基于BP神经网络的铝合金锻造性能预测.pdfVIP

《热加工工艺》2021年丨1月第50卷第21期

基于BP神经网络的铝合金锻造性能预测

魏萌\肖凌2

(1.长江职业学院，湖北武汉430074;2.华中科技大学计算机科学与技术学院信息安全研究所，湖北武汉430074)

摘要：利用BP神经网络建立了汽车用铝合金锻造性能的网络模型，并以24组试验数据为训练样本，以剩余6

组作为验证样本，对模型进行了训练和预测结果验证。结果表明，该模型输出的抗拉强度和磨损体积的相对平均训

练误差分别为3.89°/。和4.04%,相对平均预测误差分别为3.86%和3.67%。该模型预测误差小，预测精度高

关键词：BP神经网络；预测；汽车用铝合金；锻造性能

DOI:10.14158/j.cnki.1001-3814.

中图分类号：TG319;TG146.21文献标识码：A文章编号：1001-3814(2021)21-0105-03

PredictionofForgingPerformanceofAluminumAlloy

BasedonBPNeuralNetwork

WEIMeng丨，XIAOLing2

(1.ChangjiangPolytechnic,Wuhan430074,China;2.SchoolofComputerScienceTechnology,InstituteofInformation

Security,HuazhongUniversityofScienceandTechnology,Wuhan430074,China)

AbstractThenetworkmodelofforgingpropertiesofthealuminumalloyforautomobilewasestablishedbyusingBP：

neuralnetwork.Taking24groupsoftestdataastrainingsamplesandtheremainingsixgroupsasvalidationsamples,the

modelwastrainedandpredictedresultverificated.Theresultsshowthattheaveragerelativetrainingerrorsoftensilestrength

andwearvolumeoftheoutputofthemodelare3.89%and4.04%respectively,andtheaveragerelativepredictionerrorsare

3.86%and3.67%respectively.Thepredictionerrorofthemodelissmallandthepredictionaccuracyishigh.

Keywords：BPneuralnetwork;prediction;aluminumalloyforautomobile;forgingperformance

近年来，由于招合金储量丰富且质轻、耐蚀、易见。因此，本文以汽车用铝合金为试验对象，针对汽

成型、可循环回收等优点而倍受汽车领域的青睐[1-\车用铝合金的锻造工艺参数和力学性能及磨损性能

将铝合金利用于汽车车身及零部件上，能够有效减