镁铝合金材料模型具有较高的可靠性

镁铝合金材料在一个隐藏层中使用了三个不同的神经元数。使用训练数据集(70%)、验证数据集(15%)和测试数据集(15%)。最优结构为带有逻辑s型传递函数的12-12-1结构。用R, MSE和MAE值作为误差准则。镁铝合金材料在测试集中得到最小的MSE和MAE，最大的R值。输入矢量对Al-Mg2Si复合金材料UTS的灵敏度如图8所示。可见，Mg对Al-Mg2Si复合金材料的UTS影响更大，镁铝合金材料因为含Mg和Si元素的复合金材料的力学性能与Mg2Si相的尺寸和形貌呈线性关系。结果表明，所有数据集具有较高的相关性和精度，因此，所提出的数学函数可以用于神经网络的研究。

用镁铝合金材料计算了未细化的Al-Zn-Mg-Cu合金和细化的Al-5Ti-1B和Al-5Zr中间合金的UTS。没有明确定义的程序来确定最优的模型结构，所以在一个隐含层(5-20)中使用不同的神经元数与试错方法。这种工作的最优结构是15-17-1与逻辑s型传递函数。R, MAE和MSE用于数据集的性能。灵敏度结果显示，Mg元素和热处理对Al-Zn-Mg-Cu合金的UTS影响较大。

镁铝合金材料因为合金元素与其他金属相互作用，形成金属间化合物，这些化合物通过热处理析出，从而产生高强度。得到了计算公式，并利用该公式研究了钪含量和碳含量的影响。钪和碳的最佳添加量为0.5 Sc和0.01 C wt.%，可获得最大的UTS值。所建立的预测模型具有较高的可靠性。镁铝合金材料用人工神经网络研究了Al-Mg-Ti合金的UTS、塑性、孔隙率、硬度和密度。通过灵敏度分析检验了输入参数的影响。所有输入变量中的Mg元素对合金的ut和硬度的影响最大，而Ti元素对合金的密度和延性的影响最大。各变量的线性相关值均大于0.91，模型精度非常高。