基于神经网络的电弧增材制造铝合金力学性能预测

摘要：

目的 预测不同工艺参数下电弧增材制造铝合金的力学性能.方法 通过实验建立了电弧增材制造6061 铝合金及TiC增强 6061 铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3 种预测模型的精度.结果 与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度.其中,GA-BP模型预测6061 铝合金屈服强度最佳结果的相关系数(R)为 0.965,决定系数(R2)为 0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测TiC增强的6061 铝合金抗拉强度最佳结果的R=1,R2高达0.99,MAE为 0.46,RMSE为 0.49,GA-BP具有良好的预测精度.结论 BP、PSO-BP、GA-BP 3种神经网络模型可以用来预测电弧增材制造铝合金的力学性能,GA-BP模型比其他 2 种模型的预测精度更优.与传统的实验方法相比,用神经网络模型预测电弧增材制造铝合金力学性能的速度更快,成本更低.

关键词：6061铝合金、TiC增强的6061铝合金、BP神经网络、粒子群算法、遗传算法、力学性能

所属期刊栏目：16

分类号：TG44(焊接、金属切割及金属粘接)

在线出版日期：2024-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：43-51