基于神经网络的转向节热锻成形工艺优化

作者：邱劲; 扶教龙

来源：热加工工艺, 2022, 51(09): 106-109.

DOI：10.14158/j.cnki.1001-3814.20211821

• 广义回归神经网络(GRNN)
• 汽车转向节
• 热锻成形
• 工艺优化

建立了输入层为始锻温度、终锻温度、模具预热温度、锻压速度，输出层为抗拉强度、成形载荷、磨损量的广义回归神经网络（GNRR）模型，基于此模型对汽车转向节热锻成形工艺进行优化。结果表明：使用GRNN神经网络工艺参数优化的汽车转向节锻件，其抗拉强度由优化前的774 MPa提升到786 MPa，成形载荷、磨损量分别由优化前的25.6 MN、120μm降低到23.5MN、115μm，抗拉强度的提升率为1.55%，成形载荷、磨损量的降低率分别为8.2%、4.2%；最佳热锻工艺参数为始锻温度为1260℃、终锻温度为1140℃、模具预热温度为230℃、锻压速度为48 mm/s。

• 单位
  苏州科技大学