南京理工大学学报（自然科学版）
南京理工大學學報（自然科學版）
남경리공대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF SCIENCE AND TECHNOLOGY
2012年
5期
800-803,809
,共5页
遗传算法%神经网络%碳钢焊条%熔敷金属%非线性组合预测
遺傳算法%神經網絡%碳鋼銲條%鎔敷金屬%非線性組閤預測
유전산법%신경망락%탄강한조%용부금속%비선성조합예측
为了提高碳钢焊条熔敷金属延伸率和冲击功力学性能指标的预测准确性,建立了基于反向传播(BP)神经网络、径向基函数(RBF)神经网络、自适应模糊神经网络(AFNN)3种单一模型的碳钢焊条熔敷金属力学性能非线性神经网络组合预测模型.综合运用遗传算法优化BP神经网络连接权的方法对模型预测性能进行了有效改进.利用试验获得的55组相关样本数据对模型进行训练和验证.结果表明,延伸率、冲击功指标的预测平均相对误差分别降为3.15％和2.67％,远小于5％,满足实际生产要求；与采用单一预测模型相比,使用基于遗传算法的神经网络组合预测模型能够显著提高预测准确性和泛化能力.
為瞭提高碳鋼銲條鎔敷金屬延伸率和遲擊功力學性能指標的預測準確性,建立瞭基于反嚮傳播(BP)神經網絡、徑嚮基函數(RBF)神經網絡、自適應模糊神經網絡(AFNN)3種單一模型的碳鋼銲條鎔敷金屬力學性能非線性神經網絡組閤預測模型.綜閤運用遺傳算法優化BP神經網絡連接權的方法對模型預測性能進行瞭有效改進.利用試驗穫得的55組相關樣本數據對模型進行訓練和驗證.結果錶明,延伸率、遲擊功指標的預測平均相對誤差分彆降為3.15％和2.67％,遠小于5％,滿足實際生產要求；與採用單一預測模型相比,使用基于遺傳算法的神經網絡組閤預測模型能夠顯著提高預測準確性和汎化能力.
위료제고탄강한조용부금속연신솔화충격공역학성능지표적예측준학성,건립료기우반향전파(BP)신경망락、경향기함수(RBF)신경망락、자괄응모호신경망락(AFNN)3충단일모형적탄강한조용부금속역학성능비선성신경망락조합예측모형.종합운용유전산법우화BP신경망락련접권적방법대모형예측성능진행료유효개진.이용시험획득적55조상관양본수거대모형진행훈련화험증.결과표명,연신솔、충격공지표적예측평균상대오차분별강위3.15％화2.67％,원소우5％,만족실제생산요구；여채용단일예측모형상비,사용기우유전산법적신경망락조합예측모형능구현저제고예측준학성화범화능력.
