Resumen

En el siglo XXI, con los requisitos cada vez más urgentes de ligereza en los campos de la aviación, la industria aeroespacial y la electrónica, especialmente los automóviles, se han valorado ampliamente muchas propiedades de los materiales de aleación de magnesio, especialmente las características de rendimiento de baja densidad. Para utilizar mejor los materiales metálicos de magnesio, es muy importante evaluar sus propiedades mecánicas. Este artículo se basa en 196 conjuntos de resultados experimentales de rendimiento mecánico y datos relacionados de las aleaciones de magnesio AZ31 y AZ91 2. Basándose en el análisis y la clasificación de los datos, se toma la temperatura de deformación, la tasa de deformación, el coeficiente de deformación, la temperatura de la solución sólida y el tiempo de la solución sólida como entrada y se toma la resistencia a la tracción final (UTS), el límite elástico (YS) y el alargamiento (ELO) como salida. Para el entrenamiento de los datos se utiliza el modelo de predicción de red neuronal BP de tres capas 5-8-1 optimizado por el algoritmo genético. Los resultados del entrenamiento muestran que el modelo de predicción puede predecir con precisión la resistencia a la tracción, el límite elástico y el alargamiento. En comparación con el modelo de predicción de la red neuronal BP general, la red neuronal BP basada en el algoritmo genético tiene una pequeña discreción y una alta aptitud: el error medio de UTS y YS de la aleación de magnesio AZ31 se reduce a 0,88 y 3,3%, respectivamente. Lo más obvio es que el alargamiento de AZ31 ELO se reduce, y el error se reduce al 8,1%.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:algoritmo genético, límite elástico, y de az31, modelo de previsión de red, aleación de magnesio az31, material de aleación de magnesio, campo de la aviación, propiedad del magnesio, material metálico de magnesio, datos de az31
• Keywords:genetic algorithm, yield strength, y of az31, network forecast model, az31 magnesium alloy, magnesium alloy material, field of aviation, property of magnesium, magnesium metal material, data of az31