本文選題：神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：鍛造鋁合金　出處：《熱加工工藝》2017年20期

【摘要】：采用7×35×2三層拓?fù)浣Y(jié)構(gòu),以鍛造鋁合金牌號(hào)、退火溫度、退火時(shí)間、固溶溫度、固溶時(shí)間、時(shí)效溫度、時(shí)效時(shí)間作為輸入層參數(shù),以耐磨損性能和沖擊性能作為輸出層參數(shù),構(gòu)建了汽車(chē)用鍛造鋁合金熱處理工藝優(yōu)化神經(jīng)網(wǎng)絡(luò)模型,并進(jìn)行了模型訓(xùn)練、預(yù)測(cè)驗(yàn)證和生產(chǎn)線應(yīng)用。結(jié)果表明,汽車(chē)用鍛造鋁合金用神經(jīng)網(wǎng)絡(luò)優(yōu)化模型的優(yōu)勢(shì)較明顯,預(yù)測(cè)性較好,且精度性較高。和生產(chǎn)線傳統(tǒng)工藝相比,通過(guò)神經(jīng)網(wǎng)絡(luò)優(yōu)化模型熱處理的試樣磨損體積減小22%、沖擊吸收功增大了79%。
[Abstract]:A three-layer topology of 7 脳 35 脳 2 was adopted. The parameters of the inputted layer were the forging aluminum alloy grade, annealing temperature, annealing time, solution temperature, solution time, aging temperature and aging time, and the wear resistance and impact resistance were taken as the output layer parameters.The optimized neural network model of heat treatment process of forging aluminum alloy for automobile was constructed, and the model training, prediction verification and production line application were carried out.The results show that the neural network optimization model for forging aluminum alloy for automobile has obvious advantages, good predictability and high precision.Compared with the traditional production line, the wear volume of heat treated by neural network optimization model is reduced by 22%, and the impact absorption energy is increased by 79%.
【作者單位】： 濰坊科技學(xué)院汽車(chē)工程學(xué)院;
【分類(lèi)號(hào)】：TG166.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

2 鄔再新;王凱;王連波;呂洪波;;基于神經(jīng)網(wǎng)絡(luò)的自由曲線插補(bǔ)研究[J];制造技術(shù)與機(jī)床;2007年09期

3 顧玉鋼;夏智海;莊力健;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的疲勞裂紋擴(kuò)展速率預(yù)測(cè)[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

4 王秀梅,呂程,王國(guó)棟,劉相華;軋制力預(yù)報(bào)中的神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型[J];東北大學(xué)學(xué)報(bào);1999年03期

5 于洪海,張新平,胡云峰;偏最小二乘-神經(jīng)網(wǎng)絡(luò)光度法同時(shí)測(cè)定鋼中鎢和鉬[J];冶金分析;2004年02期

6 梁偉;王杰;王玫;;神經(jīng)網(wǎng)絡(luò)在冷剪機(jī)曲軸優(yōu)化中的應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2010年08期

7 賴(lài)興余,李春雄,嚴(yán)霖元,劉明智;基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊控制器[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);1998年01期

8 劉立君;蘭虎;鄭紅艷;;基于神經(jīng)網(wǎng)絡(luò)熔透電弧聲特征參數(shù)評(píng)價(jià)與選擇[J];焊接學(xué)報(bào);2010年03期

9 李旭東;劉治國(guó);穆志韜;;基于神經(jīng)網(wǎng)絡(luò)的金屬材料疲勞裂紋擴(kuò)展規(guī)律的預(yù)測(cè)[J];新技術(shù)新工藝;2013年11期

10 李文鑫;王武;張?jiān)?;遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)在孔系加工中應(yīng)用研究[J];機(jī)械設(shè)計(jì)與制造;2009年04期

相關(guān)會(huì)議論文 前10條

1 高進(jìn)強(qiáng);劉新峰;武傳松;;TIG焊接熔透信息的提取[A];第十次全國(guó)焊接會(huì)議論文集（第2冊(cè)）[C];2001年

2 付培眾;尹怡欣;;基于PSO-RBF的神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

3 孫雷;王建國(guó);王明輝;;模塊化神經(jīng)網(wǎng)絡(luò)在CSP連軋過(guò)程逆質(zhì)量模型建立中的應(yīng)用[A];第十一屆全國(guó)自動(dòng)化應(yīng)用技術(shù)學(xué)術(shù)交流會(huì)論文集[C];2006年

