基于人工神经网络的铝合金铸锭裂纹倾向预测

在电磁半连续铸造条件下,针对不同工艺参数下铝合金圆铸锭的裂纹倾向,建立一种基于多层前馈神经网络的预测模型。网络的输入变量为铝合金铸锭的尺寸、成分以及工艺参数,输出变量为裂纹的量化值,采用改进后的带动量因子的BP训练算法,计算多组不同工艺条件下的裂纹预测值,并进行真实试铸实验。结果表明:裂纹预测结果的最大相对误差为13.9%,最小相对误差为0;在工艺指标控制范围内,模型的裂纹预测曲线能较好地反映铸锭裂纹的真实倾向。