基于RBF神经网络的高强高导铜合金热处理制度模型 |
| |
引用本文: | 张修庆,陈明.基于RBF神经网络的高强高导铜合金热处理制度模型[J].材料热处理学报,2022(12):154-160. |
| |
作者姓名: | 张修庆 陈明 |
| |
作者单位: | 华东理工大学机械与动力工程学院承压系统安全科学教育部重点实验室 |
| |
基金项目: | 上海市科委纳米中心资助项目(0452nm036);;上海市重点学科建设项目资助(B503); |
| |
摘 要: | 在金属材料的热处理过程中,不同的热处理工艺参数会对材料的性能产生影响,然而热处理工艺参数的选择具有很强的经验性;对于高强高导铜合金,热处理工艺参数对其性能的影响更为显著。针对这一问题,采用改进的广义径向基函数(RBF)神经网络算法,对Cu-0.23Cr-0.2Zr-0.1V合金在热处理过程中固溶温度、固溶时间、时效温度和时效时间4组工艺参数下的合金电导率样本集进行训练、学习,建立了Cu-0.23Cr-0.2Zr-0.1V合金经时效处理后的电导率与固溶温度、固溶时间、时效温度和时效时间的映射模型。结果表明:采取广义RBF神经网络建立模型进行铜合金的时效性能预测是可行的,与传统的反向传播(BP)神经网络相比,广义RBF神经网络具有更高的输出精度和更好的泛化能力。
|
关 键 词: | Cu-Cr-V-Zr-RE合金 时效性能 合金电导率 神经网络 广义RBF算法 |
|