典型文献
基于人工神经网络的Q235焊缝强韧性预测
文献摘要：
采用正交试验L9(34)设计Q235钢的机器人焊接试验次数及焊接参数,通过拉伸试验和低温冲击试验分别获取9组焊缝抗拉强度和冲击吸收能量样本数据,并进行归一化处理;通过Matlab工具箱函数分别建立BP网络、RBF网络和Elman网络,在尝试性学习训练和泛化验证的基础上确定各网络的最佳结构及主要参数,即BP网络结构确定为3×10×2,RBF网络spread值设为2.4,Elman网络隐含层神经元数设为25个,进而比较分析和研究3种网络模型对Q235钢焊缝强韧性的预测精度和应用效果.结果表明,BP,RBF及Elman神经网络的平均相对误差均低于10％,可用于焊缝的强韧性预测,尤其对焊缝抗拉强度的预测精度相对较高;在样本条件下,相比于BP和RBF网络,Elman网络更加稳定,预测精度更高,综合预测效果最佳,对焊缝抗拉强度和冲击韧性的趋势性预测较为有效,能够反映焊缝强韧性的实际变化规律和趋势;引入机器人焊接和射线检测方法,提高样本数据的准确性和代表性,从而提高神经网络的预测效果.
文献关键词：
正交试验;机器人焊接;神经网络;强韧性;预测
中图分类号：
作者姓名：
乌日根;维力斯;王玉荣
作者机构：
包头职业技术学院,内蒙古包头014030;西安电子科技大学,西安710126
文献出处：
引用格式：
[1]乌日根;维力斯;王玉荣-.基于人工神经网络的Q235焊缝强韧性预测)[J].焊接,2022(10):27-31
A类：
B类：
人工神经网络,Q235,焊缝,强韧性,L9,机器人焊接,焊接试验,焊接参数,拉伸试验,低温冲击,冲击试验,组焊,抗拉强度,冲击吸收能量,归一化处理,Matlab,工具箱,RBF,Elman,尝试性,学习训练,化验,主要参数,spread,隐含层,分析和研究,平均相对误差,对焊,样本条件,冲击韧性,趋势性,射线检测,高神
AB值：
0.323692
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
