基于反向传播神经网络的压制成型工艺参数优化

来源 :机械制造 | 被引量 : 0次 | 上传用户:JK0803_lijixiang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
利用反向传播神经网络的可预测性,基于Matlab软件进行压制成型工艺参数优化。以成型温度、成型压力、成型时间及升温速率这四个工艺参数为输入因素,以结合强度、摩擦因数和磨损量这三个性能评价指标为输出参数,建立反向传播神经网络模型,进行训练学习与仿真计算,并进行检验。通过这一反向传播神经网络模型,可以预测不同工艺参数组合下的压制成型制品性能评价指标。通过研究确认,当成型温度为332.32~348.04℃,成型压力为9.39MPa~9.84MPa,成型时间为48.87~51.18min,升温速率为5.86~6.
其他文献
在紫外光对液态树脂进行固化成型过程中,扫描光斑的直径、光强和扫描速度等工艺参数对固化结果有着直接影响.首先结合高斯光束的固化理论分析,从平面固化成型基本要素的直线
应用SolidWorks三维机械设计软件中的静力学算例、设计算例和拓扑算例对摄影机器人的底盘结构进行优化设计。对原有的摄影机器人底盘结构进行三维建模和静力学应力分析,确认
电磁型MEMS开关比静电式的结构复杂,一体化集成加工困难.对于新型电磁驱动双稳态RF MEMS开关进行了材料的选择,并对一些主要材料的电镀和悬空结构的制备与释放进行了工艺优化
对抽油机平衡装置中的关键传动部件--传动丝杠进行了研究。在参数设计和三维建模的基础上,理论计算了传动丝杠的受压稳定性,并应用ANSYS Workbench有限元软件对传动丝杠进行