10.14158/j.cnki.1001-3814.20191196
基于遗传算法和BP神经网络的镁合金建筑模板铸造性能预测
以合金成分、浇注温度、型腔真空压力、铸造压力和模具温度作为输入层参数,力学性能(抗拉强度)和耐腐蚀性能(腐蚀电位)作为输出层参数,构建了3×15×1三层拓扑的遗传算法BP神经网络优化模型,并对该模型进行了预测和验证.结果 表明,模型输出的抗拉强度平均相对训练误差为3.46%,平均预测误差值为3.40%;腐蚀电位平均相对训练误差为3.78%,平均预测误差值为3.59%,模型预测能力强、精度高.
BP神经网络、遗传算法、镁合金建筑模板、力学性能、耐腐蚀性能
49
TG249.2(铸造)
吉林省高等教育学会高教科研课题C170996
2020-12-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
67-70