典型文献
基于RBF神经网络的高强高导铜合金热处理制度模型
文献摘要：
在金属材料的热处理过程中,不同的热处理工艺参数会对材料的性能产生影响,然而热处理工艺参数的选择具有很强的经验性;对于高强高导铜合金,热处理工艺参数对其性能的影响更为显著.针对这一问题,采用改进的广义径向基函数(RBF)神经网络算法,对Cu-0.23Cr-0.2Zr-0.1V合金在热处理过程中固溶温度、固溶时间、时效温度和时效时间4组工艺参数下的合金电导率样本集进行训练、学习,建立了Cu-0.23Cr-0.2Zr-0.1V合金经时效处理后的电导率与固溶温度、固溶时间、时效温度和时效时间的映射模型.结果表明:采取广义RBF神经网络建立模型进行铜合金的时效性能预测是可行的,与传统的反向传播(BP)神经网络相比,广义RBF神经网络具有更高的输出精度和更好的泛化能力.
文献关键词：
Cu-Cr-V-Zr-RE合金;时效性能;合金电导率;神经网络;广义RBF算法
中图分类号：
作者姓名：
张修庆;陈明
作者机构：
华东理工大学机械与动力工程学院,承压系统安全科学教育部重点实验室,上海 200237
文献出处：
引用格式：
[1]张修庆;陈明-.基于RBF神经网络的高强高导铜合金热处理制度模型)[J].材料热处理学报,2022(12):154-160
A类：
23Cr
B类：
RBF,高强高导,铜合金,热处理制度,金属材料,热处理工艺,经验性,径向基函数,神经网络算法,2Zr,1V,中固,固溶温度,固溶时间,时效温度,时效时间,组工,合金电导率,样本集,时效处理,映射模型,建立模型,时效性能,性能预测,反向传播,输出精度,泛化能力,RE
AB值：
0.305697
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。
