镁合金焊接接头深冷处理及其力学性能神经网络预测.docVIP

  镁合金焊接接头深冷处理及其力学性能神 经网络预测# 吴志生，弓晓园，赵菲，曾亮，杨栋* 5 10 （太原科技大学材料科学与工程学院，太原 030024） 摘要：根据前期的实验数据结果，选择了深冷 AZ31 镁合金 TIG 焊接头抗拉强度 BP 神经网 络预测的原始样本数据，包括训练样本数据和验证测试样本数据；采用最大最小型函数 premnmx 方法对训练样本的输入输出数据进行了归一化处理；对深冷 AZ31 镁合金 TIG 焊 接头抗拉强度进行了 BP 神经网络预测。结果表明，经过模拟训练的 AZ31B 镁合金 TIG 焊 接接头抗拉强度两层 BP 神经网络反映了接头强度与深冷处理温度、深冷时间之间的关系， 用 BP 神经网络预测深冷焊接接头抗拉强度可行。 关键词： 材料加工工程;深冷处理;力学性能;神经网络 中图分类号：TG4 15 Magnesium alloy welded joint cryogenic processing and neural network prediction of mechanical properties wuzhisheng, gongxiaoyuan, zhaofei, zengliang, yangdong (Materials Science and Engineering academy, Taiyuan University of Science and 20 25 30 35 40 Technology,Taiyuan 030024) Abstract: According to preliminary results of the experimental data, select the tensile strength of cryogenic AZ31 magnesium alloy TIG welding joints original sample data of the BP neural network prediction, including training data and validation testing sample data; using the largest and most small function--premnmx method to the input and output data of training samples were normalized; cryogenic processed AZ31 magnesium alloy TIG welding joints tensile strength using BP neural network prediction. The results showed that after simulation training of AZ31B magnesium alloy TIG welded joints tensile strength of two BP neural network reflects the relationship between joint strength and cryogenic treatment temperature/cryogenic treatment time .BP neural network prediction apply to the tensile strength of cryogenic treatment welded joints was feasible. Key words: Materials Processing Engineering; deep cryogenic treatment; mechanical properties; neural network 0 引言 神经网络具有很强的学习和自适应能力、鲁棒性和容错能力，可以通过预先提供的一批 相互对应的输入--输出数据[1-3]，分析掌握两者之间潜在的规律，最终根据这些规律，用新的 输入数据来推算输出结果[4]，从而可以代替许多复杂耗时的传统算法，因此特别适合于研究 复杂非线性系统，使信息处理更接近人类的思维活动[5]。 材料科学中许多问题都是非线性问题，变量之间的关系十分复杂，很难确切的用数学模 型来描述。此外，实验过程中实测数据的代表性与测量点的位置、范围及实验手段等有关， 基金项目：教育部博士点基金（20101415110002）；山西省科技攻关项目（NO.20130322005-03）；山西省 留学基金项目（2012-075） 作者简介：吴志生（1963-），男，博士，教授/博导，焊接研究所所长，美国焊接学会会员，中国焊