基于遗传算法和BP神经网络的镁合金建筑模板铸造性能预测.pdfVIP

《热加工工艺》2020年11月第49卷第21期

基于遗传算法和BP神经网络的镁合金

建筑模板铸造性能预测

张错1,孙冬2

(1.吉林工程职业学院，吉林四平136001;2.河南工学院实验管理中心，河南新乡453000)

摘要：以合金成分、浇注温度、型腔真空压力、铸造压力和模具温度作为输入层参数，力学性能(抗拉强度)和耐腐

蚀性能(腐蚀电位)作为输出层参数,构建了3x15x1三层拓扑的遗传算法BP神经网络优化模型，并对该模型进行了预

测和验证。结果表明，模型输出的抗拉强度平均相对训练误差为3.46%,平均预测误差值为3.40%；腐蚀电位平均相对

训练误差为3.78%,平均预测误差值为3.59%,模型预测能力强、精度高。

关键词：BP神经网络；遗传算法;镁合金建筑模板；力学性能；耐腐蚀性能

DOI:10.14158/j・cnki.1001-3814.

中图分类号:TG249.2文献标识码:A文章编号:1001-3814(2020)21-0067-04

PredictionofCastingPerformanceofMagnesiumAlloyBuildingFormwork

BasedonGeneticAlgorithmandBPNeuralNetwork

ZHANGKai1,SUNDong2

(1.JilinEngineeringVocationalCollege,Siping136001,China;2.ExperimentalManagementCenter,HenanInstituteof

Technology,Xinxiang453000,China)

Abstract:Takingalloycomposition,pouringtemperature,cavityvacuumpressure,castingpressureanddietemperature

asinputlayerparameters,andmechanicalproperties(tensilestrength)andcorrosionresistance(corrosionpotential)asoutput

layerparameters,ageneticalgorithmBPneuralnetworkoptimizationmodelwith3xl5xlthree-layertopologywas

constructed,andthemodelwaspredictedandvalidated.Theresultsshowthattheaveragerelativetrainingerroroftensile

strengthoutputtedbythemodelis3.46%,andtheaverageforecasterroris3.40%.Theaveragerelativetrainingerrorof

corrosionpotentialis3.78%,andtheaveragepredictionerroris3.59%.Themodelhasstrongpredictionabilityandhigh

accuracy.

Keywords:BPneuralnetwork;geneticalgorithm;magnesiumalloybuildingformwork;mechanicalproperties;

corrosionresistance

近年来，我国的经济取得了突飞猛进的发展，同内外众多学者的关注已。目前镁合金