基于神经网络与遗传算法的压铸工艺参数优化

依据A356咖啡机顶盖高压铸造特点,采用FEM仿真软件对铸件成型工艺进行数值模拟,以L16(45)正交试验和6个补充试验作为BP神经网络的训练样本,建立模具热应力与浇注温度、模具预热温度、压射比压、压铸速度4个压铸工艺参数的非线性映射关系;以模具热应力σmax的最小值为优化目标,运用遗传算法进行工艺参数优化。最终得出浇注温度、模具预热温度、压射比压、压铸速度等4个参数最佳的一组组合,使试验指标σmax最小,模具的热疲劳趋势最低,零件的成型质量最佳。试验结果证明,该减少模具热疲劳趋势的优化方案具有可行性,同时对相近结构压铸件的生产也具有一定的指导意义。     

基于模糊控制论的压铸浇注系统工艺参数设计新方法

运用模糊控制论方法来预测压铸浇注系统的基本工艺参数充填时间和内浇口速度,并结合压铸流体动力学理论,给出设计浇注系统的全部工艺参数。     

模糊神经网络预测钢件热处理后力学性能

综合应用模糊数学和神经网络的知识构造了一个模糊神经网络模型。根据零件的淬火温度、淬火介质、回火温度、回火时间等参数，用该模糊神经网络预测为钢件热处理工艺制定提供了一个新的辅助手段。     

模糊神经网络预测钢件热处理后力学性能

综合应用模糊数学和神经网络的知识构造了一个模糊神经网络模型。根据零件的淬火温度、淬火介质、回火温度、回火时间等参数，用该模糊神经网络预测钢件淬火和回火后的力学性能。预测结果表明，该方法速度快，结果较准确，为制定钢件热处理工艺提供了一个新的辅助手段。     

基于自适应模糊神经网络焊接接头力学性能预测

通过对TC4钛合金进行TIG焊,并测定接头的抗拉强度、抗弯强度和断后伸长率,获得网络仿真所需的数据.结合使用BP算法与最小二乘相结合的混合算法,建立了用于焊接接头力学性能预测的自适应模糊神经网络模型.利用该模型进行仿真,其平均误差远小于7%.结果表明,该模型可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和断后伸长率等力学性能进行较为准确的预测,并且具有建模快、模型简单、预测速度快、预测精度高,泛化能力强的优点,从而为焊接接头力学性能预测提供了一条有效的途径.     

模糊神经网络在焊接性能预测中的应用现状

通过将模糊推理系统与人工神经网络技术的结合,建立了模糊神经网络预测模型,可以实现对焊接性能的预测。焊接性能预测系统的建立,缩短了焊条研发周期,提高了焊接性能。介绍了人工神经网络和模糊推理系统在焊接领域的应用,综述了模糊神经网络在焊接性能预测中的应用与研究现状,并探讨了其在应用研究中的问题以及未来的发展趋势。     

两种预测焊接接头力学性能的模糊神经网络

针对焊接过程的高度非线性、多种因素的交互作用复杂,难以预测焊后接头力学性能.以TC4钛合金TIG为基础,建立了自适应模糊神经网络（ANFIS）和模糊RBF神经网络（FRBFNN）焊接接头力学性能预测模型.以焊接工艺参数、接头力学性能作为预测模型的输入、输出参数.利用27组试验数据对模型进行训练,用另外6组试验数据进行仿...     

利用模糊神经网络技术预测焊接接头力学性能

探讨一种自适应模糊神经网络(adaptive fuzzy neural networks,ANFIS)预测焊接接头力学性能的方法.通过测定TC4钛合金TIG焊接头的抗拉强度、抗弯强度和延伸率,结合焊接工艺参数建立了用于焊接接头力学性能预测的自适应模糊神经网络模型.利用该模型,并使用BP算法和BP算法与最小二乘相结合的混合算法,采用不同的输入变量隶属度函数、模糊子集数、迭代次数,对焊接接头力学性能进行了ANFIS仿真.结果表明,当采用混合算法,且模糊子集数为3时,网络训练和预测结果平均误差均远小于7%.能够满足实际生产的要求.使用MATLAB和Visuall C 混合编程开发了基于ANFIS焊接接头力学性能预测软件,可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和延伸率等力学性能进行较为准确地预测,为焊接接头的质量预测与控制提供了一条简捷、有效的新途径.     

