[发明专利]一种基于BP神经网络的热处理态Mg-Zn-Zr系合金组织和力学性能预测方法

权利要求书

1.一种基于BP神经网络的热处理态Mg-Zn-Zr系合金组织和力学性能预测方法，其特征在于，包括如下步骤：

步骤S1：通过对不同合金成分和热处理工艺下的Mg-Zn-Zr系合金进行一系列的组织和力学性能试验，收集并筛选试验数据，经归一化处理后得到训练BP神经网络的样本数据集；

试验要求的合金化元素含量为合金化元素A、元素B含量在0～1 wt.%；热处理工艺参数为：热处理温度为200～500 °C，热处理时间在0～32 h，样本数据集中的样本数不少于30组；

步骤S2：设计BP神经网络，包括网络层数、输入层神经元个数、隐含层神经元个数、输出层神经元个数，选择BP神经网络的传递函数、训练方法和训练参数；BP神经网络模型采用三层结构，即输入层、隐含层和输出层，输入层包括元素A含量、元素B含量、热处理温度和热处理时间四个神经元；输出层包括晶粒尺寸、抗拉强度、延伸率和显微硬度四个神经元，隐含层神经元个数通过经验公式计算得到范围，公式如下：

其中m和n分别为输入层和输出层的神经元个数，是1到10之间的常数；BP神经网络隐含层传递函数为Tan-Sigmoid函数，输出层传递函数为线性函数Purelin；训练方法为Levenberg-Marquardt算法，初始权值和偏置均为(-1, 1)之间的随机数，目标误差值为0～0.03，学习率采用可变学习率，网络性能函数为均方误差MSE；

步骤S3：利用上述样本数据集训练BP神经网络，得到最佳性能的BP神经网络，建立Mg-Zn-Zr系合金成分、热处理工艺与组织、力学性能之间的映射关系；

步骤S4：利用上述步骤构建的BP神经网络模型对Mg-Zn-Zr系合金在不同合金成分和热处理工艺下的组织和力学性能进行预测。

2.根据权利要求1所述的一种基于BP神经网络的热处理态Mg-Zn-Zr系合金组织和力学性能预测方法，其特征在于：步骤S3所述的BP神经网络结构为（4-12-4），即：输入层神经元个数为4，隐含层神经元个数为12，输出层神经元个数为4。

3.根据权利要求1所述的一种基于BP神经网络的热处理态Mg-Zn-Zr系合金组织和力学性能预测方法，其特征在于：所述步骤S4中采用构建的BP神经网络模型预测不同的合金成分和热处理工艺对Mg-Zn-Zr系合金组织和力学性能的影响。