基于改进PSO-BP神经网络预测中高应变速率轧制AZ31镁合金板的抗拉强度

作     者：朱必武 蒋昊 刘筱 郭鹏程 魏福安 徐从昌 李落星 

作者机构：青海大学部省合建盐湖化工大型系列研究设施 湖南科技大学机电工程学院高功效轻合金构件成形技术及耐损伤性能评价湖南省工程研究中心 广东海洋大学材料科学与工程学院 湖南大学重庆研究院 

出 版 物：《中国有色金属学报》 (The Chinese Journal of Nonferrous Metals)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 080503[工学-材料加工工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(52071139) 湖南省自然科学基金(2023JJ30252、2023JJ30262) 重庆市自然科学基金(CSTB2023NSCQ-MSX0886) 湖南省教育厅科研项目(21B0471) 青海大学盐湖化工大型系列研究设施开放研究项目(2023-DXSSKF-04) 

主　　题：神经网络 AZ31镁合金 轧制工艺 抗拉强度 Pearson相关系数 

摘      要：本文采集了不同轧制温度、应变速率以及压下量三个工艺参数下中高应变速率轧制的AZ31镁合金抗拉强度的27组样本，通过惯性权重、学习因子的改进和引入变异操作对PSO-BP神经网络进行改进，并对比BP、PSO-BP神经网络，进行抗拉强度的预测。结果表明：BP神经网络不能预测AZ31镁合金抗拉强度的非线性变化，PSO-BP神经网络和改进的PSO-BP(IPSO-BP)神经网络均能较好地预测AZ31镁合金抗拉强度的非线性变化；这三个模型中IPSO-BP神经网络预测最为准确，相较于PSO-BP神经网络，其测绝对误差从15.3764降低至3.4288，平均绝对相对误差从5.94%降低至1.32%，均方误差从251.3662降低至20.7199，相关系数从0.7753提高至0.8937；通过Pearson相关性计算判断出应变速率、压下量对抗拉强度的影响均大于轧制温度，而应变速率与抗拉强度为负相关，压下量与抗拉强度为正相关。