基于人工神经网络的铝合金力学性能预测方法

传统方法对铝合金力学性能测量精度低、误差率高、计算复杂。本文提出一种基于BP神经网络的铝合金力学性能预测方法研究。首先对铝合金拉伸试验获取的数据进行整理和分类,基于BP神经网络强大的映射和分析功能,对铝合金在多样的热冲击温度下的力学性能进行分析和研究。预测结果表明,BP神经网络算法具有较高的预测精度,误差率能够控制在5%以内。对比常温条件下铝合金力学性能,在高温短时热冲击的情况下,铝合金力学性能大幅度下降,提出的神经网络算法能够为改善铝合金力学性能提供数据上的支撑。