共查询到19条相似文献,搜索用时 78 毫秒
1.
基于人工神经网络的结构钢回火后力学性能预测 总被引:1,自引:0,他引:1
利用多层前向神经网络,使用B-P算法对结构钢回火性能预测进行了研究。通过利用99种钢450余组训练数据样本对神经网络进行训练,建立了结构钢回火后的力学性能与金属成分和回火温度之间的隐性函数。并针对训练用样本不足的问题,设计了为网络提供自学功能软件,在钢完全淬透的前提下,用此神经网络模型可在一定精度范围内预测结构钢的回火力学性能。 相似文献
2.
3.
4.
基于人工神经网络的材料力学性能的预测与评估 总被引:6,自引:0,他引:6
以白口铸铁力学性能与成分的关系为研究对象,以L9(3^4)型正交实验数据作为训练学习样本,以与正交实验成分有关的任意6个样本作为预测与评估样本,用学习率为0.5的一层10节点隐含层的BP神经网络进行了预测和评估,结果表明不加评估方案时,训练12913次,其最大误差不超过8%;在加评估方案时,训练了34919次,其最大误差为19.74%。因此,用正交实验测得的数据作为样本进行训练学习,可以对与正交实验成分有关的其余样本进行预测与评估,结果是令人满意的、现实的、可行的。人工神经网络与正交实验相结合,能大大节省时间和费用。 相似文献
5.
阐述了人工神经网络在耐磨铸钢堆焊成分预测中的意义和工作原理,用自行编制的人工神经网络程序计算了铸钢件堆焊层的化学成分。 相似文献
6.
利用人工神经网络(ANN)方法建立了超级马氏体不锈钢(SMSS)淬火工艺参数与力学性能的预测模型.模型输入单元为淬火温度、保温时间和冷却方式,输出单元为抗拉强度、屈服强度和伸长率;网络为3-9-3结构,动量因子为0.2,采用提前终止法与Levenberg-Marquardt算法相结合训练网络,以实验结果验证网络的可靠性.预测结果表明,抗拉强度、屈服强度和伸长率相对误差绝对值的最大值分别为2.2050%、1.4393%和8.4211%.该模型可为SMSS热处理工艺制定提供参考依据. 相似文献
7.
8.
基于人工神经网络的凝固组织晶粒尺寸预测 总被引:2,自引:0,他引:2
通过分析强脉冲电磁场作用下铝合金凝固组织晶粒尺寸实验数据,并结合人工神经网络,建立了强脉冲电磁场作用下铝合金凝固组织晶粒尺寸的人工神经网络BP算法模型。研究结果表明,用该神经网络模型进行了模拟得到的计算结果和实验数据吻合得较好,因此这一方法可用来对强脉冲电磁场作用下的凝固组织晶粒尺寸进行预测和控制,为优化实验设计提供了简便、实用的方法和手段。 相似文献
9.
10.
11.
Development of prediction model for mechanical properties of batch annealed thin steel strip by using artificial neural network modelling 总被引:2,自引:0,他引:2
P. Myllykoski J. Larkiola J. Nylander 《Journal of Materials Processing Technology》1996,60(1-4):399-404
It is important to predict the mechanical properties of thin steel strip when it is produced by rolling. For this purpose we have used artificial neural networks (ANN) and the data acquisition system of Rautaruukki Hämeenlinna Works. This paper shows that it is possible to predict accurately the mechanical properties thin steel strip, by using ANN modelling and the measurement data of the process. The prediction model can be used in different ways. For example the effects of process parameters can be evaluated and the controllable parameters can be changed in such a way that the process yields the desired mechanical properties. 相似文献
12.
13.
A357铝合金零件一般都需要经过热处理(T6状态)以获得优异的力学性能。这类零件的性能取决于固溶温度、固溶时间、人工时效温度及人工时效时间。在本研究中,建立了基于反向传播(BP)算法的人工神经网络(ANN)模型,对A357合金的力学性能进行预测,研究了热处理工艺对该合金性能的影响。结果表明,所建立的BP模型能够对A357合金的力学性能进行有效且精度高的预测。良好的神经网络预测能力能够直观地反映A357合金的热处理工艺参数对其力学性能的影响。绘制抗拉强度和伸长率的等值线图形有助于清晰地找到抗拉强度和伸长率之间的关系,可为实际生产中热处理工艺参数的选择提供技术支持。 相似文献
14.
15.
Artificial neural networks have been widely used to predict the mechanical properties of alloys in material research.This study aims to investigate the implicit relationship between the compositions an... 相似文献
16.
人工神经网络在预测斜轧穿孔毛管偏差中的应用 总被引:3,自引:0,他引:3
斜轧穿孔中毛管质量与许多工艺参数,如辊型,送进角,顶头前伸量及温度,以及设备性能参数如穿孔机刚度,加工精度和顶杆振动等有关。传统的轧制理论难以解决其质量问题,应用人工神经网络则能较好地解决毛管质量的预测问题,应用实测的工艺参数与其对应的毛管精度参数,训练和学习网络的权值和阈值,建立起模拟穿孔机生产的数学模型,即网络模型,预测了毛管偏差及合理的工艺参数。 相似文献
17.
探讨一种自适应模糊神经网络(adaptive fuzzy neural networks,ANFIS)预测焊接接头力学性能的方法.通过测定TC4钛合金TIG焊接头的抗拉强度、抗弯强度和延伸率,结合焊接工艺参数建立了用于焊接接头力学性能预测的自适应模糊神经网络模型.利用该模型,并使用BP算法和BP算法与最小二乘相结合的混合算法,采用不同的输入变量隶属度函数、模糊子集数、迭代次数,对焊接接头力学性能进行了ANFIS仿真.结果表明,当采用混合算法,且模糊子集数为3时,网络训练和预测结果平均误差均远小于7%.能够满足实际生产的要求.使用MATLAB和Visuall C 混合编程开发了基于ANFIS焊接接头力学性能预测软件,可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和延伸率等力学性能进行较为准确地预测,为焊接接头的质量预测与控制提供了一条简捷、有效的新途径. 相似文献
18.
Parameter selecting and quality predicting of spot welding based on artificial neural networks 总被引:1,自引:0,他引:1
This paper proposes a procedure for using artificial neural networks (ANN) in spot welding, and estabishesspot wilding parameter selecting ANN systems and sopt welding joint quality predicting ANN systems.It has been provedthat the ANN systems have high prediction precision ,providing a new way of parameter selecting and quality predicting in spot welding. 相似文献