基于神经网络算法的高强镁合金热处理工艺优化.pdfVIP

HotWorkingTechnology2018，Vo1．47，No．14

基于神经网络算法的高强镁合金热处理工艺优化

邢娜．马云峰

f保定广播电视大学，河北保定071000)

摘要：以高强镁合金成分、固溶温度、固溶时间、时效温度和时效时间为输入层参数，以高强镁合金的抗拉强度为

输出层参数，采用5x35x7xl四层结构构建出高强镁合金热处理工艺优化神经网络模型。并对模型进行了学习训练和

预测验证。结果表明，该模型具有较好的预测能力和预测精度，预测误差小于4％，平均预测误差为2．6％。与试验优化的

热处理工艺相比，采用神经网络优化的热处理工艺可以提高Mg．2Zn一2Y和Mg-10Gd-2．5Y一1．5Zn高强镁合金的抗拉强度。

关键词：神经网络算法；高强镁合金；热处理工艺优化；抗拉强度；预测误差

DOI：10．14158／j．cnki．1001-3814．2018．14．065

中图分类号：TG166．4文献标识码：A文章编号：1001·3814(2018)14—0242-03

OptimizationofHeatTreatmentProcessofHighStrengthMagnesiumAlloy

BasedonNeuralNetworkAlgorithm

XINGNa，MAYunfeng

(BaodingRadioandTVUniversity，Baoding071000，China)

Abstract：Takingthecompositionofhtehigh-srtengthmagnesiumalloy，htesolutiontemperature，htesolutiontime，hte

agingtemperatureandhteagnigtimeastheinputlayerparameters，andtaknightetensilestrengthasoutputlayerparameter，

hteneuralnetworkmodelofoptimumheatrteatmentprocessforhighsrtengthmangesiumalloywasconstructedbyusinghte

four-layerstructureof5x35x7x1．Andhtemodelwasrtainedandverified．Theresultsshowthathtemodelhasbetter

predictionabiliytandpredictionaccuracy．htepredictionerrorislesshtan4％andtheaveragepredictionerroris2．6％．

Comparedwihthteheatrteamtentprocessofhteexperimentaloptimization，htetensilesrtengthsofMg-2Zn-2Yand

Mg·10Gd-2．5Y一1．5Znhi曲srtengthmangesimualloyscanbeimprovedbyusinghteheattreamtentprocessofhteneural

newtorkoptimization．

Keywords：neuralnewtorkalgorithm；highsrtengthmangesimualloy；heattreamtentprocessoptimization；tensile

strength；predictionerror

如何获得较佳综合性能的高强镁合金，一直是等7【]对耐热高强镁合金WE54的成分范围进行了优

镁合金研究领域的重要技术课题，也吸引了较多科化。但是，目前关于高强镁合金的热处理工艺研究还

研工作者为