10.14158/j.cnki.1001-3814.20191284
新型低合金钢的锻造工艺神经网络优化
以始锻温度、终锻温度、模具预热温度和锻造比作为输入层节点,并以耐磨损性能(磨损体积)和耐腐蚀性能(腐蚀电位)作为输出项节点,构建了4×32×8×2四层拓扑结构的神经网络优化模型,并对该模型进行了预测和验证.结果 表明,神经网络优化模型的磨损体积和腐蚀电位相对训练误差分别为2.63%~4.80%和2.59%~3.75%,平均相对训练误差分别为3.67%和3.20%;磨损体积和腐蚀电位的相对预测误差分别为2.50%~3.70%和2.70%~3.51%,平均预测误差值分别为3.06%和3.14%.模型预测能力强、精度高.
神经网络、低合金钢、锻造工艺、耐磨损性能、耐腐蚀性能
50
TG316(金属压力加工)
国家自然科学基金61662083
2021-05-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
90-93