10.14158/j.cnki.1001-3814.20211128
基于神经网络算法的汽车用高强铝合金铸造性能优化
为了进行汽车用高强铝合金铸造性能优化,本文以合金元素、元素含量、熔炼温度、浇注温度为输入层参数,以合金的流动性作为输出层参数,选用Purelin函数、Tansig函数和Trainlm函数分别作为神经网络模型的输出层传递函数、隐含层传递函数、训练函数,采用神经网络算法构建了 4×16×4×1四层拓扑结构的神经网络模型.进行了神经网络模型的学习训练、预测分析以及未经学习训练样本的验证.结果表明,神经网络模型经过8892次迭代运算后收敛,模型的相对训练误差是3.50%~6.41%,平均相对训练误差是4.76%;相对预测误差是4.25%~5.56%,平均相对预测误差4.88%.神经网络模型预测能力较强,预测精度较高,可以用于汽车用高强铝合金铸造性能优化预测.
铸造性能、流动性、神经网络算法、高强铝合金、优化模型
51
TG292(铸造)
河北科技支撑计划项目11212138
2022-06-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
73-75,78