基于神經(jīng)網(wǎng)絡(luò)金屬注射成形坯密度預(yù)測(cè)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(duì)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(diǎn)分析了影響注射成形坯密度分布的六個(gè)主要因素，建立了用于預(yù)測(cè)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(duì)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(shí);用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始權(quán)值矩陣對(duì)算法進(jìn)行了改進(jìn)，將算法耗時(shí)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(duì)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(shí)降低到2秒。對(duì)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(yàn)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(gè)參數(shù)的工藝實(shí)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(duì)鉗口零件的注射充模流動(dòng)過(guò)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(duì)所建立的金屬注射成形坯密度分布預(yù)測(cè)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(cè)其余兩組注射參數(shù)下的成形坯密度分布，預(yù)測(cè)值與模擬結(jié)果的誤差小于±14kg/m3(即±0.14g/cm3)、相對(duì)誤差小于0.4％;將其余兩組參數(shù)對(duì)應(yīng)的密度分布作為控