论文部分内容阅读
在预测铸造缩孔、缩松缺陷时引入机器学习,采用具有针对性的数据预处理方式处理铸造工艺数据,同时采取多模态的数据输入方式增加数据维度,并使用全连接卷积神经网络对铸造缩孔、缩松缺陷进行快速计算。通过对某轴承座铸件进行分析,验证了该方法的有效性。相比于数值模拟方法,该方法具备较高的精度,同时可大幅缩短铸造缩孔、缩松缺陷的计算时间。