首页|基于BP神经网络的连杆锻压工艺优化

基于BP神经网络的连杆锻压工艺优化

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Optimization of Connecting Rod Forging Process Based on BP Neural Network

齐莉、于晓鹏

展开 >

吉林工程职业学院,吉林四平136001

吉林师范大学计算机学院,吉林四平136000

BP神经网络 连杆 锻压工艺 工艺优化 磨损性能

吉林省高等教育学会2016年度高教科研重点课题吉林省教育厅2016年度职业教育与成人教育教学改革课题

JGJX2016B332016ZCY054

2020

10.14158/j.cnki.1001-3814.20190302

热加工工艺
中国船舶重工集团公司热加工工艺研究所 中国造船工程学会船舶材料学术委员会

热加工工艺

CSTPCD北大核心
影响因子：0.55
ISSN：1001-3814
年,卷(期)：2020.49(13)
  • 2
  • 8