分别用Visual Fortran语言和MATLAB软件建立了TC4钛合金超塑性变形时变形参数与其力学性能和晶粒尺寸之间的BP神经网络模型,通过用较少的力学性能和晶粒尺寸的试验数据进行训练,进而对其性能进行预测.结果表明,BP神经网络用于材料超塑性变形后的力学性能及晶粒尺寸预测是可行的,其预测误差小于7%.
参考文献
[1] | 陈明和.TC4(Ti-6Al-4V)钛板超塑性成形后的力学性能研究[J].热加工工艺,1999(05):14. |
[2] | 张立明.人工神经网络的模型及其应用[M].上海:复旦大学出版社,1992:6. |
[3] | 王玉,谭力,邢渊,阮雪榆.人工神经网络在热处理质量控制中的应用研究[J].机械工程材料,2000(02):8-9. |
[4] | 曾令可,罗民华,童晓濂,王慧,曾钧.BP神经网络对陶瓷材料烧结性能预测的研究[J].材料导报,2002(02):63-65. |
[5] | 丛爽.面向MATLAB工具箱的神经网络理论和应用[M].合肥:中国科学技术大学出版社,1998 |
[6] | Atiya Amir F;Parlos Alexander G.New results on recurrent network Training: Unifying the Algorithms and Accelerating Convergence . IEEE Transactions on Nevral Networks[J].New York:IEEE,2000:698-708. |
[7] | Hertz John;Krogh Anders;Lautrup Benny.Non-linear Backpropagation: Doing Backpropagation without Derivatives of the Activation Function. IEEE Transactions on Neural Networks[J].New York:IEEE,1997:1321-1325. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分:
-
10%
-
20%
-
30%
-
40%
-
50%