|
|||||
|
|
| 基于RBF神经网络的QA110-5-5铝青铜时效处理硬度的预测 | |
| 引用本文： | 由伟,赖惠先,赵玮玮,白秉哲.基于RBF神经网络的QA110-5-5铝青铜时效处理硬度的预测[J].金属热处理,2013,38(5). |
| 作者姓名： | 由伟 赖惠先 赵玮玮 白秉哲 |
| 作者单位： | 1. 华北科技学院机电工程系,河北三河,065201 2. 厦门大学材料学院,福建厦门,361005 3. 清华大学材料学院,北京,100084 |
| 摘 要： | 用人工神经网络模型分析了时效参数对铝青铜硬度的影响.用“舍一法”训练了模型.模型对训练样本的计算值与实测值在散点图中沿着45°角平分线分布,统计学指标为:均方误差(MSE)为2.1388,相对均方误差(MSRE)为6.59％,拟合分值(VOF)为1.8301.用训练后的网络模型进行预测,得到的散点大致分布于45°角平分线附近,统计学指标为:均方误差为1.9512;相对均方误差为5.62％;拟合分值为1.7783.对时效参数的影响分析表明:时效温度和时效时间对硬度的影响,都存在一个最佳值,在时效温度和时效时间分别为450℃和30 min时,铝青铜的硬度达到最大值. |
| 关 键 词： | RBF神经网络 铝青铜 时效参数 硬度 |
Forecasting the hardness of QA110-5-5 aluminum bronze aged based on RBF neural network |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |