兵器材料科学与工程

2017, v.40;No.280(01) 88-92

[打印本页] [关闭]
本期目录 | 过刊浏览 | 高级检索

基于GA-BP神经网络的镁合金微弧氧化膜层厚度预测
Thickness prediction of micro-arc oxidation coating on magnesium alloy based on GA-BP neural network

杨武;张春燕;马超;

摘要(Abstract):

为直观地检验膜层的质量,建立微弧氧化工艺参数(电流大小、脉冲宽度、氧化时间)与微弧氧化膜层厚度之间的反向传播(BP)神经网络预测模型,其结构为3-10-1(即3个输入神经元,10个隐含层节点,1个输出神经元)。采用遗传算法(GA)优化BP神经网络的初始权值和阈值,构建基于遗传算法神经网络的膜厚预测模型。用GA-BP神经网络对膜厚进行模型仿真,并将仿真结果与BP神经网络模型仿真结果进行对比。结果表明,GA-BP网络模型预测值的平均误差为1.65%,最大误差为9.75%,而BP模型预测结果的平均误差为8.62%,最大误差为13.68%。GA-BP神经网络模型预测精度要优于BP神经网络模型。

关键词(KeyWords): 镁合金;微弧氧化;反向传播神经网络;遗传算法;膜层厚度

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 杨武;张春燕;马超;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享