金属电致塑性效应的蚁群神经网络模型仿真

将BP、GA-BP和蚁群神经网络理论与算法应用于金属电致塑性效应研究,在对这些网络进行训练的基础上,建立材料的变形温度、变形速率与其屈服强度、抗拉强度和延伸率的数学模型。实验结果与计算结果比较接近,从而获得了一定的仿真效果。蚁群神经网络的预测结果与实验结果更加吻合。

自适应遗传BP神经网络模型对金属电致塑性效应的建模研究

本文利用一种自适应遗传BP神经网络模型具有自学习、自组织、自适应和非线性动态处理等特点对LY12铝合金的电致塑性效应进行了仿真来逼近实际的数学模型。采用遗传算法的迭代寻优能力对神经网络进行优化,再利用BP算法进行局部搜索得到最优解。本文把自适应遗传BP神经网络的训练分成两个部分:首先采用遗传算法迭代来获取优化后神经网络的初始权值;然后再用优化后的神经网络算法来训练后期数据,从而得到理想的网络模型。仿真的结果显示自适应遗传BP神经网络模型经过多次迭代寻优以后可以逼近真实的非线性模型。最后,根据实验所得的具体数据与训练所得结果进行比照和论证,其结果十分吻合。

铝合金电致塑性效应的人工神经网络模型仿真

金属电致塑性效应为一个多变量非线性灰色系统,分析各种外界因素对金属电致塑性效应、金属中微观组织的影响以及建立相应的本构方程是相当困难的.人工神经网络ANN具有自学习、自组织、自适应和非线性动态处理等特征,更容易通过仿真逼近实际的数学模型.以ANN对铝合金电致塑性效应进行仿真,经过多次的训练后逼近实际的非线性模型,然后,给定一组输入数据进行自适应预测输出,并根据实验所测的实际数据与预测结果进行对照和评判,从而获得了比较满意的仿真效果.