论文部分内容阅读
通过硬度检测和透射电镜（TEM）观察，研究低Cu／Mg质量比Al-Cu-Mg合金时效强化机理，建立神经网络预测模型，使其在实验条件范围内对时效力学性能进行有效预测。在实验基础上，采用Levenberg—Marquardt算法训练神经网络，建立以时效温度与时间为输入参数和硬度为目标函数的函数关系。结果表明：预测值与实验结果吻合较好，并证明了网络的可靠性与泛化能力；当时效温度越高时，达到峰值时效的时间越短，峰值时效的硬度也越大；在160-190℃时效温度范围内，合金峰值硬度随时效温度的升高而下降，对应硬度峰值