基于人工神经网络的材料力学性能的预测与评估

摘要

以白口铸铁力学性能与成分的关系为研究对象,以L9(34)型正交实验数据作为训练学习样本,以与正交实验成分有关的任意6个样本作为预测与评估样本,用学习率为0.5的一层10节点隐含层的BP神经网络进行了预测和评估,结果表明不加评估方案时,训练12913次,其最大误差不超过8%;在加评估方案时,训练了34919次,其最大误差为19.74%.因此,用正交实验测得的数据作为样本进行训练学习,可以对与正交实验成分有关的其余样本进行预测与评估,结果是令人满意的、现实的、可行的.人工神经网络与正交实验相结合,能大大节省时间和费用.