论文部分内容阅读
采用Matlab的人工神经网络工具箱建立BP人工神经元网络,预测SCM822H齿轮钢的性能。选择10×12×3网络结构及基于Levenberg-Marquardt优化算法和改进的误差函数的训练函数trainbr,BP网络对SCM822H齿轮钢的性能进行快速训练的同时,使网络的泛性得到提高。最后对网络性能进行回归分析,证明了网络设计的合理性。使用训练好的网络对SCM822H齿轮钢力学性能及淬透性进行预测,预测结果表明,网络具有较高的预测精度,可在实际生产和科学研究中进行应用。