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

摘要：

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.

关键词：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

所属期刊栏目：49

分类号：TG249.2(铸造)

资助基金：吉林省高等教育学会高教科研课题C170996

在线出版日期：2020-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：67-70