基于改进遗传算法优化人工神经网络的304不锈钢流变应力预测准确性研究

DING Jun, GU Yuchuan,HUANG Xia,SONG Kun,LU Shiqing,WANG Lusheng

Journal of Mechanical Engineering（2022）

Cited 0|Views12

No score

Abstract

随着航空航天和武器装备等国防军工领域对金属材料高温、高应变率使役条件下的力学性能提出了更高要求.以304不锈钢为例,提出一种基于改进遗传算法选择算子的优化人工神经网络预测金属在复杂使役环境下流变应力的新模型.以应变范围为0.1～0.5、温度变化范围为20～600℃、应变率区间为0.001～100 s-1下的304不锈钢流变应力试验数据为基础,构建了 304不锈钢流变应力预测模型,并将预测结果与决策树、线性回归和未改进遗传神经网络模型进行对比,以平均绝对误差MAE和决定系数R2为检验参数来评价所建立模型的准确性.结果显示,改进遗传神经网络模型在测试集数据上的MAE和R2最佳,表明该模型能够很好预测304不锈钢流变应力.

AI Read Science

Must-Reading Tree

Example

Generate MRT to find the research sequence of this paper

Chat Paper

Summary is being generated by the instructions you defined