基于神經(jīng)網(wǎng)絡(luò)金屬注射成形坯密度預(yù)測與控制研究.pdf

1、金屬注射成形技術(shù)是一種粉末冶金零部件高效近凈成形技術(shù)，有著廣泛的應(yīng)用。注射成形坯的密度分布是影響產(chǎn)品質(zhì)量的重要因素。本文首先對神經(jīng)網(wǎng)絡(luò)在注射成形中研究的發(fā)展情況進(jìn)行了綜述，介紹了神經(jīng)網(wǎng)絡(luò)的基本理論和算法;根據(jù)金屬注射成形工藝特點分析了影響注射成形坯密度分布的六個主要因素，建立了用于預(yù)測金屬注射成形坯密度分布的6輸入3輸出單隱層神經(jīng)網(wǎng)絡(luò)模型。
　　然后基于BP算法用所建立的神經(jīng)網(wǎng)絡(luò)模型對3維6元非線性函數(shù)向量的92組數(shù)據(jù)進(jìn)行了擬合，

2、用9組數(shù)據(jù)分析擬合的誤差及耗時;用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始權(quán)值矩陣對算法進(jìn)行了改進(jìn)，將算法耗時從4.5分鐘降低到1秒、擬合誤差從±0.2減少到10-4。建立用于控制注射成形坯密度的反饋控制神經(jīng)網(wǎng)絡(luò)模型，分別基于BP算法和用遺傳算法優(yōu)化初始權(quán)值矩陣改進(jìn)算法對相應(yīng)函數(shù)向量的反函數(shù)向量進(jìn)行了擬合，改進(jìn)算法耗時降低到2秒。對非線性函數(shù)向量及其反函數(shù)向量的擬合誤差均達(dá)到10-5，驗證了所建神經(jīng)網(wǎng)絡(luò)模型及算法的可靠性。
　　最后根據(jù)金屬注射成

3、形的多相流數(shù)學(xué)模型，在注射速度、溫度等6個參數(shù)的工藝實際取值范圍內(nèi)選取84組參數(shù)，利用有限元分析軟件ANSYS對鉗口零件的注射充模流動過程進(jìn)行數(shù)值模擬。將其中82組的模擬結(jié)果作為訓(xùn)練數(shù)據(jù)對所建立的金屬注射成形坯密度分布預(yù)測和控制的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型預(yù)測其余兩組注射參數(shù)下的成形坯密度分布，預(yù)測值與模擬結(jié)果的誤差小于±14kg/m3(即±0.14g/cm3)、相對誤差小于0.4％;將其余兩組參數(shù)對應(yīng)的密度分布作為控