基于离散型Hopfield神经网络的挤压AZ31B镁合金力学性能分类评价的研究.pdfVIP

HotWorkingTechnology2019,Vol.48,No.7

基于离散型Hopfield神经网络的挤压AZ31B

镁合金力学性能分类评价的研究

1,21

武昭妤肖学山

,

（成都工业职业技术学院四川成都上海大学材料研究所上海）

1.,610218;2.,200072

摘要：根据镁合金挤压成形的加工特点，选择了挤压温度、挤压速度、挤压比、模具温度和挤压道次个

AZ31B5

特征参数，利用离散型神经网络的相关理论和方法，建立了试件力学性能的评价模型。结果表明，建立的神经

Hopfield

网络模型可以很好地对镁合金的抗拉强度等级进行分类，大大提高对试件力学性能评价和判断的效率。

AZ31B

关键词：镁合金；分类评价；神经网络

AZ31BHopfield

DOI:10.14158/j.cnki.1001-3814.2019.07.045

中图分类号：文献标识码：文章编号：

TG379A

StudyonMechanicalPropertiesClassificationofExtrudedAZ31B

MagnesiumAlloyBasedonDiscreteHopfieldNeuralNetwork

1,21

WUZhaoyu,XIAOXueshan

University,Shanghai200072,China)

Abstract：

Keywords：

镁合金是一种常见的镁合金，具有优良拉强度的数值进行直接仿真预测既没有必要也难以

AZ31B

的比重量、比强度、散热性和加工性，在航空航天、汽实现。所以本文采用折中的方法，利用离散型

[1]

车制造和医疗器械中有着广泛的应用。镁合神经网络的分类能力，利用已有的试验数

AZ31BHopfield

金常采用热挤压生产，由于热挤压成形是一个复杂据为训练样本，研究了多种工艺参数对镁合

AZ31B

的物理化学过程，在加工过程中有众多因素都可能金试样抗拉强度的大致影响情况，并根据力学性能

对产品的性能造成影响。因此，对镁合金挤对样本进行分类。

AZ31B

压成形出的产品进行品质评价具有现实意义。

1试验材料与方法

在镁合金试件的加工中，有时候不需要

AZ31B

本文试验采用