锻压技术

基于人工神经网络的QCr0·5热反挤压力预测模型

英文标题：Prediction model of QCr0.5 hot invert extrusion force based on artificial neural network

作者：吴朋越李慧丽谢水生

单位：北京有色金属研究总院有色金属材料制备加工国家重点实验室河南科技大学材料科学与工程学院北京有色金属研究总院有色金属材料制备加工国家重点实验室北京100088 河南洛阳471003 北京100088

关键词：BP神经网络反挤压挤压力

分类号：TG376.2

出版年,卷(期):页码：2005,30(5):77-80

摘要：

以铬青铜热反挤压过程中凸模锥角、断面缩减率以及温度和挤压力的关系为研究对象,在Matlab语言环境下,以高温反挤压试验数据作为训练和预测样本,用2、3节点的双隐层BP型神经网络对钢材单位挤压力进行了预测。结果表明此方法预测铬青铜反挤压力是有效和可行的。

The paper takes the relationship between punch angle,ratio of section reduction,extrusion temperature and extrusion force as the research object.Taking experimental data of backward extrusion as the samples for training and predicting,it predicts extrusion pressure using double hidden layer BP model with two and three nodes under Matlab language environment.The results indicate that this way is a valid and feasible way for predicting the extrusion load.

基金项目：

河南省科技攻关计划项目(20024600005)

参考文献：

[1]王孝培.冲压手册[M].北京:机械工业出版社,1990.
[2]袁曾任.人工神经网络及其应用[M].北京:清华大学出版社,南宁:广西科学技术出版社,1999.
[3]王伟.人工神经网络原理:入门与应用{M}.北京:北京航空航天大学出版社,1995.
[4]胡守仁.神经网络导论[M].长沙:国防科技大学出版社,1993.
[5]王秀凤,吕晓东,陈光南,胡世光.人工神经网络技术在成形模具表面激光强化中的应用[J].热加工工艺,2003,(6):41 43.
[6]工藤英明,高桥昭夫.日本汽车工业的冷挤压技术[C].中日精密锻造学术交流会论文集,长春:中国第一汽车集团公司工艺研究所,1997.
[7]焦李成.神经网络计算[M].西安:西安电子科技大学出版社,1993.
[8]胡铁松.前馈网络目的规划算法及其应用研究[J].系统工程理论与实践,1998,(2):56 61.
[9]魏海坤,徐嗣鑫,宋文忠.神经网络的泛化理论和泛化方法[J].自动化学报,2001,27(6):806 815.

服务与反馈：

【文章下载】【加入收藏】