發(fā)布時間：2018-01-25 00:18

  本文關鍵詞： 鎂合金 微弧氧化 反向傳播神經(jīng)網(wǎng)絡 遺傳算法 膜層厚度　出處：《兵器材料科學與工程》2017年01期 　論文類型：期刊論文

【摘要】：為直觀地檢驗膜層的質量,建立微弧氧化工藝參數(shù)(電流大小、脈沖寬度、氧化時間)與微弧氧化膜層厚度之間的反向傳播(BP)神經(jīng)網(wǎng)絡預測模型,其結構為3-10-1(即3個輸入神經(jīng)元,10個隱含層節(jié)點,1個輸出神經(jīng)元)。采用遺傳算法(GA)優(yōu)化BP神經(jīng)網(wǎng)絡的初始權值和閾值,構建基于遺傳算法神經(jīng)網(wǎng)絡的膜厚預測模型。用GA-BP神經(jīng)網(wǎng)絡對膜厚進行模型仿真,并將仿真結果與BP神經(jīng)網(wǎng)絡模型仿真結果進行對比。結果表明,GA-BP網(wǎng)絡模型預測值的平均誤差為1.65%,最大誤差為9.75%,而BP模型預測結果的平均誤差為8.62%,最大誤差為13.68%。GA-BP神經(jīng)網(wǎng)絡模型預測精度要優(yōu)于BP神經(jīng)網(wǎng)絡模型。
[Abstract]:In order to test the quality of the film directly, the neural network prediction model of the back propagation between the parameters of micro-arc oxidation (current, pulse width, oxidation time) and the thickness of the micro-arc oxide film was established. Its structure is 3-10-1 (that is, 3 input neurons, 10 hidden layer nodes and 1 output neuron). Genetic algorithm (GA) is used to optimize the initial weight and threshold of BP neural network. The prediction model of membrane thickness based on genetic algorithm neural network is constructed. The GA-BP neural network is used to simulate the membrane thickness, and the simulation results are compared with the simulation results of BP neural network model. The average error of the prediction value of GA-BP network model is 1.65, the maximum error is 9.75, and the average error of BP model is 8.62%. The maximum error is 13.68. The prediction accuracy of GA-BP neural network model is better than that of BP neural network model.
【作者單位】： 江蘇科技大學機械工程學院;
【分類號】：TG174.4;TP183
【正文快照】： 微弧氧化是通過在電解質溶液中發(fā)生陽極微等離子體擊穿(火花放電或微弧),可在鎂合金表面獲得陶瓷膜層,該膜層具有良好的耐磨、耐蝕性能且與基體結合良好,從而極大改善鎂合金的表面性能[1]。其中,微弧氧化膜的厚度對鎂合金的表面性能有重要影響,故需通過所需膜厚選擇合適的工藝

【相似文獻】

相關期刊論文 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

2 楊自厚;神經(jīng)網(wǎng)絡技術及其在鋼鐵工業(yè)中的應用第8講人工神經(jīng)網(wǎng)絡在鋼鐵工業(yè)中的應用(下)[J];冶金自動化;1997年05期

3 李潤生,李延輝,胡學軍,劉壯,王守儉;神經(jīng)網(wǎng)絡在冶金中的應用[J];鋼鐵研究;1998年02期

4 劉海玲,劉樹深,尹情勝,夏之寧,易忠勝;線性神經(jīng)網(wǎng)絡及在多組分分析中的初步應用[J];計算機與應用化學;2000年Z1期

5 王繼宗,王西娟;用神經(jīng)網(wǎng)絡確定梁上裂紋位置的研究[J];煤炭學報;2000年S1期

6 趙學慶,袁景淇,周又玲,賀松;生物發(fā)酵過程神經(jīng)網(wǎng)絡狀態(tài)預報器的驗證[J];無錫輕工大學學報;2000年06期

7 李智,姚駐斌,張望興,賀超武;基于神經(jīng)網(wǎng)絡的混勻配料優(yōu)化方法[J];鋼鐵研究;2000年04期

8 胡敏藝,馬榮駿;神經(jīng)網(wǎng)絡在冶金工業(yè)中的應用[J];湖南有色金屬;2000年05期

9 倪建軍,邵琳;利用神經(jīng)網(wǎng)絡進行觀測數(shù)據(jù)的分析與處理[J];連云港化工高等�？茖W校學報;2000年04期

10 裴浩東,蘇宏業(yè),褚健;材料工程中基于神經(jīng)網(wǎng)絡的穩(wěn)態(tài)優(yōu)化策略[J];材料科學與工程;2001年02期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1461443