基于神经网络算法的铝基复合材料搅拌铸造工艺优化.pdfVIP

《热加工工艺》2021年9月第50卷第18期

基于神经网络算法的铝基复合材料

搅拌铸造工艺优化

张亚敏\姜永亮2

(1.漯河医学高等专科学校，河南漯河462002;2.海南师范大学材料科学系，海南海口571158)

摘要：以SiC添加量、搅拌转速、搅拌时间、模具预热温度和浇注温度为5个输入层神经单元参数，以抗拉强度为

输出层神经单元参数，采用不同训练函数，构建3层结构的铝基复合材料搅拌铸造工艺优化神经网络模型。结果表明：

与traingd训练函数相比，采用trainlm训练函数的神经网络模型平均相对训练误差从4.4%减小到2.6%、收敛时的迭代

运算次数从7924次减少到5186次。以trainlm函数作为训练函数的神经网络模型平均相对预测误差为2.7%，可用于

实际的铝基复合材料搅拌铸造工艺优化。

关键词：铝基复合材料；搅拌铸造T.艺优化；神经网络算法；训练闲数；抗拉强度

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

中图分类号：TB333.12文献标识码：A文章编号：1001-3814(2021)18-0091-04

OptimizationofStiingCastingProcessforAluminumMatrixComposites

BasedonNeuralNetworkAlgorithm

ZHANGYarnin,JIANGYongliang2

(1.LuoheMedicalCollege,Luohe462002,China;2.DepartmentofMaterialsScience,HainanNormalUniversity,Haikou

571158,China)

AbstractTaking：SiCadditionamount,stirringspeed,stirringtime,moldpreheatingtemperatureandpouring

temperatureasfiveinputlayerneuralunitparameters,andtensilestrengthasoutputlayerneuralunitparameter,different

trainingflinctionswereadopted,anthree-layeroptimizedneuralnetworkmodelofaluminummatrixcompositeagitation

castingprocesswasconstructed.Theresultsshowthatcomparedwiththetraingdtrainingfunction,theaveragerelative

trainingerroroftheneuralnetworkmodelusingthetrainlmtrainingfunctiondecreasesfrom4.4%to2.6%,thenumberof

iterationsatconvergencedecreasesfrom7924to5186.Theaveragerelativepredictionerroroftheneuralnetworkmodelwith

trainlmfunctionasthetrainingfunctionis2.7%,whichcanbeusedtooptimizet