BP神经网络预测脉冲电沉积Cu-SiC镀层镀速的研究

采用脉冲电沉积在A3钢表面制备Cu-SiC镀层。采用BP网络模型对脉冲电沉积Cu-SiC镀层的镀速进行预测研究。结果表明：本BP模型为3×9×1型神经网络模型,预测值与试验值曲线吻合较好;其相对误差较小,最大误差为2.7%,其相关系数为0.999,能较好地预测脉冲电沉积Cu-SiC镀层的镀速。     

基于神经网络的RE-Ni-Cu合金铸铁腐蚀性能预测

通过动态质量损失法腐蚀试验获取RE-Ni-Cu合金铸铁在高温浓碱液中的实测腐蚀深度,并将其作为样本数据用于BP神经网络的训练和验证;利用MATLAB的工具箱函数分别建立拓扑结构为4×15×1和4×15×8×1的BP神经网络,并对两个网络模型进行比较研究。结果表明,在样本集和训练条件下,4层BP网络的预测精度明显高于3层BP网络,可用于RE-Ni-Cu合金铸铁在高温浓碱液腐蚀系统中的腐蚀性能预测。     

TC4钛合金动态本构模型与高速切削有限元模拟

利用SHPB实验装置,测试TC4钛合金在20～600℃、应变率为103～104s-1下的流动应力和应变的关系,应用自适应遗传算法(GA)优化建立适合高速切削模拟的Johnson-Cook(JC)热粘塑性本构模型,该模型可在较高温度和较宽应变率范围内精确预测TC4的流动应力。以所建的Johnson-Cook模型为材料本构模型,应用大型商用有限元软件ABAQUS,并使用切屑分离准则,建立高速正交切削有限元模型。将模拟结果与高速正交车削的实验数据进行比较,证实本构模型和有限元模拟的正确性。     

基于麻雀搜索算法优化BP神经网络的弹丸射程预测研究

弹丸发射参数、气象条件等会影响弹丸射程,其构成的影响体系复杂并难以准确预测。针对BP预测算法会因初始权值和阈值取值不当导致陷入局部最优的问题,建立了麻雀搜索算法(SSA)优化BP神经网络的弹丸射程预测模型,以弹丸射程作为输出指标,选取弹丸初速、发射角度和风力条件作为影响因素输入,经过数据预处理后进行弹丸射程预测;同时与粒子群算法(PSO)和遗传算法(GA)优化BP神经网络预测模型的预测精度进行对比,验证SSA优化BP神经网络模型的预测效果。结果表明,SSA-BP预测模型的平均绝对误差、均方根误差和平均绝对百分比误差分别为10.456 4 m、11.831 3 m和0.058 13%,低于BP、PSO-BP、GA-BP预测模型的相应评估指标,所以SSA-BP模型的预测精度高于BP、PSO-BP、GA-BP预测模型,其可以为弹丸射程预测和远程火力打击研究提供支持。     

一种改进的灰色BP 神经网络预测模型

为提高灰色GM(1,1)模型的预测精度和BP 神经网络的映射能力,提出一种改进的灰色BP 神经网络预测 模型。通过分别对灰色系统理论和BP 神经网络2 种模型进行改进,再串联组合成新的预测模型,并结合实测数据 进行仿真试验。结果表明：改进后的模型能兼具二者优点,预测精度有较大提高,相对误差减小,运算速率更快。     

基于GA-BP神经网络的镁合金微弧氧化膜层厚度预测

为直观地检验膜层的质量,建立微弧氧化工艺参数(电流大小、脉冲宽度、氧化时间)与微弧氧化膜层厚度之间的反向传播(BP)神经网络预测模型,其结构为3-10-1(即3个输入神经元,10个隐含层节点,1个输出神经元)。采用遗传算法(GA)优化BP神经网络的初始权值和阈值,构建基于遗传算法神经网络的膜厚预测模型。用GA-BP神经网络对膜厚进行模型仿真,并将仿真结果与BP神经网络模型仿真结果进行对比。结果表明,GA-BP网络模型预测值的平均误差为1.65%,最大误差为9.75%,而BP模型预测结果的平均误差为8.62%,最大误差为13.68%。GA-BP神经网络模型预测精度要优于BP神经网络模型。     

改进BP网络在装备维修费用预测中的应用

提出了一种BP神经网络理论的改进算法,在此基础上建立了时间序列对象的预测模型,根据预测模型,对某型装备使用维修费用进行预测,并与实际使用维修费用进行了对比.结果表明此模型准确,并具有应用泛化能力,该算法为费用预测提供了一条新途径.     

