王玉国
,
李学京
,
王永智
金属世界
doi:10.3969/j.issn.1000-6826.2006.06.011
铸铁广泛应用于机械、矿山等行业,是工业生产的基础材料之一,稳定、提高其性能有着重要的意义.铸铁含有多种元素,元素之间交互作用,对其性能表现出复杂的非线形关系.人工神经网络能充分逼近任意复杂的非线形系统.本文把BP人工神经网络用于一种铸铁的生产,它成功地根据材料成分预测了材料的性能,从而有助于优化设计,提高产品质量,降低铸铁的生产成本.
关键词:
铸铁
,
BP人工神经网络
,
训练
,
检验
包雨威
,
范金辉
,
郝国庆
,
朱世根
电镀与涂饰
基于BP(反向传播)神经网络理论,利用MATLAB R2012b软件的人工神经网络工具箱,以实验中得到的25组不同温度、时间、pH、硫酸镍浓度、次磷酸钠浓度、辅助配位剂浓度下的T10A钢针织器材化学镀镍层厚度及孔隙率为样本,对建立的BP神经网络模型进行训练及预测.结果表明,该BP神经网络有较快的学习速度及较高的预测精度.
关键词:
化学镀镍
,
反向传播网络
,
厚度
,
孔隙率
,
训练
,
预测
向学渊
,
何国求
,
莫德锋
,
陈淑娟
,
张熹
材料导报
制备了含不同Al量的2种Fe-15Mn-5Si-9Cr-5Ni形状记忆合金,测定了多次训练之后的记忆效应,并用金相显微镜和透射电镜对材料的微观组织结构进行了观察,结果表明,训练之后的合金记忆效应明显提高,尤其是第二次训练会产生显著效果.含过量的铝对形状记忆效应不利.训练后的合金内存在宽大的层错,层错增多,有利于形状记忆效应的提高.
关键词:
形状记忆效应
,
训练
,
形变回复率
,
层错
