神经网络与正交试验法结合优化注射工艺参数

结合人工神经网络所表现出来的良好特性,利用正交试验获得的数据作为神经网络的训练样本,建立输入为工艺参数、输出为翘曲变形量的神经网络模型,并通过样本检验了ANN模型的准确性,从而缩短设定工艺参数的时间,在工艺参数取值范围内,采用ANN模型代替CAE软件模拟试验,结合正交试验法,对工艺参数进一步优化。结果表明:将神经网络与正交试验、数值模拟三者结合用于注射过程参数优化可以缩短优化工艺参数的时间,提高工艺设计效率,并能获得比单纯使用正交试验和数值模拟方法更为优化的结果。     

基于BP神经网络的压铸成型工艺参数的模拟与优化

利用数值模拟、BP神经网络和正交试验相结合的方法对压铸成型的工艺参数进行模拟和优化。并且通过一个简单的实例对该方法的可行性进行了验证。基于BP神经网络对压铸工艺参数及其相对应的铸件最低温度点样本进行训练,得到了工艺参数到铸件温度映射关系的神经网络模型,并验证该模型的准确性。结果表明,神经网络结合正交实验设计方法的优化算法,可以确定出最优的工艺参数组合,缩短了优化工艺参数的时间。     

基于正交试验-BP神经网络的GH4169膜片微束TIG焊接工艺优化

将正交试验与BP神经网络结合用于0.2 mm厚GH4169膜片微束TIG焊接工艺参数优化,根据正交试验结果对神经网络模型进行训练,建立了峰值电流、基值电流、焊接速度、脉冲频率与接头直径、高度、抗拉力的BP神经网络模型. 结果表明,在BP神经网络模型预测的基础上,结合小步长搜索法获得的最佳工艺参数范围为峰值电流11.6 A±0.2 A、基值电流4.3 A±0.1 A、焊接速度4.14 mm/s±0.1 mm/s、脉冲频率52 Hz±2 Hz. 通过试验验证,4组试样各指标试验值均处于模型预测值范围内,抗拉力值均高于先期试验. 试验结果证明,该模型预测精度高,并且该工艺优化方法能有效提高实际工艺设计的效率.     

多道次拉旋减薄率研究及工艺参数优化

利用Ansys/lsdyna软件的刚性体粘接柔性体技术,实现坯料自转,旋轮沿设定的轨迹在轴向和径向进给,建立更符合实际运动方式的三维有限元模型,并通过试验验证了模型的可靠性.建立基于神经网络和遗传算法并结合正交试验的多道次拉旋工艺参数优化系统.正交试验法用来设计神经网络的训练样本,利用神经网络预测减薄率,遗传算法完成了对影响减薄率的工艺参数的优化,最后对优化出来的工艺参数进行模拟,效果良好,可有效降低减薄率.     

基于蚁群神经网络的耐热钢管热处理工艺优化

提出了一种神经网络与蚁群算法相结合的91耐热钢管热处理工艺参数优化方法.以4个主要热处理工艺参数为优化对象,5个材料力学性能指标为优化目标.首先进行正交试验,以试验数据为样本通过神经网络建立优化参数与优化目标之间的非线性映射模型,然后用蚁群算法对模型进行优化获取最佳热处理工艺参数.神经网络的非线性映射能力解决了优化建模困难问题,蚁群算法的智能化寻优能力克服了优化求解复杂的缺点.仿真试验显示热处理工艺参数优化精度高,材料力学性能指标预测误差小.     

基于正交试验的缸盖罩压铸工艺参数优化

基于正交试验方法,并结合铸造专用数值模拟软件JSCAST对镁合金缸盖罩压铸工艺参数进行优化模拟研究,确定了指导企业压铸生产的优化工艺参数:压射速度为7 m/s,浇注温度为690 ℃,模具温度为210 ℃.镁合金缸盖罩压铸工艺试验验证了所确定优化工艺参数的合理性,同时也证明了压铸过程数值模拟的可靠性.     

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

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。     

连接杆头模锻工艺参数优化研究

采用有限元数值模拟、正交实验设计与智能优化算法和生产相结合的方法,针对连接杆头的模锻成形工艺进行了优化研究,根据模具磨损量与其影响因素之间的映射关系,以试验数据为基础,建立了BP神经网络模型。模型的输入包括坯料温度、模具温度和摩擦系数等工艺参数,输出为模具磨损量;运用该模型对模具磨损量能进行了预测,通过试验数据对模型的预测精度进行了可靠性验证。通过智能优化算法,确定了连接杆头的工艺参数:坯料温度1179℃,模具温度368℃,摩擦系数0. 17。采用上述工艺参数进行了连接杆头的模锻成形,模具寿命得到提高。     

基于代理模型和NSGA-Ⅱ的超高强钢电阻点焊工艺参数多目标优化

为寻求超高强钢电阻点焊时最佳的焊接工艺参数,开展正交试验法设计三因素五水平的平板搭接点焊试验,以焊接时间、焊接电流和电极压力为可调的工艺参数,将熔核直径、压痕深度、拉剪强度及飞溅情况作为焊接接头质量评价指标.基于高斯过程回归和BP神经网络建立起焊接工艺参数与焊接接头质量评价指标之间关系的代理模型,训练的结果显示模型精度很高.最后利用带精英策略的非支配排序的遗传算法NSGA-Ⅱ实现多目标优化,得到各评价指标之间的最优pareto解集.经验证,各评价模型的相对误差值都很小.结果表明,该优化方法有较好的预测效果和稳定性.通过使用较少的试验数据,建立优化模型的方法对电阻点焊及其它焊接领域最佳焊接工艺参数的选取具有重要的指导价值.     

