基于BP神经网络的压铸成型工艺参数的模拟与优化
2011-01-24李晓棠
铸造设备与工艺 2011年5期
张 庆,李晓棠,于 峰,陈 泽
(贵州大学机械工程学院,贵州 贵阳 550003)
压铸作为有色金属零件的一种少无切削、高效率生产精密铸件的先进制造技术,在机器制造、仪器仪表、汽车等产业领域具有重要的基础地位。由于压铸成型过程的瞬时性及其影响因素的多样性,决定了成型工艺参数系统是一个难以建立精确数学模型的系统。因此通常不得不依赖于生产实践所积累的经验来进行设计。但工艺参数的选择涉及成千上万种组合,在这无数多的组合面前如果仅凭经验试凑难以得到最优的成型工艺参数组合[1~2]。
本文利用正交试验和数值模拟获得的数据作为神经网络的训练学习的样本与检验,用BP神经网络对压铸成型工艺参数进行预测和优化,可以缩短优化工艺参数的时间,提高工艺设计效率。利用得到的最佳压铸工艺条件,随后进行实验验证。
1 神经网络模型的建立
BP神经网络是一种多层前馈神经网络,该网络的主要特点是信号向前传递,误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理,直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出,则转入反向传播,再根据预测误差调整网络权值和阀值,从而使BP神经网络预测输出不断逼近期望输出[3]。还能逼近任意的非线性映射关系且其性能稳定、具有较好的泛化能力。因此,对压铸浇注工艺参数设计中涉及的各种因素间的非线性映射,采用BP网络来模拟是非常合适的。……
登录APP查看全文
