基于离散型Hopfield神经网络的挤压AZ31B镁合金力学性能分类评价的研究

详细信息    查看全文 | 推荐本文 |

英文篇名：Study on Mechanical Properties Classification of Extruded AZ31B Magnesium Alloy Based on Discrete Hopfield Neural Network 作者：武昭妤 ; 肖学山 英文作者：WU Zhaoyu;XIAO Xueshan;Chengdu Vocational and Technical College of Industry;Institute of Materials, Shanghai University; 关键词：AZ31B镁合金 ; 分类评价 ; Hopfield神经网络 英文关键词：AZ31B magnesium alloy;;classification and evaluation;;Hopfield neural network 中文刊名：SJGY 英文刊名：Hot Working Technology 机构：成都工业职业技术学院;上海大学材料研究所; 出版日期：2019-04-13 09:25 出版单位：热加工工艺 年：2019 期：v.48;No.509 基金：四川省应用基础研究项目(2014JY0050) 语种：中文; 页：SJGY201907046 页数：4 CN：07 ISSN：61-1133/TG 分类号：182-185

摘要

根据AZ31B镁合金挤压成形的加工特点,选择了挤压温度、挤压速度、挤压比、模具温度和挤压道次5个特征参数,利用离散型Hopfield神经网络的相关理论和方法,建立了试件力学性能的评价模型。结果表明,建立的神经网络模型可以很好地对AZ31B镁合金的抗拉强度等级进行分类,大大提高对试件力学性能评价和判断的效率。
        According to the main processing characteristics of AZ31B magnesium alloy, selecting five characteristic parameters such as extrusion temperature, extrusion speed, extrusion ratio mole temperature and extrusion pass, the evaluation model of mechanical properties of the specimens was established by using the theory and method of discrete Hopfield neural network. The results show that the neural network model can classify the tensile strength of AZ31B magnesium alloy and improve the efficiency of evaluating and judging the mechanical properties of AZ31B magnesium alloy.

引文

[1]胡迎春,李尚平,廖廷华.基于Hopfield神经网络的结构优化算法研究[J].中国机械工程,2007,18(12):1456-1459.
    [2]李永新.AZ31合金的挤压工艺数值模拟及参数优化[J].铸造技术,2017(3):705-710.
    [3]黄光胜,李红成,张雷,等.工业态AZ31B镁合金薄板的拉伸性能与组织变化[J].重庆大学学报,2009,32(4):367-370.
    [4]孟淑英,杜康云,李铁龙,等.连续铸轧AZ31B镁合金的组织及性能研究[J].热加工工艺,2017,46(13):167-168.