基于神经元网络的Al-Mg-Si合金动态再结晶预测

Journal of Plasticity Engineering（2017）

引用 1|浏览2

暂无评分

摘要

利用Gleeble1500D热模拟实验机对Al-0.62Mg-0.73Si合金进行等温压缩实验,分析热变形参数(温度、应变速率、应变)对流变曲线特性的影响规律,并利用BP人工神经网络模型构建了合金热变形过程中动态再结晶行为动力学模型.实验结果表明:BP人工神经网络模型能够较好的描述Al-0.62Mg-0.73Si合金热变形时的动态再结晶行为,此外,通过对BP人工神经网络模型中不同隐含层节点数条件下的预测精度分析得到,当隐含层节点数大于等于9时,BP人工神经网络模型的预测效果最佳.本研究结果可用于优化Al-0.62Mg-0.73Si合金热变形工艺参数,并为全面地研究铝合金热变形行为提供理论依据.

查看译文

关键词

Al-Mg-Si alloy,dynamic recrystallization,model evaluation,BP neural network,isothermal compression

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