基于增量型极限学习机的高Co-Ni二次硬化钢材料力学性能预测研究

发布时间：2024-03-30 08:31

　　钢铁是当今社会发展必不可少的核心材料,高Co-Ni二次硬化钢是一种新型马氏体钢,具有很高的强度和韧性,目前主要应用在航空航天器械上如飞机的起落架。现如今,高Co-Ni二次硬化钢需要在更恶劣的环境下拥有更高的性能,因此高Co-Ni二次硬化钢的成分和制备工艺越来越复杂。依靠传统的试错法进行研究,实验周期长,消耗资源量大,如今已经不能满足工业对钢铁材料的研发需求。因此使用计算机辅助材料实验和性能分析较为必要。目前在高Co-Ni二次硬化钢的性能分析和预测领域主要是使用BP神经网络,但是高Co-Ni二次硬化钢的热处理过程参数较多,实验数据量较少,因此用BP神经网络进行模型训练存在学习速度缓慢,泛化性能一般,精度不够高的问题。极限学习机(ELM)是一种新型的单隐层前馈神经网络算法,具有学习速度快、模型精度高、有良好的泛化能力等优点,近年来在许多领域得到了发展。实验基于增量型极限学习机(I-ELM)算法,通过训练神经网络,学习了高Co-Ni二次硬化钢的热处理过程,训练出热处理过程中微量元素、热处理工艺与合金力学性能的数学模型,并将训练的网络模型与基于BP神经网络训练的模型从多项指标进行对比和分析。结...

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

图2.1神经元结构

基于增量型极限学习机的高Co-Ni二次硬化钢材料力学性能预测研究9第二章极限学习机理论基础本章主要介绍一些理论基础，首先对人工神经网络的理论基础进行阐述；然后对BP神经网络的原理和算法流程进行相关阐述；其次首先介绍一些基础概念然后对ELM算法的原理和工作流程进行阐述；最后介绍I-....

图2.2sigmoid激活函数

基于增量型极限学习机的高Co-Ni二次硬化钢材料力学性能预测研究10图2.2sigmoid激活函数图2.3所示的网络共有三层，分别为输入层、隐含层和输出层，是一种典型的人工神经网络。称为单隐藏层前向传播型神经网络(Singlehiddenlayerfeedforwardneura....

图2.3SLFNs网络结构

基于增量型极限学习机的高Co-Ni二次硬化钢材料力学性能预测研究10图2.2sigmoid激活函数图2.3所示的网络共有三层，分别为输入层、隐含层和输出层，是一种典型的人工神经网络。称为单隐藏层前向传播型神经网络(Singlehiddenlayerfeedforwardneura....

图2.4BP神经网络结构

非凸性：是指一个函数可以存在多个极值。非凸性意味着人工神经网络的训练可以稳定在多个状态下，对系统具有良好的泛化能力和多样性有重要作用。二、BP神经网络算法1986年由Rumelhart和McClelland为首的科学家提出了BP(BackPropagation)神经网络。BP神经....

本文编号：3942090