找矿预测中神经网络与模糊聚类的联合应用

采用神经网络与模糊模式识别相结合以及有监督的学习与无监督的学习相结合的方式,进行了金属矿的找矿预测,实践效果很好,并提出可用各自预测的矿集合求其并集的办法,确定最终的矿集合。     

基于模糊神经网络的冷连轧机轧制力预测

建立了一种基于数学模型和模糊神经网络共同作用的冷连轧机轧制力预测模型,通过数学模型描述轧制接触面积,模糊网络预测轧制单位压力.提出将Hough变换应用于神经网络的参数确定,从而使最终设计的网络具有最佳结构参数.试验研究证明了所设计模型具有较强的泛化能力和鲁棒性,大大提高了轧制力的预报精度.     

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。     

压铸浇注工艺参数的人工神经网络优化设计

在总结大量的实践经验的基础上，采用神经元网络方法，借助MATLAB6.0平台及其神经网络工具箱，建立了内浇口速度与填充时间的多输入－多输出神经网络模型，并通过实际算例进行了验证。     

基于模糊聚类及神经网络的连铸漏钢预报

在模糊RBF神经网络的基础上,通过融合基于贴近度的改进FCM和Conditional FCM算法,建立了改进的模糊RBF网络模型;并结合某钢厂连铸现场采集的历史数据将该模型应用于连铸漏钢预报的过程中。结果表明,改进的网络模型能更准确地辨识连铸粘结漏钢过程中典型温度模式1和模式2,对二者的预报率分别达到949%和983%,报出率均达到100%,其预报性能更佳,能更有效地预报拉漏事故。     

压铸工艺及其模具智能化设计技术的研究

研究了人工智能技术包括人工神经网络技术和模糊集合理论在压铸工艺及其模具设计中的应用原理及其实现手段     

压铸工艺及压铸模具设计要点(一)

压铸机、模具与合金三者,以压铸件为本,压铸工艺贯穿其中,有机地将它们整合为一个有效的系统,使压铸机与模具得到良好的匹配,起到优化压铸件结构,优选压铸机、优化压铸模设计、提高工艺工作点的灵活性的作用,从而为压铸生产提供可靠保证。所以,压铸工艺寓于模具中之说,内涵之深不言而喻。     

压铸工艺及压铸模具设计要点(三)

压铸机、模具与合金三者,以压铸件为本,压铸工艺贯穿其中,有机地将它们整合为一个有效的系统,使压铸机与模具得到良好的匹配,起到优化压铸件结构,优选压铸机、优化压铸模设计、提高工艺工作点的灵活性的作用,从而为压铸生产提供可靠保证。所以,压铸工艺寓于模具中之说,内涵之深不言而喻。     

压铸工艺及压铸模具设计要点(四)

压铸机、模具与合金三者,以压铸件为本,压铸工艺贯穿其中,有机地将它们整合为一个有效的系统,使压铸机与模具得到良好的匹配,起到优化压铸件结构,优选压铸机、优化压铸模设计、提高工艺工作点的灵活性的作用,从而为压铸生产提供可靠保证。所以,压铸工艺寓于模具中之说,内涵之深不言而喻。     

压铸工艺及压铸模具设计要点(五)

压铸机、模具与合金三者,以压铸件为本,压铸工艺贯穿其中,有机地将它们整合为一个有效的系统,使压铸机与模具得到良好的匹配,起到优化压铸件结构,优选压铸机、优化压铸模设计、提高工艺工作点的灵活性的作用,从而为压铸生产提供可靠保证。所以,压铸工艺寓于模具中之说,内涵之深不言而喻。     

铝合金变速箱外壳压铸模设计及工艺分析

针对铝合金铸件在压铸充填过程中常伴有气孔、缩孔、冷隔等缺陷的现象,以汽车铝合金变速箱外壳为例,分析变速箱外壳的结构特征,对其浇注系统、冷却系统、抽芯结构进行设计,确定最佳工艺参数,经过试验与分析,最终经过实际压铸生产验证,确定了工艺方案的合理性.结果 表明:当定模温度为200℃、动模为220℃、铝液浇注温度为670℃、...