Al-Cu-Mg-Ag合金时效强化的神经网络预测模型

作     者：侯延辉 刘志义 柏松 马飞跃 柳葆生 HOU Yan-hui;LIU Zhi-yi;BAI Song;MA Fei-yue;LIU Bao-sheng

作者机构：西南交通大学力学与工程学院四川成都610031 中南大学材料科学与工程学院湖南长沙410083 

基　　金：教育部中南大学国内博士研究生访学项目 国家“973”重点基础研究发展项目(2005CB623705-04) 

出 版 物：《材料热处理学报》 (Transactions of Materials and Heat Treatment)

年 卷 期：2009年第30卷第3期

页      码：203-208页

摘      要：研究不同时效温度下(165℃、200℃、250℃)时效工艺对Al-Cu-Mg-Ag合金力学性能的影响,在此基础上,采用Levenberg-Marquardt算法训练神经网络对样本进行学习,在溶质原子在两种强化相中的定量关系尚不存在的前提下,建立了以时效温度与时间为输入参数和抗拉强度、屈服强度与伸长率为目标函数之间的函数关系。发现在目标函数为0.0005,隐层节点数为11,学习率为0.1时,系统误差较小。利用所建立的网络模型预测不同时效状态下材料的力学性能,发现预测数据与实验数据吻合良好,证明了网络的可靠性,为进一步研究工艺参数对力学性能的影响规律和工艺的优化设计提供了理论依据。

主 题 词：时效 Levenberg—Marquardt算法 神经网络 析出相 模型 

学科分类：08[工学] 0805[工学-能源动力学] 080502[080502] 0704[理学-天文学类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.13289/j.issn.1009-6264.2009.03.032

馆 藏 号：203471780...