GA-BP神经网络的钛合金微弧氧化膜层厚度预测模型的建立

摘要：

利用正交试验法获得的TC4钛合金微弧氧化实验数据建立了基于4-11-1(即4个输入神经元,11个隐含层节点,1个输出神经元)结构的BP神经网络预测膜层厚度的模型,并引入遗传算法(GA)对其权值和阈值进行优化.以微弧氧化工艺参数中的电流密度、脉冲频率、占空比和氧化时间作为网络的输入向量,氧化膜层厚度作为网络的输出向量,对比和分析了BP与GA-BP模型的预测结果.与BP网络模型相比,GA-BP网络模型稳定性能较好,并能高精度预测膜层的厚度,GA-BP网络模型预测值的平均误差为0.015,最大误差仅为0.036,而BP模型预测结果的平均误差为0.064,最大误差为0.099.

关键词：钛合金、微弧氧化、膜厚、预测、神经网络、遗传算法

所属期刊栏目：34

分类号：TG174;TP183(金属学与热处理)

资助基金：国家自然科学基金;山东省自然科学基金;山东理工大学青年教师发展支持计划

在线出版日期：2015-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：381-385