使用反向传播的人工神经网络预测冲击增强的中厚板合金的中温热稳定性
Xiuliang Wang1, Yibo Ai1, Weidong Zhang1
1National Center for Materials Service Safety, University of Science and Technology Beijing, Beijing, 10083, China.
Heliyon
|December 27, 2023
概括
这项研究开发了一种反向传播的人工神经网络 (BPANN),以预测抗冲击增强的合金板的热稳定性. BPANN模型的准确度超过94%,减少了研究人员的实验成本和时间.
科学领域:
- 材料科学 材料科学 材料科学
- 金工业是金工业的一个方面.
- 人工智能的人工智能
背景情况:
- 合金在各种行业中至关重要.
- 冲击强化和热老化是影响合金性能的关键过程.
- 预测建模可以优化实验设计并降低成本.
研究的目的:
- 预测冲击增强合金 (4038) 的中温热稳定性.
- 为了评估反向传播人工神经网络 (BPANN) 对这一预测的有效性.
- 为类似的实验研究提供参考.
主要方法:
- 标准化的中厚合金板在室温下进行冲击增强.
- 标本在450°C,550°C和650°C的温度下分别老化,持续时间不同.
- 测试了微硬度,并对在650°C老化的样品进行了微结构的表征.
- 使用实验数据训练了一个三层的BPANN.
主要成果:
- 该BPANN模型准确地预测了热稳定性,准确度>94%和<6%的偏差.
- 预测值显示与实验数据一致的趋势,但略高一些.
- 纳入微结构参数提高了预测准确度.
结论:
- BPANN是预测冲击增强合金的热稳定性的可行工具.
- 该模型可以显著减少实验的数量和成本.
- 通过改进BPANN模型和输入参数,可以进一步提高预测准确度.
