基于神經網絡金屬注射成形坯密度預測與控制研究.pdf

1、金屬注射成形技術是一種粉末冶金零部件高效近凈成形技術，有著廣泛的應用。注射成形坯的密度分布是影響產品質量的重要因素。本文首先對神經網絡在注射成形中研究的發(fā)展情況進行了綜述，介紹了神經網絡的基本理論和算法;根據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，建立了用于預測金屬注射成形坯密度分布的6輸入3輸出單隱層神經網絡模型。
　　然后基于BP算法用所建立的神經網絡模型對3維6元非線性函數向量的92組數據進行了擬合，

2、用9組數據分析擬合的誤差及耗時;用遺傳算法優(yōu)化神經網絡初始權值矩陣對算法進行了改進，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網絡模型，分別基于BP算法和用遺傳算法優(yōu)化初始權值矩陣改進算法對相應函數向量的反函數向量進行了擬合，改進算法耗時降低到2秒。對非線性函數向量及其反函數向量的擬合誤差均達到10-5，驗證了所建神經網絡模型及算法的可靠性。
　　最后根據金屬注射成

3、形的多相流數學模型，在注射速度、溫度等6個參數的工藝實際取值范圍內選取84組參數，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行數值模擬。將其中82組的模擬結果作為訓練數據對所建立的金屬注射成形坯密度分布預測和控制的神經網絡模型進行訓練。用訓練后的神經網絡模型預測其余兩組注射參數下的成形坯密度分布，預測值與模擬結果的誤差小于±14kg/m3(即±0.14g/cm3)、相對誤差小于0.4％;將其余兩組參數對應的密度分布作為控