10.3321/j.issn:0454-5648.2001.06.013
利用人工神经网络预测复相陶瓷材料组分含量的研究
根据人工神经网络(ANN)的BP(back propagation)算法,预测复相陶瓷各组分的体积分数的神经网络模型.模型由三层神经元组成,分别为输入层、隐含层和输出层用以模拟人脑的结构输入层参数由两部分组成,一部分为抗弯强度、硬度和断裂韧性等力学性能,另一部分包括相应各组分的弹性模量和热膨胀系数,以用来辨识不同的材料系统输出层参数是复相陶瓷中各组分的体积分数.只要训练样本值足够精确,预测模型就能够预测已有的陶瓷系统的组分含量.同时,模型能够预估未知材料系统的组分含量计算证明,模型的容错性较好,因此对开发新型复相陶瓷非常有益.
人工神经网络、复相陶瓷、设计
29
TQ174.75;TP183
国家自然科学基金59805012
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
569-575