ADC12铝合金汽车齿轮室充型过程的数值模拟

运用模拟仿真软件对ADC12铝合金汽车齿轮室液态压铸充型过程中的流场、温度场进行了多组正交试验模拟仿真,并对缺陷的分布情况进行了分析,进而从多组试验参数中找出汽车齿轮室最优的压铸工艺参数,然后进行了实验验证.通过计算机数值模拟可以评价及优化工艺参数,从而实现缩短铝合金压铸件的试制与工艺定型周期,生产出品质优良的产品.     

基于粒子群神经网络的QSn6.5-0.1连铸工艺优化

提出了一种神经网络与粒子群算法相结合的锡磷青铜水平连铸工艺参数优化方法。以水平连铸中7个主要工艺参数为优化对象，带坯成材率为优化目标，进行正交试验并以试验数据作为样本，利用神经网络建立优化参数与优化目标的非线性映射模型。利用粒子群算法对建立的模型进行优化，获得最优铸造工艺参数。选用RBF（径向基函数）神经网络，网络学习采用减聚类算法和最小二乘法，采用惯性权重动态改变策略对粒子群算法进行改进。实际生产证明，经优化的铸造工艺参数使带坯的成材率从56％提高到71％。     

基于神经网络的激光淬火性能预报与工艺设计的研究

以45钢为例，将神经网络技术应用于激光淬火技术领域，建立了激光淬火性能预报与工艺设计神经网络应用系统，并难过试验验证了系统的可靠性，结果表明，该系统具有良好的精度，能够很好地实现激光淬火性能预报与工艺设计。研究结果为解决激光火性能预报与工艺设计问题提供了一先进，合理的途径。     

铝硅铜合金液态模锻工艺

在ZL102合金中加入4%的铜为原料,采用正交试验方法进行工艺实验研究,确定了最佳工艺参数。实验结果表明,采用液态模锻工艺,制件力学性能明显提高,热处理后组织得到细化,硅颗粒分布均匀;Al2Cu强化相析出,使得抗拉强度比热处理前的抗拉强度提高11.8%,比金属型提高44.5%。     

汽车前地板后段零件拉延成形工艺参数优化

为了提高汽车前地板后段拉延成形件的成形品质,借助有限元软件Auto Form,建立零件拉延成形过程的有限元模型进行数值模拟。采用正交试验设计和数值模拟相结合的方法,对拉延成形工艺参数进行优化。在数值模拟分析中,以零件的最大减薄率作为开裂指标,以最大起皱准则作为起皱指标,最后采用多目标优化方法得出最优的工艺参数组合。并将得到的最优参数进行实验验证,实验结果表明,本文提出的方法可以有效地控制汽车前地板后段零件拉延成形的开裂和起皱缺陷。     

基于智能优化的汽车内板件回弹控制

针对汽车内板件冲压回弹缺陷,基于eta/DYNAFORM软件对不同工艺参数下汽车内板件的拉深成形过程进行数值模拟,采用正交实验设计方法分析压边力和多处拉深阻力等工艺参数对成形回弹量的影响;基于人工神经网络技术,建立板料拉深成形各工艺参数和成形回弹量之间的网络关系;并基于遗传算法对各工艺参数进行优化设计。实验表明,数值模拟、神经网络模型和遗传算法优化可靠,从而为实际生产提供了理论依据。     

基于正交试验的FDM 3D打印工艺方法研究

正交实验设计和分析方法是研究多因素多水平工艺优化实验的有效方法。针对目前3D打印领域缺乏行业标准、影响3D打印成型结果的工艺参数繁多、最佳工艺流程难以确定的问题,采用正交实验方法研究影响3D打印成型质量的工艺流程,分析出层高设置、打印速度、填充密度依次为影响FDM(熔融沉积)3D打印成型的主要因素,并得出层高0.18mm,打印速度40 mm/s,填充30%时表面质量较好。正交实验方法对优化3D打印工艺流程、提高打印效果具有借鉴意义。     

TC4 合金表面微弧氧化制备抗高温氧化涂层

目的寻求最佳的微弧氧化工艺参数,提高钛合金的高温抗氧化性能。方法进行3因素3水平正交试验(3因素包括电压、氧化反应时间和电解液浓度),通过XRD和SEM表征微弧氧化涂层的物相和显微结构,采用650℃×100 h循环氧化试验评价涂层的抗高温氧化性能,最终利用极差分析法分析各因素对涂层试样氧化增重的影响主次,并得到最优参数组合。利用回归分析建立氧化增重与试验各参数之间的数学模型,并分析模型的显著性。结果不同工艺参数下制得的微弧氧化涂层表面形貌特征不同,涂层物相以金红石相和锐钛矿相二氧化钛为主。3个因素对涂层抗高温氧化性的影响由大到小依次为:电压时间电解液浓度。建立的氧化增重W与各参数(电压V、反应时间t、电解液浓度E)间的二次函数方程模型为:W=0.008 39(V-396.6)+0.1698t-64.5E-0.000 108(V-396.6)2-0.0044t2+700E2+0.0017。结论最佳参数组合为:电压480 V,时间25 min,电解液浓度0.04 mol/L。通过回归分析得到的氧化增重与各参数间的数学模型显著。     

基于Moldflow与正交试验结合的注射模工艺参数优化设计

以汽车发动机油缸密封盖作为研究对象,综合评价了多个工艺参数对注射翘曲变形的影响。通过正交试验法,并基于Moldflow注射模流动分析软件,分析最佳浇口位置,获取试验数据,研究试验范围内各工艺参数对翘曲的影响,从而获得最优工艺参数组合。