基于BP神经网络的Q235钢力学性能预测模型

摘要

随着计算机处理能力的不断提高,BP神经网络在材料领域发挥巨大作用。其最大的优势是可以回避探寻物理机制的繁琐过程,直接建立预测材料性能的模型。基于某钢铁公司实际生产的Q235钢工艺参数和力学性能数据,建立基于BP神经网络的Q235钢力学性能预测模型,提出新的隐含层选择方法,并进行泛化能力测试。结果表明,BP网络隐含层节点数与预测精度存在密切关系,隐藏层节点数为12时,抗拉强度、屈服强度、延伸率预测的精度达到最高,MAPE最小仅为8%;在测试模型泛化能力时发现,模型遇到其他统一来源的数据时仍然保持高的预测精度,证明所构建的BP神经网络预测模型具有一定的先进性,且新的隐含层节点数选取方法确实具有一定的实用性。同时运用MATLAB程序、Excel表格对Q235钢的变型抗力进行预测,也具有一定的先进性。