基于BP神经网络的AZ31镁合金力学性能预测研究

发布时间：2018-04-13 07:39

  本文选题：AZ镁合金 + 遗传算法优化　； 参考：《铸造技术》2017年11期

【摘要】：利用遗传算法优化的BP神经网络对不同变形工艺参数下获得镁合金试样的抗拉强度、屈服强度和伸长率进行预测。经过仿真结果与试验结果的比对发现,采用遗传算法优化的BP网络在预测精度上有较大的提高,可以很好的对AZ31镁合金的力学性能进行预测。
[Abstract]:BP neural network optimized by genetic algorithm was used to predict tensile strength yield strength and elongation of magnesium alloy samples under different deformation process parameters.By comparing the simulation results with the experimental results, it is found that the BP neural network optimized by genetic algorithm can improve the prediction accuracy greatly, and can predict the mechanical properties of AZ31 magnesium alloys well.
【作者单位】： 绵阳职业技术学院机电工程系;西南科技大学制造科学与工程学院;
【分类号】：TG146.22

【相似文献】

相关期刊论文 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 邬再新;王凯;王连波;吕洪波;;基于神经网络的自由曲线插补研究[J];制造技术与机床;2007年09期

3 顾玉钢;夏智海;庄力健;;基于改进神经网络的疲劳裂纹扩展速率预测[J];合肥工业大学学报(自然科学版);2008年06期

4 王秀梅,吕程,王国栋,刘相华;轧制力预报中的神经网络和数学模型[J];东北大学学报;1999年03期

5 宋丹;金文兵;田志勇;;基于BP神经网络的数控机床故障诊断系统研究[J];新技术新工艺;2006年02期

6 于洪海,张新平,胡云峰;偏最小二乘-神经网络光度法同时测定钢中钨和钼[J];冶金分析;2004年02期

7 梁伟;王杰;王玫;;神经网络在冷剪机曲轴优化中的应用[J];机械设计与制造;2010年08期

8 赖兴余,李春雄,严霖元,刘明智;基于神经网络的自适应模糊控制器[J];江西农业大学学报;1998年01期

9 刘立君;兰虎;郑红艳;;基于神经网络熔透电弧声特征参数评价与选择[J];焊接学报;2010年03期

10 李旭东;刘治国;穆志韬;;基于神经网络的金属材料疲劳裂纹扩展规律的预测[J];新技术新工艺;2013年11期

相关会议论文 前7条

1 余万华;翁玮;韩静涛;张永军;刘靖;;基于BP神经网络的板材热轧轧制压力和变形抗力预报模型[A];第四届中国金属学会青年学术年会论文集[C];2008年

2 高进强;刘新峰;武传松;;TIG焊接熔透信息的提取[A];第十次全国焊接会议论文集（第2册）[C];2001年

3 付培众;尹怡欣;;基于PSO-RBF的神经网络及其应用研究[A];2007'仪表，，自动化及先进集成技术大会论文集（一）[C];2007年

4 孙雷;王建国;王明辉;;模块化神经网络在CSP连轧过程逆质量模型建立中的应用[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年

5 莫春立;李殿中;冯峰;李强;詹志东;;耦合物理冶金和神经网络方法预测钢材的性能[A];2002年材料科学与工程新进展（下）——2002年中国材料研讨会论文集[C];2002年

6 张海波;刘恩东;;基于RBF神经网络PID控制[A];2007中国钢铁年会论文集[C];2007年

7 陈刚;张勇;王瑞;杨思乾;;基于BP算法的逆变点焊电源模糊神经网络控制研究[A];陕西省焊接学术会议论文集[C];2006年

相关博士学位论文 前3条

1 申Pr伯;生物活性涂层包覆镁合金的制备与性能研究[D];天津大学;2016年

2 高蕊;镁合金表面超疏水膜层构筑及其防腐性能研究[D];哈尔滨工程大学;2014年

3 张玉芬;镁合金表面超疏水涂层的构建及其腐蚀行为[D];哈尔滨工业大学;2017年

相关硕士学位论文 前10条

1 朱弋;脉冲强磁场处理AZ31镁合金的微观组织和力学性能研究[D];江苏大学;2017年

2 张敏;镁合金表面植酸/羟基磷灰石生物活性涂层的制备及性能研究[D];天津大学;2016年

3 刘耿;新型全降解镁合金气管支架的制备及性能评价[D];郑州大学;2017年

4 张佳斌;Ca和Ce/La在镁合金中的协同强化机制及其防护涂层性能的研究[D];吉林大学;2017年

5 王雷;基于BP神经网络的钛合金加工切削力预测模型研究[D];天津理工大学;2016年

6 胡丙坤;基于神经网络的金属板材折弯回弹预测与研究[D];上海应用技术学院;2015年

7 赵燕燕;优化FPN及其在板形识别中的应用[D];济南大学;2015年

8 王余敬;基于分离谱的激光超声表面裂纹识别技术研究[D];中北大学;2016年

9 付泽;典型汽车用板变形滞后回弹的试验研究及有限元分析[D];北京理工大学;2016年

10 熊伟;基于改进BP神经网络的车床主轴优化设计的研究[D];江苏大学;2016年

本文编号：1743543