基于BP_GA算法的铸造有效应力预测与优化

为控制铸件凝固过程中的有效应力大小,避免热裂发生,利用有限元分析软件ProCAST对ZL205A铝合金牵引结构件低压铸造过程进行温度场模拟与有效应力预测,选择浇注温度、模具预热温度、传热系数和模具壁厚等影响铸造应力的因素作为设计参数。结合有效应力预测结果,构建4-7-1-1型神经网络和遗传算法以优化铸造工艺。结果表明,神经网络预测平均相对误差为1.45%,预测精度较高。通过遗传寻优方法,发现了最佳工艺参数组合:浇注温度为688℃,模具预热温度为291℃,模具壁厚为150mm,传热系数为1 284W/(m^2·K),并进行试验验证,获得品质较好的铸件。