体育器材用细晶镁合金的热处理工艺神经网络优化.pdfVIP

HotWorkingTechnology2018，Vo1．47，No．12

体育器材用细晶镁合金的热处理工艺

神经网络优化

龙羽。张建。

fl，长江师范学院体育与健康科学学院，重庆408100；2．河北37-业大学材料科学与工程学院，天津300401)

摘要：以镁合金牌号、同溶温度、同溶时间、时效温度和时效时问为输入层参数，以抗拉强度为输}层参数，采用

5x40x15×1四层拓扑结构构建了体育器材用细晶镁合金热处理丁艺优化神经网络模型。结果表明，模型具行较佳预测

能力和较高预测精度，经过5972次迭代计算后收敛，预测误差在一3％～3％与采用原1二艺处理的细品镁合金的抗托强

度相比．使用神经网络模型优化的热处理工艺明显提高了’细晶镁合金的抗拉强度。

关键词：神经网络；T艺优化；细品镁合金；抗拉强度

DOh10．141580．cnki．1001-3814．2018．12．063

中图分类号：TG166．4文献标识码：A文章编号：l00l一3814(20I8)l2-0234—03

HeatTreatmentProcessOptimizationofMagnesiumAlloyswithFine-grain

forSportsEquipmentBasedonNeuralNetwork

LONGYu．ZHANGJian

(1．CollegeofPhysicalEducationandHealthSciences，YangtzeNormalUniversity，Chongqing408100，China；2．Schoolof

MaterialsScienceandEngineering，HebeiUniversityofTechnology，Tianjin300401，China)

Abstract：Takingalloygrade，solidsolutiontemperature，solidsolutiontime，agingtemperatureandagingtimeasinput

parameters，andtakingtensilestrengthasou~utparameters，theneuralnetworkmodeloftheheattreatmentprocess

optimizationofmagnesiumalloyswihtfine—rgainforsportsequipmentwasbuiltbyusingthefourlayertopologywith5x40x

l5x1structure．Theresultsshowthatthemodelhasbetterpredictionabilityandhigherpredictionaccuracy．andcomputeis

convergentafter5972iterations．Thepredictionerrorofthemodelisbetween一3％and3％．Comparedwiththetensile

strengthoffine—grainmangesiumalloytreatedbyhteoriginalprocess，theheattreatmentprocessoptimizedbyneuralnetwork

modelcanobviouslyimprovethetensilestrengthoffinegrainmangesiumalloy．

Keywords：neuralnetwork；processoptimization；fine—grainmangesiumalloy；tensilestrength

细晶镁合金南于晶粒细化作用，明显提高了镁程度和影响规律。卢敏敏等71『分析r复合碳变质剂

合金的综合性能，有利于促进镁合金在体育器材等