基于反向传播神经网络的压制成型工艺参数优化

摘要：

利用反向传播神经网络的可预测性,基于Matlab软件进行压制成型工艺参数优化.以成型温度、成型压力、成型时间及升温速率这四个工艺参数为输入因素,以结合强度、摩擦因数和磨损量这三个性能评价指标为输出参数,建立反向传播神经网络模型,进行训练学习与仿真计算,并进行检验.通过这一反向传播神经网络模型,可以预测不同工艺参数组合下的压制成型制品性能评价指标.通过研究确认,当成型温度为332.32～348.04℃,成型压力为9.39 MPa～9.84 MPa,成型时间为48.87～51.18 min,升温速率为5.86～6.14℃/min时,压制成型的金属塑料自润滑复合材料综合性能最佳.

关键词：反向传播神经网络、压制、工艺、参数、优化

所属期刊栏目：57

分类号：TH163

资助基金：镇江市产学研项目1721110159

在线出版日期：2019-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：68-70