基于GA-BP神经网络的镁合金微弧氧化膜层厚度预测

摘要：

为直观地检验膜层的质量,建立微弧氧化工艺参数(电流大小、脉冲宽度、氧化时间)与微弧氧化膜层厚度之间的反向传播(BP)神经网络预测模型,其结构为3-10-1(即3个输入神经元,10个隐含层节点,1个输出神经元).采用遗传算法(GA)优化BP神经网络的初始权值和阈值,构建基于遗传算法神经网络的膜厚预测模型.用GA-BP神经网络对膜厚进行模型仿真,并将仿真结果与BP神经网络模型仿真结果进行对比.结果表明,GA-BP网络模型预测值的平均误差为1.65％,最大误差为9.75％,而BP模型预测结果的平均误差为8.62％,最大误差为13.68％.GA-BP神经网络模型预测精度要优于BP神经网络模型.

关键词：镁合金、微弧氧化、反向传播神经网络、遗传算法、膜层厚度

所属期刊栏目：40

分类号：TG174.4;TP183(金属学与热处理)

在线出版日期：2017-02-28（万方平台首次上网日期，不代表论文的发表时间）

页码：88-92