热加工工艺

作者：叶进宝, 陈建华, 李相军,

关键词：铸造性能, 流动性, 神经网络算法, 高强铝合金, 优化模型,

为了进行汽车用高强铝合金铸造性能优化，本文以合金元素、元素含量、熔炼温度、浇注温度为输入层参数，以合金的流动性作为输出层参数，选用Purelin函数、Tansig函数和Trainlm函数分别作为神经网络模型的输出层传递函数、隐含层传递函数、训练函数，采用神经网络算法构建了4×16×4×1四层拓扑结构的神经网络模型。进行了神经网络模型的学习训练、预测分析以及未经学习训练样本的验证。结果表明，神经网络模型经过8892次迭代运算后收敛，模型的相对训练误差是3.50%～6.41%，平均相对训练误差是4.76%；相对预测误差是4.25%～5.56%，平均相对预测误差4.88%。神经网络模型预测能力较强，预测精度较高，可以用于汽车用高强铝合金铸造性能优化预测。

来源：2022年第11期

《热加工工艺》期刊编辑部

查看热加工工艺杂志2022年第11期