基于BP神经网络的汽车轻合金零部件热处理工艺优化

采用5×30×6×2四层拓扑结构,以汽车轻合金零部件、固溶温度、固溶时间、时效温度和时效时间作为输入层参数,以拉伸性能和冲击性能作为输出层参数,构建了汽车常用轻合金零部件热处理工艺神经网络优化模型,并对该模型进行了训练、验证及产线应用。结果表明:该神经网络优化模型具有较好的预测能力和精准的预测精度,输出的拉伸性能和冲击性能平均相对预测误差分别为3.1%和3.2%。热处理工艺神经网络优化,可以明显提高汽车轻合金零部件的拉伸和冲击性能。