-
题名基于神经网络的电弧增材制造铝合金力学性能预测
被引量：1
- 1
-
-
作者
张子琪
周祥曼
郑事成
李波
李立军
付君健
-
机构
三峡大学机械与动力学院
三峡大学水电机械设备设计与维护湖北省重点实验室
-
出处
《精密成形工程》
北大核心
2024年第1期43-51,共9页
-
基金
国家自然科学基金(51705287)
湖北省教育厅科研计划(D20211203)。
-
文摘
目的预测不同工艺参数下电弧增材制造铝合金的力学性能。方法通过实验建立了电弧增材制造6061铝合金及TiC增强6061铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3种预测模型的精度。结果与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度。其中,GA-BP模型预测6061铝合金屈服强度最佳结果的相关系数(R)为0.965,决定系数(R2)为0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测TiC增强的6061铝合金抗拉强度最佳结果的R=1,R2高达0.99,MAE为0.46,RMSE为0.49,GA-BP具有良好的预测精度。结论BP、PSO-BP、GA-BP3种神经网络模型可以用来预测电弧增材制造铝合金的力学性能,GA-BP模型比其他2种模型的预测精度更优。与传统的实验方法相比,用神经网络模型预测电弧增材制造铝合金力学性能的速度更快,成本更低。
-
关键词
6061铝合金
tic增强的6061铝合金
BP神经网络
粒子群算法
遗传算法
力学性能
-
Keywords
6061 aluminum alloy
tic-reinforced 6061 aluminum alloy
BP neural network
particle swarm algorithm
ge-netic algorithm
mechanical properties
-
分类号
TG44
[金属学及工艺—焊接]
-
