基于参数优选的人工神经网络的Mg-Al—Ca系铸态合金晶粒尺寸预测模型.pdfVIP

基于参数优选的人工神经网络的Mg—A1一Ca系铸态合金晶粒尺寸预测模型／刘 彬等 ·117 · 基于参数优选的人工神经网络的Mg-AI—Ca系铸态合金晶粒尺寸预测模型 刘 彬 ，汤爱涛 。，潘复生 ，熊妹涛 (1 重庆大学材料科学与工程学院，重庆 400030；2 重庆大学国家镁合金工程技术研究中心，重庆 400030) 摘要 基于全排列组合训练优选的建模参数，建立了铸态Mg-A1-Ca系合金的人工神经网络晶粒尺寸预测模 型。对比传统试探法参数所建模型，该模型具有更高的平均相关系数和更低的平均误差，对检验数据的平均预测误 差为6 。此外，通过模型预测了不同Al、Ca含量对Mg-A1-Ca系铸态合金晶粒尺寸的影响。结果表明，当Al含量 在 2．0 ～3．0 、Ca含量在 2．5A0～3．5 时，可获得晶粒较小的Mg-A1-Ca系铸态合金，其尺寸约为 150~m。预测 结果和实验结果相吻合。 关键词 镁合金 晶粒尺寸 人工神经网络 预测模型 全排列组合训练 中图分类号：TP183 文献标识码：A A M odelforPredictingGrainSizesofAs-castM g-AI—CaAlloysBasedonan ArtificialNeuralNetworkwithParameterOptimization LIU Bin ，TANG Aitao ，PAN Fusheng ，XIONG Shutao (1 CollegeofMaterialsScienceandEngineering，ChongqingUniversity，Chongqing400030；2 NationalEngineering ResearchCenterforMagnesium Alloys，ChongqingUniversity，Chongqing400030) Abstract Anartificialneuralnetworkmodelwasbuiltforpredictinggrain sizesofas-castMg-A1-Caalloys basedonthemodelingparametersoptimizedbyusingallpermutationsandcombinationstraining．Co mparedwiththe model，whoseparametersareobtainedfrom conventionalheuristic，thismodelhashigheraveragecorrelationcoeffi— cientandloweraverageerror．Theaverageerrorofthemodelis5．5 forpredictingthetestdata．Inaddition，the effectsofdifferentamountofAlandCaonthegrainsizeinas-castMg-A1-Caalloyswereinvestigatedbyusingthe mode1．Theresultsshowthatwhentheamountrangeare2．O％～3．O％ofrA1and2．5％～3．5％ofrCa，theas-cast M g-A1-Caalloywith smallgraincanbeobtained，whosegrainsizeisabout150tan．Thepredictedvalueisinagree— mentwiththeexperimenta1results． Keywords magnesium alloys，grain size，artificialneura1network，predictionmodel，allpermutationsand combinationstraining 人工神经网络不需要任何假设，直接从已有的实验数据 0 引言