基于反向传播神经网络的压制成型工艺参数优化

论文摘要

利用反向传播神经网络的可预测性,基于Matlab软件进行压制成型工艺参数优化。以成型温度、成型压力、成型时间及升温速率这四个工艺参数为输入因素,以结合强度、摩擦因数和磨损量这三个性能评价指标为输出参数,建立反向传播神经网络模型,进行训练学习与仿真计算,并进行检验。通过这一反向传播神经网络模型,可以预测不同工艺参数组合下的压制成型制品性能评价指标。通过研究确认,当成型温度为332.32～348.04℃,成型压力为9.39 MPa～9.84 MPa,成型时间为48.87～51.18 min,升温速率为5.86～6.14℃/min时,压制成型的金属塑料自润滑复合材料综合性能最佳。

论文目录

• 1 BP神经网络模型设计
• 2 BP神经网络模型训练
• 3 BP神经网络模型检验
• 4 性能评价指标拟合优化
• 5 结束语

文章来源

类型: 期刊论文

作者: 戴亚春,杨超,骆志高

关键词: 反向传播神经网络,压制,工艺,参数,优化

来源: 机械制造 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 材料科学,自动化技术

单位: 江苏大学机械工程学院

基金: 镇江市产学研项目(编号:1721110159)

分类号: TB33;TP183

页码: 68-70

总页数: 3

文件大小: 523K

下载量: 27