4 莫春立;李殿中;馮峰;李強(qiáng);詹志東;;耦合物理冶金和神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)鋼材的性能[A];2002年材料科學(xué)與工程新進(jìn)展（下）——2002年中國(guó)材料研討會(huì)論文集[C];2002年

5 張海波;劉恩東;;基于RBF神經(jīng)網(wǎng)絡(luò)PID控制[A];2007中國(guó)鋼鐵年會(huì)論文集[C];2007年

6 張崇輝;陳蕾;;計(jì)算機(jī)在熱處理工藝編制中的應(yīng)用[A];2002年黑龍江省機(jī)械工程學(xué)會(huì)年會(huì)論文集[C];2002年

7 張改蘭;;45鋼熱處理工藝及性能試驗(yàn)[A];中國(guó)郵電/電子學(xué)會(huì)生產(chǎn)技術(shù)學(xué)會(huì)熱處理郵電三屆/西南二屆/四川四屆年會(huì)論文集[C];1992年

8 譚新興;王多斌;;塔式容器終環(huán)縫熱處理工藝質(zhì)量控制[A];2006年第二屆七省區(qū)市機(jī)械工程學(xué)會(huì)科技論壇暨學(xué)會(huì)改革與發(fā)展研討會(huì)論文集[C];2006年

9 高書(shū)嵐;;熱處理工藝對(duì)1J512合金性能的影響[A];北京電子學(xué)會(huì)第二屆熱處理年會(huì)論文簡(jiǎn)要匯編[C];1990年

10 王增友;;高速鍛葉片1Cr13鋼的熱處理工藝[A];數(shù)控設(shè)備使用和管理學(xué)術(shù)研討會(huì)論文集[C];2003年

相關(guān)重要報(bào)紙文章 前4條

1 張丹;軸承熱處理工藝新發(fā)展[N];中國(guó)冶金報(bào);2013年

2 劉杰;大直徑圓鋼和型鋼的在線熱處理工藝[N];世界金屬導(dǎo)報(bào);2014年

3 王;柔性化在線熱處理工藝[N];世界金屬導(dǎo)報(bào);2011年

4 談猛 劉占增;熱處理工藝在HFW焊管中的應(yīng)用研究[N];世界金屬導(dǎo)報(bào);2014年

相關(guān)博士學(xué)位論文 前2條

1 嚴(yán)翔;船體結(jié)構(gòu)用HSLA100鋼熱處理工藝、組織及性能研究[D];武漢科技大學(xué);2015年

2 趙曦;熱處理工藝綠色性評(píng)價(jià)與評(píng)價(jià)系統(tǒng)的研究與開(kāi)發(fā)[D];機(jī)械科學(xué)研究總院;2014年

相關(guān)碩士學(xué)位論文 前10條

1 胡丙坤;基于神經(jīng)網(wǎng)絡(luò)的金屬板材折彎回彈預(yù)測(cè)與研究[D];上海應(yīng)用技術(shù)學(xué)院;2015年

2 趙燕燕;優(yōu)化FPN及其在板形識(shí)別中的應(yīng)用[D];濟(jì)南大學(xué);2015年

3 王余敬;基于分離譜的激光超聲表面裂紋識(shí)別技術(shù)研究[D];中北大學(xué);2016年

4 付澤;典型汽車(chē)用板變形滯后回彈的試驗(yàn)研究及有限元分析[D];北京理工大學(xué);2016年

5 熊偉;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的車(chē)床主軸優(yōu)化設(shè)計(jì)的研究[D];江蘇大學(xué);2016年

6 呂慧超;中厚板軋機(jī)液壓AGC系統(tǒng)的控制研究[D];遼寧科技大學(xué);2016年

7 楊軼寧;基于BP神經(jīng)網(wǎng)絡(luò)的點(diǎn)焊接頭疲勞壽命預(yù)測(cè)研究[D];昆明理工大學(xué);2016年

8 閔喜瑞;基于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)滑模變結(jié)構(gòu)厚度控制[D];華北理工大學(xué);2016年

9 李冬梅;主動(dòng)學(xué)習(xí)算法在板厚控制系統(tǒng)中的應(yīng)用研究[D];華北理工大學(xué);2016年

10 張雷;基于振動(dòng)分析的機(jī)床狀態(tài)識(shí)別與人機(jī)效能評(píng)估方法研究[D];東北大學(xué);2013年

，

本文編號(hào)：1729161