欢迎登录材料期刊网

材料期刊网

高级检索

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.

参考文献

[1] C.R. HUTCHINSON;X. FAN;S.J. PENNYCOOK .ON THE ORIGIN OF THE HIGH COARSENING RESISTANCE OF #OMEGA# PLATES IN Al-Cu-Mg-Ag ALLOYS[J].Acta materialia,2001(14):2827-2841.
[2] SONG Min,CHEN Kang-hua,HUANG Lan-ping.Effects of Ag addition on mechanical properties and microstructures of Al-8Cu-0.5Mg alloy[J].中国有色金属学会会刊(英文版),2006(04):766-771.
[3] 肖代红,黄伯云,宋旼,陈康华.Al-Cu-Mg-(Ag,La)合金的显微组织与力学性能[J].中国有色金属学报,2008(04):571-576.
[4] 毛柏平,雷文平,沈健.Ag对Al-Cu-Mg合金组织与性能的影响[J].热加工工艺,2009(14):48-50.
[5] 侯延辉,刘志义,李云涛,陈旭,柏松.Al-Cu-Mg-Ag合金峰时效前微观组织演变及屈服强度数值模拟[J].稀有金属材料与工程,2010(08):1435-1438.
[6] 方善锋,汪明朴,王正安,齐卫宏,李周.PLS-BPN法用于7005铝合金力学性能与工艺参数的定量研究[J].中国有色金属学报,2007(12):1948-1954.
[7] 侯延辉,刘志义,柏松,马飞跃,柳葆生.Al-Cu-Mg-Ag合金时效强化的神经网络预测模型[J].材料热处理学报,2009(03):203-208.
[8] VAPNIK V.The nature of statistical learning thcory[M].New York:springer-verlag,1995
[9] C. Z. Cai;L. Y. Han;Z. L. Ji;X. Chen;Y. Z. Chen .SVM-Prot: web-based support vector machine software for functional classification of a protein from its primary sequence[J].Nucleic Acids Research,2003(13):3692-3697.
[10] Cai CZ;Han LY;Ji ZL;Chen YZ .Enzyme family classification by support vector machines.[J].Proteins: Structure, Function, and Genetics,2004(1):66-76.
[11] 梁桂兆,李志良,周原,何留,周鹏.一种新多肽表征方法及支持向量机用于肽HPLC定量结构-保留建模预测[J].物理化学学报,2006(09):1052-1055.
[12] 丁益民,张婷婷,刘旭,陈念贻.CsF-RbF二元系相图[J].物理化学学报,2007(04):614-616.
[13] 李平,谈宁馨,饶含兵,李泽荣,陈宇综.基于支持向量机方法的HERG钾离子通道抑制剂分类模型[J].物理化学学报,2009(08):1581-1586.
[14] 吕巍,薛英.基于机器学习方法的激素敏感脂肪酶抑制剂活性预测[J].物理化学学报,2010(02):471-477.
[15] 杨国兵,李泽荣,饶含兵,李象远,陈宇综.机器学习方法用于建立乙酰胆碱酯酶抑制剂的分类模型[J].物理化学学报,2010(12):3351-3359.
[16] KENBEDY J;EBERHART R.Particle swarm optimization[A].,1995
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:
  • 1
    0%
  • 2
    0%
  • 3
    0%
  • 4
    0%
  • 5
    0%