基于RBF神经网络RE-Ni-Cu合金铸铁静态腐蚀性能预测

摘要：

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%。

关键词：RBF神经网络、合金铸铁、腐蚀深度、静态腐蚀、预测

分类号：TG143.9;TP183(金属学与热处理)

资助基金：内蒙古自治区高等学校科学研究项目NJZC14386

在线出版日期：2014-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：66-68