采用正交切削方法获得装甲钢动态力学性能

本文采用正交切削试验方法,取得某装甲钢在剪应变0.8～1.5,剪应变率7×10~3～1.5×10~5S~(-1)和变形温度140～520℃范围内的动态力学性能,分析了剪切流动应力的剪应变、剪应变率和温度效应。通过对数学模型的非线性回归分析,到装甲钢材料定量的动态塑性本构关系。     

7A52铝合金Johnson-Cook本构模型的有限元模拟

为探究7A52铝合金的流动应力变化规律,在材料拉伸试验数据基础上,建立Johnson-Cook本构模型。利用有限元软件AQAQUS,模拟7A52铝合金在温度为25~400℃、应变率为0.1~10 000 s~(-1)的准静态和动态拉伸试验。结果表明:温度和应变率都会影响7A52铝合金的流动应力,但对温度的敏感性较大,对应变率敏感性较小;流动应力随着温度的升高而减小;流动应力随着应变率的增加而增大,尤其在应变率高于1 000 s~(-1)时影响更加明显。所建有限元模型结果与试验结果吻合较好,证明该Johnson-Cook本构模型能够在一定温度和应变率范围内预测7A52铝合金的流动应力。     

基于SVM的航空兵空运转场载机架次预测研究

分析影响载机架次的主要因素,利用支持向量机(SVM)理论建立非线性回归模型,通过反复试验和网格搜索算法确定预测模型的核函数及参数,进而对载机架次进行预测.预测结果表明:同BP神经网络预测模型相比,支持向量机预测模型具有良好的泛化能力及准确的预测结果.     

基于BAS-BP 神经网络的多应力加速寿命试验预测方法

为解决多应力条件下加速寿命试验中建立复合加速模型困难、模型参数难以求解以及建模过程中通常忽 略应力间耦合作用的问题,根据天牛须搜索建立改进的BP 神经网络模型。使用多应力加速寿命试验中收集的4 组 应力水平的失效数据对BAS-BP 神经网络模型进行训练,对第5 组应力水平下的可靠度与失效时间进行预测。利用 平均相对误差、拟合优度2 个参数对模型的预测结果进行评价,并与BP 神经网络的预测结果进行对比。结果表明, BAS-BP 神经网络具有更好的准确性及鲁棒性。     

人工神经网络在合金铸铁腐蚀深度预测中的应用研究

通过动态和静态质量损失法腐蚀试验获取BP神经网络的样本数据,利用MATLAB的工具箱函数建立用于预测动态和静态腐蚀深度的BP神经网络模型,并对两种腐蚀试验方法的预测误差进行比较研究。结果表明,5×8×10×1BP神经网络可用于合金铸铁在烧碱液中的动态和静态腐蚀深度的预测,且腐蚀试验的样本数据越精确,5×8×10×1BP网络对腐蚀深度的预测误差则越小。     

描述TC11钛合金变形力学行为的新方法

将人工神经网络（ＡＮＮ）理论用于建立ＴＣ１１钛合金的本构关系，意在探索出一条描述材料变形力学行为的新途径。文中给出了应用人工神经网络建立ＴＣ１１钛合金本构关系的ＢＰ模型，并在高温压缩实验的基础上，进行了流动应力的计算。计算结果与实验结果表明，二者吻合良好。因此，应用人工神经网络建立热粘塑性材料的本构关系具有重要的工程应用价值。     

改进BP神经网络在航空弹药预测中的应用

对航空弹药消耗的准确预测是未来战争取胜的一个重要因素,然而战场复杂多变,传统的方法难以进行及时准确地预测.采用了BP神经网络对单个目标航空弹药进行预测,针对常规BP神经网络收敛速度慢、存在所谓"局部最小值"等缺陷,提出了具有全局收敛性的Fletcher-Reeves共轭梯度算法对常规BP网络进行改进,并将改进后的BP网络应用于单个目标航空弹药预测仿真试验中.结果表明,改进BP网络能克服局部极值、快速提高网络收敛速度,并能较为准确地预测航空弹药的需求量.     

GA-BP网络建模在套料钻性能预测中的应用

将BP神经网络建模技术和遗传算法(GA)应用于套料钻性能预测。利用BP神经网络建立套料钻性能预测模型,通过比较实际误差梯度值与给定误差梯度值,来确定BP网络是否处于局部极小状态;GA仅在BP网络处于局部极小时进行学习,对BP网络的连接权值进行优化。BP神经网络和GA两者的有效结合可以解决BP算法固有的缺陷,如收敛速度慢、易陷入局部极小等。套料钻加工性能试验结果表明预测结果和实际结果吻合程度较好,验证了GA-BP网络模型在套料钻性能预测中的有效性和准确性。     

基于遗传神经网络的机械振动信号预测

针对传统的BP神经网络学习算法存在易陷入局部极小及收敛速度慢等缺陷,文中提出了利用实数编码改进遗传算法对神经网络进行优化训练,并把训练好的神经网络用于对机械振动信号的预测, 并与传统BP算法以及改进BP算法预测结果进行比较,充分证实了文中方法的有效性.