一种QIO-BP神经网络实现多类型铝合金屈服强度预测方法

    公开(公告)号:CN118013834A

    公开(公告)日:2024-05-10

    申请号:CN202410155895.X

    申请日:2024-02-04

    Abstract: 本发明公开了一种QIO‑BP神经网络实现多类型铝合金屈服强度预测方法,包括以下步骤:第一步:构建一个3层的BP神经网络模型,隐含层激活函数为tansig函数;第二步:输出层激活函数为purelin函数,并通过经验公式确定隐含层节点个数;第三步:通过QIO算法的快速收敛和快速寻优能力获取BP神经网络的初始权值和输出阈值,优化解决BP神经网络陷入局部最小值问题;第四步:通过ASO算法优化BP神经网络的初始值和阈值,并选取训练集和测试集的平均绝对误差作为ASO的适应度值。该QIO‑BP神经网络实现多类型铝合金屈服强度预测方法,使用QIO‑BP神经网络构建铝合金板屈服强度预测模型验证了算法的优越性,并进一步将QIO‑BP、ASO‑BP、GA‑BP、PSO‑BP神经网络构建的预测模型进行了比较分析。

    一种基于PSO-GSA-GRNN模型的铝合金厚板应力检测方法

    公开(公告)号:CN118362228A

    公开(公告)日:2024-07-19

    申请号:CN202410033565.3

    申请日:2024-01-10

    Abstract: 本发明公开了一种基于PSO‑GSA‑GRNN模型的铝合金厚板应力检测方法,包括;S1:选取材料,选取样坯加工成拉伸试样,并在对样坯处理后放入材料试验机进行拉伸实验,分别站在恒温槽中在不同温度下使用超声波测量声时差并计算得到应力;S2:建立应力检测模型,将树突神经网络(DD)与传统超声检测的声时差参数融入深度学习模型中,并将温度、拉伸率、声时差作为输入,将真实应力作为输出,建立树突神经网络表达式。该基于PSO‑GSA‑GRNN模型的铝合金厚板应力检测方法:7065铝合金在不同温度下的超声波测量结果变化较大且这个变化是非线性的,基于常规线性拟合方法进行误差补偿会造成较大误差,但不同拉伸率的铝合金样板声时差变化表现出相近的变化趋势。

    高韧高耐蚀铝合金厚板用铸锭的制备方法及装置

    公开(公告)号:CN114472820A

    公开(公告)日:2022-05-13

    申请号:CN202111497934.7

    申请日:2021-12-09

    Abstract: 本发明公开了一种高韧高耐蚀铝合金厚板用铸锭的制备方法,包括以下步骤:铸造时铝合金熔体从流槽进入铸造模具,铸造模具中贮存有冷却水,铸造过程中铸造模具中的冷却水冷却铸造模具并喷射到铸锭的铸锭固态区域,铝合金熔体与铸锭固态区域之间存在液穴界面,使用超声波探头组至少覆盖液穴最深部位至1/2深度部位,超声波探头组通过冷却水形成的水膜实现与铸锭表面的耦合,并将超声波信号传输至超声波检测仪,实现铸造液穴形状的精确、快速、安全和低成本的测量,获得液穴形状。通过观察超声波检测仪测量获得的液穴形状,相应调整铸造工艺参数来实时优化铸造工艺,获得理想的液穴形状,以获得理想铸造组织,并最终获得高韧高耐蚀铝合金厚板用铸锭。

Patent Agency Ranking