基于人工神经网络与遗传算法的Al-Mg-Si系合金强度预测模型

摘要：

为了研究Al-Mg-Si系合金热处理制度和合金成分对力学性能的影响规律,采用人工神经网络(artificial neural network,ANN)和遗传算法(genetic algorithm,GA)相结合的方法,构建了 Al-Mg-Si系合金强度预测模型(ANN-GA模型).通过单因素和双因素分析,研究了合金元素含量和热处理工艺参数对铝合金抗拉强度的影响规律.结果表明,随着Si含量的增加,铝合金的抗拉强度呈现先降低后升高的趋势;随着Mg含量的增加、Cu含量的增加或者Fe含量的减少,铝合金的抗拉强度整体上呈现升高的趋势.双因素分析更能反映输入参数对铝合金抗拉强度的影响.Mg/Si比、Mg+Si总量和时效时间对Al-Mg-Si系合金力学性能的影响显著.铝合金的硬度随时间的变化趋势与ANN-GA模型的计算结果一致,峰值时效时间为29 h,相对误差为11.86％.

关键词：Al-Mg-Si系合金、人工神经网络、遗传算法、强度

所属期刊栏目：52

分类号：TG146.21(金属学与热处理)

资助基金：中央高校基本科研业务费FRF-TP-19-083A1

在线出版日期：2023-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：929-936