碳钢焊条熔敷金属力学性能遗传神经网络预测.docVIP

碳钢焊条熔敷金属力学性能遗传神经网络预测 摘要 为了更好的反映焊条原材料成分与其熔敷金属力学性能之间的映射关系，本论文对E4303和E5015碳钢焊条进行配方设计和堆焊试验，测定其熔敷金属的抗拉强度、屈服强度、延伸率、冲击功4项力学性能指标。分别采用RBF、BP、GA-BP三种神经网络方法建立由焊条原材料成分预测焊条力学性能的神经网络模型。用这三种神经网络模型对训练样本以外的试验数据进行预测。结果表明用GA-BP结合的计算方法所建立的神经网络模型预测焊条力学性能的平均绝对误差最小。E4303的屈服强度的平均相对误差达到9.83%、抗拉强度的平均相对误差达到13.85%、延伸率的平均相对误差达到13.47%、冲击功的平均相对误差达到9.41%；E5015的屈服强度平均的相对误差达到8.69%、抗拉强度的平均相对误差达到6.41%、延伸率的平均相对误差达到11.25%、冲击功平均的相对误差达到8.35%。7068 关键词碳钢焊条 神经网络 力学性能 预测 遗传算法 毕业设计说明书（论文）外文摘要 TitlePrediction Of The Deposited Metal Mechanical Properties of Carbon Steel Electrode Based on Genetic Neural Network Abstract To acquire a p