基于BP神经网络风力发电机轴承座的铸造工艺参数预测模型

论文摘要

基于KBE概念和BP神经网络,结合正交试验设计方法和铸造模拟建立了大型风力发电机轴承座铸件品质的预测模型。浇注温度、浇注时间和模具初始温度作为BP网络训练样本的输入值,基于Procast铸造模拟软件仿真得到的轴承座缩松缺陷面积、轴承座凝固时间、轴承座凝固后铸件最大温差作为模型目标值。结果表明,利用该模型可预测铸件任意工艺参数组合下的结果值,经过模拟试验和预测值的对比,两种方式获得的结果十分吻合,从而缩短大型铸件研发周期,降低了试制成本,并能给出最佳工艺参数组合,对实际生产可以进行快速高效的指导。

论文目录

• 1 风机轴承座铸造工艺参数预测模型
•   1.1 基于KBE风机轴承座铸造工艺预测流程
•   1.2 BP网络神经网络设计流程
•     1.2.1 网络创建及参数设计
•     1.2.2 样本数据的获取
• 2 BP网络预测结果
•   2.1 BP网络预测缩孔缩松面积
•   2.2 预测凝固时间
•   2.3 预测铸件温差
• 3 结论

文章来源

类型: 期刊论文

作者: 陈德平,陈营,罗建设,谢建,陈立明

关键词: 神经网络,正交试验,浇注工艺参数,缩孔缩松,数值模拟

来源: 铸造技术 2019年10期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 金属学及金属工艺,电力工业

单位: 成都工业学院材料工程学院

基金: 四川省教育厅项目（18ZB0037）

分类号: TG24;TM315

DOI: 10.16410/j.issn1000-8365.2019.10.015

页码: 1086-1089

总页数: 4

文件大小: 1949K

下载量: 86