鋁合金材料通過人工神經(jīng)網(wǎng)絡(luò)數(shù)分析來確定關(guān)鍵參數(shù)

鋁合金材料通過人工神經(jīng)網(wǎng)絡(luò)(ANN)、自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)和田口變異數(shù)分析來確定關(guān)鍵參數(shù)。工程應(yīng)用中的非線性問題，如函數(shù)逼近、數(shù)據(jù)分類、數(shù)據(jù)處理和系統(tǒng)控制等，都可以用軟計(jì)算方法輕松地解決。盡管鋁合金材料許多不同的方法被用于這個(gè)目的,我們可以說最受歡迎和最廣泛使用的方法是田口,安和簡稱ANFIS方法由于最小誤差等因素,最大的精確度,快,成本,和時(shí)間預(yù)測,決策分析,優(yōu)化、建模和復(fù)雜問題的解決方案等。鋁合金材料ANN和ANFIS中最重要的任務(wù)之一是確定層數(shù)、神經(jīng)元、隱藏層、學(xué)習(xí)算法和傳遞函數(shù)，因?yàn)闆]有定義良好的過程來找到最優(yōu)參數(shù)設(shè)置和網(wǎng)絡(luò)結(jié)構(gòu)。

鋁合金材料這些變量影響著系統(tǒng)的學(xué)習(xí)和預(yù)測能力，具有較高的準(zhǔn)確性。在人工神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)集必須被歸一化。ANFIS具有將人工神經(jīng)網(wǎng)絡(luò)與模糊知識(shí)相結(jié)合的優(yōu)點(diǎn)。因此，盡管人工神經(jīng)網(wǎng)絡(luò)在效率上可能優(yōu)于人工神經(jīng)網(wǎng)絡(luò)模型，但人工神經(jīng)網(wǎng)絡(luò)在效率上更精確。鋁合金材料ANFIS算法在其結(jié)構(gòu)上采用了混合學(xué)習(xí)方法。這使得該算法在效率上比大多數(shù)人工神經(jīng)網(wǎng)絡(luò)算法更快、更精確。這些模型有一個(gè)重要的優(yōu)勢，它可以生成數(shù)學(xué)方程，易于編程，并可用于生產(chǎn)過程中的應(yīng)用。由于各種因素的影響，鋁合金材料參數(shù)的理論分析十分復(fù)雜。利用這些方法給出了估計(jì)合金材料參數(shù)的顯式公式。人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練要求包括大量的數(shù)據(jù)，但這并不適用于人工神經(jīng)網(wǎng)絡(luò)。

鋁合金材料利用人工神經(jīng)網(wǎng)絡(luò)得到的數(shù)學(xué)公式可以進(jìn)行計(jì)算，這是人工神經(jīng)網(wǎng)絡(luò)相對于其他方法的一個(gè)重要優(yōu)點(diǎn)。ANFIS和神經(jīng)網(wǎng)絡(luò)必須針對每個(gè)問題進(jìn)行訓(xùn)練?；谧钚≌`差準(zhǔn)則和最大相關(guān)系數(shù)的要求，采用最小均方誤差準(zhǔn)則(MSE)、最小均方誤差準(zhǔn)則(MAE)、最小均方誤差準(zhǔn)則、最小均方誤差準(zhǔn)則、最小均方誤差準(zhǔn)則(R)和最小均方誤差準(zhǔn)則(R2)研究了實(shí)驗(yàn)結(jié)果與理論結(jié)果的相容性。討論了上述研究中輸入?yún)?shù)對輸出的靈敏度，以及三種方法的決策矩陣和TOPSIS矩陣。鋁合金材料并對各種方法的優(yōu)缺點(diǎn)進(jìn)行了分析。結(jié)果表明，ANFIS和ANN方法能夠以最小的誤差解決許多復(fù)雜問題，控制系統(tǒng)，檢測變量之間的相互作用，更快地達(dá)到目標(biāo)，以最大的精度預(yù)測和優(yōu)化結(jié)果。田口法是一種實(shí)驗(yàn)設(shè)計(jì)方法，使用多個(gè)結(jié)果，以較少的實(shí)驗(yàn)提供最佳結(jié)果。系統(tǒng)、參數(shù)和公差設(shè)計(jì)是田口公司特別感興趣的。