基于BP神经网络的连杆锻压工艺优化

发布时间：2023-03-05 16:32

　　以连杆材料、模具预热温度、始锻温度、终锻温度、锻压速度为输入层参数,以磨损体积为输出层参数,构建了5×25×1三层拓扑结构的连杆锻压工艺优化神经网络模型,并对该模型进行了预测和验证。还对45钢连杆和40Cr钢连杆的磨损性能进行了测试分析。结果表明,连杆锻压工艺神经网络模型的平均相对训练误差为4.1%,平均相对预测误差为4.5%,具有较精准的预测能力和精度。应用BP神经网络模型优化锻压工艺的45钢连杆和40Cr钢连杆的磨损体积分别较产线现用工艺减小了38.2%、44%。神经网络优化的连杆锻压工艺的最佳参数为:材料40Cr钢、模具预热温度450℃、始锻温度1240℃、终锻温度810℃、锻压速度32 mm/s。

【文章页数】：4 页

【文章目录】：
1 BP神经网络优化模型的构建
    1.1 BP神经网络优化模型
    1.2 BP神经网络优化模型参数的确定
    1.3 传递函数
2 试验材料和方法
3 BP神经网络模型的训练
    3.1 模型的训练
    3.2 模型的预测验证
4 连杆锻压工艺的优化
5 结论



本文编号：3756543