Print

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

论文摘要

根据AZ31B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5个特征参数,利用离散型Hopfield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,建立的神经网络模型可以很好地对AZ31B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。

论文目录

  • 1 试验材料与方法
  • 2 基于离散型Hopfield神经网络的镁合金力学性能评价
  •   2.1 离散型Hopfield神经网络的构成
  •   2.2 镁合金抗拉强度分类模型的建立
  • 3 结语

    • 文章来源

    类型: 期刊论文

    作者: 武昭妤,肖学山

    关键词: 镁合金,分类评价,神经网络

    来源: 热加工工艺 2019年07期

    年度: 2019

    分类: 工程科技Ⅰ辑

    专业: 金属学及金属工艺

    单位: 成都工业职业技术学院,上海大学材料研究所

    基金: 四川省应用基础研究项目(2014JY0050)

    分类号: TG146.22;TG379

    DOI: 10.14158/j.cnki.1001-3814.2019.07.045

    页码: 174-177

    总页数: 4

    文件大小: 1106K

    下载量: 131

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/b1d3e549b0357b3b109b87e0.html