基于神经网络的铝合金电器罐体铸造工艺优化

论文摘要

以浇注温度、模具温度、充型压力为输入参数,以抗拉强度、伸长率、硬度为输出参数,构建了3×12×3三层拓扑结构的铝合金电器罐体铸造工艺优化的神经网络模型,并进行了试验验证和生产线应用研究。结果表明,神经网络模型具有较好的预测精度和工艺优化能力,抗拉强度预测的相对误差是4.1%～5.7%,预测平均相对误差为4.9%;伸长率预测的相对误差是3.1%～3.7%,预测平均相对误差为3.4%;硬度预测的相对误差是4.5%～5.4%,预测平均相对误差为4.9%。与神经网络优化前相比,经神经网络优化后的铝合金电器罐体的强度得到了提高。

论文目录

• 1 试验材料与方法
• 2 神经网络预测模型
•   2.1 神经网络模型的构建
•   2.2 神经网络模型的训练
•   2.3 神经网络模型的验证
• 3 铝合金电器罐体铸造工艺的优化
• 4 结论

文章来源

类型: 期刊论文

作者: 李智丽,陈保家

关键词: 神经网络,铝合金,电器罐体,铸造,力学性能

来源: 热加工工艺 2019年13期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 金属学及金属工艺

单位: 湖北三峡职业技术学院,三峡大学机械与动力学院

基金: 宜昌市科学研究计划项目(A18-30311)

分类号: TG292

DOI: 10.14158/j.cnki.1001-3814.2019.13.018

页码: 70-73

总页数: 4

文件大小: 526K

下载量: 104