《表3 验证样本的冲击韧性和磨损体积预测值与试验值》
为了更好地应用该神经网络模型来优化机械轴承钢的锻造工艺,因此除了基本的学习和训练,还需进一步验证该模型的预测精准度。本文将上述的训练数据中余下的没有训练的数据6组数据进行更进一步的验证,将样本编号依次记为:31、32、33、34、35、36。表3是模型的验证样本冲击韧性和磨损体积预测值。6组样本所验证的具体数据如图3所示。从图3可知,该模型的冲击性能的相对预测误差值为3.07%~4.9%,平均相对预测误差为4.1%;该模型的磨损性能(即磨损体积)的相对预测误差值为3.08%~5.26%,平均相对预测误差为4.19%;可以判断,该模型具有较精准的预测能力,预测精度较高。因此,能够较准确地反映了输入参数(即机械轴承钢成分、钢锭温度、开锻温度、终锻温度)和输出参数(冲击性能、磨损性能)之间的关系。
图表编号 | XD00111152400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.10 |
作者 | 王丽萍、叶霞 |
绘制单位 | 常州工程职业技术学院、江苏理工学院机械工程学院 |
更多格式 | 高清、无水印(增值服务) |