基于神经网络的阻力墙参数对转向节锻件充填影响研究

摘要：

为研究阻力墙结构参数对转向节锻件长叉充填的定量影响,设计了广义回归(GR)人工神经网络模型.用“舍一法”训练了模型,并采用3个样本对模型进行预测检验,散点图表明预测值和实验值拟合较好.统计学指标为:均方误差M1为0.898 0,相对均方误差M2为0.167 0％,拟合分值V为1.973 9,说明人工神经网络具有较高的预测精度.最后用神经网络分析阻力墙关键参数对锻件长叉充填的定量影响,结果表明:长叉侧边桥部宽度和阻力墙斜度的增加对长叉充填作用不明显;阻力墙间隙的加大不利于长叉充填;阻力墙宽度对长叉充填的影响呈抛物线关系,先增大后减小,存在一个极大值.GR人工神经网络模型能够定量预测各阻力墙参数对长叉充填的影响.

关键词：转向节、锻件充填、阻力墙、定量影响、GR神经网络

所属期刊栏目：35

分类号：TG156;TP183(金属学与热处理)

资助基金：上海工程技术大学研究生科研创新项目16KY0514;上海工程技术大学大学生创新训练项目cs1605006

在线出版日期：2017-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：36-40