与静态腐蚀深度之间的非线性映射关系;当RBF网络的扩展系数为0.5,静态腐蚀深度的网络预测值与实测值之间的相对误差最小,且耐蚀等级和耐蚀评价的准确率均达到100%。
RBF神经网络、合金铸铁、腐蚀深度、静态腐蚀、预测
TG143.9;TP183(金属学与热处理)
内蒙古自治区高等学校科学研究项目NJZC14386
2014-12-09(万方平台首次上网日期,不代表论文的发表时间)
共3页
66-68