人工神经网络在合金铸铁腐蚀深度预测中的应用研究Application of artificial neural network in corrosion depth prediction of alloy cast iron
王玉荣;乌日根;
摘要(Abstract)：
通过动态和静态质量损失法腐蚀试验获取BP神经网络的样本数据,利用MATLAB的工具箱函数建立用于预测动态和静态腐蚀深度的BP神经网络模型,并对两种腐蚀试验方法的预测误差进行比较研究。结果表明,5×8×10×1BP神经网络可用于合金铸铁在烧碱液中的动态和静态腐蚀深度的预测,且腐蚀试验的样本数据越精确,5×8×10×1BP网络对腐蚀深度的预测误差则越小。
关键词(KeyWords)： BP神经网络;合金铸铁;腐蚀深度;烧碱;预测误差
基金项目(Foundation):
作者(Author): 王玉荣;乌日根;
Email:
DOI: 10.14024/j.cnki.1004-244x.2012.01.022
参考文献(References)：
- [1]刘建军,庞宝春,高新琛,等.基于BP神经网络的镍基合金腐蚀性能的预测分析[J].辽宁大学学报:自然科学版,2009,36(4):319-321.
- [2]周慧,王晓光,张有君.输气管道腐蚀速率的BP神经网络组合预测方法[J].腐蚀科学与防护技术,2010,22(3):162-165.
- [3]萧彧星,吴光海,孙宁,等.BP神经网络在碳钢和低合金钢大气腐蚀数据预测中的应用[J].腐蚀科学与防护技术,2011,23(2):69-72.
- [4]乌日根,董俊慧,朱霞,等.稀土对镍铜合金铸铁耐碱蚀性能的影响[J].热加工工艺,2005(11):61-62.
- [5]宋振宇,王秋彦,丁小峰.BP神经网络训练中的实际问题研究[J].海军航空工程学院学报,2009,24(6):704-706.
- [6]周开利,康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京:清华大学出版社,2005:69-100.