基于BP神经网络的钒基储氢合金热处理工艺优化
Hot Working Technology（2018）
摘要
以合金成分、热处理温度、热处理时间和冷却方式为4个输入层参数,以热处理后钒基储氢合金的吸氢性能(吸氢量)及电化学性能(充放电循环20次后放电容量衰减率)为2个输出层参数,构建4×20×16×2四层结构的钒基储氢合金热处理工艺优化BP神经网络模型.结果表明:模型预测能力好、精度高,模型输出的吸氢性能和电化学性能平均预测误差分别为2.65％、2.74％.采用BP神经网络模型优化工艺热处理可以明显提高钒基储氢合金的吸氢性能和电化学性能.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要