《表2 RBF模型预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于RBF-GA的铝/镁异材FSLW工艺参数优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表1中的40组样本用于网络训练，建立工艺参数与拉剪载荷之间的非线性映射关系.经过21步长，网络误差达到目标值0.01，误差曲线如图3所示.对已训练网络的预测精度进行检验，如表2所示，4组样本实测值与预测值的最大误差为3.4%，满足工程要求.针对Al/Mg异材Zn中间层-超声复合辅助FSLW接头拉剪性能建立的RBF神经网络经有效训练后，具有较高的预测精度及泛化能力，在此网络的基础上经由遗传优化算法可寻得最优焊接工艺参数组合.