基于RBF神经网络的高强高导铜合金热处理制度模型

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。