Al-Cu-Mg-Ag合金时效强化的神经网络预测模型
来源期刊：材料热处理学报2009年第3期
论文作者：柳葆生 柏松 侯延辉 马飞跃 刘志义
关键词：时效; Levenberg-Marquardt算法; 神经网络; 析出相; 模型;
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LevenbergMarquardt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.
柳葆生1，柏松2，侯延辉1，马飞跃2，刘志义2
(1.西南交通大学力学与工程学院,四川,成都,610031;
2.中南大学材料科学与工程学院,湖南,长沙,410083)
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LevenbergMarquardt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.
关键词:时效; Levenberg-Marquardt算法; 神经网络; 析出相; 模型;
【全文内容正在添加中】
