發(fā)布時間：2018-04-10 02:05

  本文選題：神經(jīng)網(wǎng)絡　切入點：鍛造鋁合金　出處：《熱加工工藝》2017年20期

【摘要】：采用7×35×2三層拓撲結(jié)構(gòu),以鍛造鋁合金牌號、退火溫度、退火時間、固溶溫度、固溶時間、時效溫度、時效時間作為輸入層參數(shù),以耐磨損性能和沖擊性能作為輸出層參數(shù),構(gòu)建了汽車用鍛造鋁合金熱處理工藝優(yōu)化神經(jīng)網(wǎng)絡模型,并進行了模型訓練、預測驗證和生產(chǎn)線應用。結(jié)果表明,汽車用鍛造鋁合金用神經(jīng)網(wǎng)絡優(yōu)化模型的優(yōu)勢較明顯,預測性較好,且精度性較高。和生產(chǎn)線傳統(tǒng)工藝相比,通過神經(jīng)網(wǎng)絡優(yōu)化模型熱處理的試樣磨損體積減小22%、沖擊吸收功增大了79%。
[Abstract]:A three-layer topology of 7 脳 35 脳 2 was adopted. The parameters of the inputted layer were the forging aluminum alloy grade, annealing temperature, annealing time, solution temperature, solution time, aging temperature and aging time, and the wear resistance and impact resistance were taken as the output layer parameters.The optimized neural network model of heat treatment process of forging aluminum alloy for automobile was constructed, and the model training, prediction verification and production line application were carried out.The results show that the neural network optimization model for forging aluminum alloy for automobile has obvious advantages, good predictability and high precision.Compared with the traditional production line, the wear volume of heat treated by neural network optimization model is reduced by 22%, and the impact absorption energy is increased by 79%.
【作者單位】： 濰坊科技學院汽車工程學院;
【分類號】：TG166.3

【相似文獻】

相關期刊論文 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

2 鄔再新;王凱;王連波;呂洪波;;基于神經(jīng)網(wǎng)絡的自由曲線插補研究[J];制造技術(shù)與機床;2007年09期

3 顧玉鋼;夏智海;莊力健;;基于改進神經(jīng)網(wǎng)絡的疲勞裂紋擴展速率預測[J];合肥工業(yè)大學學報(自然科學版);2008年06期

4 王秀梅,呂程,王國棟,劉相華;軋制力預報中的神經(jīng)網(wǎng)絡和數(shù)學模型[J];東北大學學報;1999年03期

5 于洪海,張新平,胡云峰;偏最小二乘-神經(jīng)網(wǎng)絡光度法同時測定鋼中鎢和鉬[J];冶金分析;2004年02期

6 梁偉;王杰;王玫;;神經(jīng)網(wǎng)絡在冷剪機曲軸優(yōu)化中的應用[J];機械設計與制造;2010年08期

7 賴興余,李春雄,嚴霖元,劉明智;基于神經(jīng)網(wǎng)絡的自適應模糊控制器[J];江西農(nóng)業(yè)大學學報;1998年01期

8 劉立君;蘭虎;鄭紅艷;;基于神經(jīng)網(wǎng)絡熔透電弧聲特征參數(shù)評價與選擇[J];焊接學報;2010年03期

9 李旭東;劉治國;穆志韜;;基于神經(jīng)網(wǎng)絡的金屬材料疲勞裂紋擴展規(guī)律的預測[J];新技術(shù)新工藝;2013年11期

10 李文鑫;王武;張元敏;;遺傳優(yōu)化神經(jīng)網(wǎng)絡在孔系加工中應用研究[J];機械設計與制造;2009年04期

相關會議論文 前10條

1 高進強;劉新峰;武傳松;;TIG焊接熔透信息的提取[A];第十次全國焊接會議論文集（第2冊）[C];2001年

2 付培眾;尹怡欣;;基于PSO-RBF的神經(jīng)網(wǎng)絡及其應用研究[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

3 孫雷;王建國;王明輝;;模塊化神經(jīng)網(wǎng)絡在CSP連軋過程逆質(zhì)量模型建立中的應用[A];第十一屆全國自動化應用技術(shù)學術(shù)交流會論文集[C];2006年

4 莫春立;李殿中;馮峰;李強;詹志東;;耦合物理冶金和神經(jīng)網(wǎng)絡方法預測鋼材的性能[A];2002年材料科學與工程新進展（下）——2002年中國材料研討會論文集[C];2002年

5 張海波;劉恩東;;基于RBF神經(jīng)網(wǎng)絡PID控制[A];2007中國鋼鐵年會論文集[C];2007年

6 張崇輝;陳蕾;;計算機在熱處理工藝編制中的應用[A];2002年黑龍江省機械工程學會年會論文集[C];2002年

7 張改蘭;;45鋼熱處理工藝及性能試驗[A];中國郵電/電子學會生產(chǎn)技術(shù)學會熱處理郵電三屆/西南二屆/四川四屆年會論文集[C];1992年

8 譚新興;王多斌;;塔式容器終環(huán)縫熱處理工藝質(zhì)量控制[A];2006年第二屆七省區(qū)市機械工程學會科技論壇暨學會改革與發(fā)展研討會論文集[C];2006年

9 高書嵐;;熱處理工藝對1J512合金性能的影響[A];北京電子學會第二屆熱處理年會論文簡要匯編[C];1990年

10 王增友;;高速鍛葉片1Cr13鋼的熱處理工藝[A];數(shù)控設備使用和管理學術(shù)研討會論文集[C];2003年

相關重要報紙文章 前4條

1 張丹;軸承熱處理工藝新發(fā)展[N];中國冶金報;2013年

2 劉杰;大直徑圓鋼和型鋼的在線熱處理工藝[N];世界金屬導報;2014年

3 王;柔性化在線熱處理工藝[N];世界金屬導報;2011年

4 談猛 劉占增;熱處理工藝在HFW焊管中的應用研究[N];世界金屬導報;2014年

相關博士學位論文 前2條

1 嚴翔;船體結(jié)構(gòu)用HSLA100鋼熱處理工藝、組織及性能研究[D];武漢科技大學;2015年

2 趙曦;熱處理工藝綠色性評價與評價系統(tǒng)的研究與開發(fā)[D];機械科學研究總院;2014年

相關碩士學位論文 前10條

1 胡丙坤;基于神經(jīng)網(wǎng)絡的金屬板材折彎回彈預測與研究[D];上海應用技術(shù)學院;2015年

2 趙燕燕;優(yōu)化FPN及其在板形識別中的應用[D];濟南大學;2015年

3 王余敬;基于分離譜的激光超聲表面裂紋識別技術(shù)研究[D];中北大學;2016年

4 付澤;典型汽車用板變形滯后回彈的試驗研究及有限元分析[D];北京理工大學;2016年

5 熊偉;基于改進BP神經(jīng)網(wǎng)絡的車床主軸優(yōu)化設計的研究[D];江蘇大學;2016年

6 呂慧超;中厚板軋機液壓AGC系統(tǒng)的控制研究[D];遼寧科技大學;2016年

7 楊軼寧;基于BP神經(jīng)網(wǎng)絡的點焊接頭疲勞壽命預測研究[D];昆明理工大學;2016年

8 閔喜瑞;基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡滑模變結(jié)構(gòu)厚度控制[D];華北理工大學;2016年

9 李冬梅;主動學習算法在板厚控制系統(tǒng)中的應用研究[D];華北理工大學;2016年

10 張雷;基于振動分析的機床狀態(tài)識別與人機效能評估方法研究[D];東北大學;2013年

，

本文編號：1729161