《表2 试件材料性能参数：基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测》

  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

《基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测》

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

再制造工件的寿命与多种因素相关，除了包括基体材料、熔覆材料、应力水平等因素外，激光熔覆工艺参数也会影响到再制造工件的疲劳寿命。使用到的试件基材及熔覆材料的性能参数如表2所示。由于激光熔覆加工过程中激光功率、送粉量、扫描速度等工艺参数直接的影响因素为熔覆层截面的宽度和厚度，故将熔覆层宽度、厚度也作为神经网络模型的输入变量。因此预测模型的输入参数包括:应力均值Sm、应力幅Sa、应力集中系数Kt、基体材料与熔覆材料抗拉强度差、屈服强度差、熔覆宽度、熔覆厚度，因此输入层节点数n=7；目标向量为再制造试件的疲劳寿命，则输出层为一个节点单元，输出层节点数m=1；隐含层节点数根据Hecht-Nielsen公式进行计算: ，因此，隐含层节点数l=15；设置学习率为0.2，设置误差率为0.01。