基于人工神经网络的预腐蚀铝合金疲劳性能预测.PDF

第 22 卷 第 2 期 航 空 学 报 Vol. 22 No. 2 2001 年 3 月 ACTA AeR0 NAUTICA eT ASTR0 NAUTICA SINICA mar. 2001 文章编号: 1000-6893( 2001) 02-0135-05 基于人工神经网络的预腐蚀铝合金 疲劳性能预测 刘延利 钟群鹏 张 峥 ( 北京航空航天大学 材料科学与工程系 北京 100083) PREDICTIVE MODEL BASED ON ARTIFICIAL NEURAL NET FOR FATIGUE PERFORMANCES OF PRIOR-CORRODED ALUMINUM ALLO S LIU Yan-li Z~0 NG Gun-peng Z~ANG Zheng ( Department of materials Science and engineering Beijing University of Aeronautics and Astronautics Beijing 100083 China) 摘 要: 通过对 BP 神经网络算法分析和收敛性改进 从获得的预腐蚀和疲劳试验数据中通 过 训 练 建 立 了 LY12CZ 铝合金腐蚀性能和疲劳特性与预腐蚀温度和时间的映射模型 从而可预测铝合金在一定预腐蚀环境 谱下的最大腐蚀深度和疲劳特性O 神经网络算法采用 BP 算法 网络结构采用 2-4-2 形式O 结果表明 神经网络 用于预腐蚀铝合金的腐蚀状况和疲劳性能预测是可行的O 关键词: 预腐蚀; 铝合金; 神经网络; 疲劳; 细节疲劳额定强度; 环境谱 中图分类号: V252; TG172 文献标识码: A Abstract: A prediction model for corrosion and fatigue performances of the prior-corroded aluminum alloys under a varied corrosion environmental spectrum based on artificial neural net Was developed and the non-lin- ear relationship betWeen maximum corrosion depth fatigue performance and corrosion temperature time Was established based on BP learning algorithm analysis and convergence improvement. The maximum corrosion depth and fatigue performances of prior-corroded aluminum alloys can be predicted by means of