基于小生境遗传神经网络的材料力学性能预测

摘要：

对工业材料测试,建立优化系统,关于建立材料力学性能与组成、工艺等相关的预测模型,可以减少试验次数、提高效率、实现工艺的优化.提出利用遗传算法优化的神经网络建立材料性能影响因子到力学性能的非线性映射.在遗传算法中采用基于淘汰相似结构机制的小生境技术,使预定距离之内仅存一个优良个体,维护了群体的多样性,从而提高全局搜索能力.以麦杆增强复合材料为例进行仿真研究,建立其力学性能预测的小生境遗传神经网络模型,利用模型优化注塑成型的工艺参数进行仿真.结果表明所建模型具有较好的学习和泛化能力,对于优化成型工艺参数具有可行性,在材料性能研究领域有着较好的应用和推广价值.

关键词：神经网络、遗传算法、小生境技术、预测模型、力学性能

所属期刊栏目：28

分类号：TP183(自动化基础理论)

资助基金：江苏省高校自然科学基金资助项目08KJB430003

在线出版日期：2011-04-29（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：209-213