基于BP神经网络的前轴锻压工艺优化

作者：张淑华; 王文权

来源：热加工工艺, 2020, 49(19): 115-121.

DOI：10.14158/j.cnki.1001-3814.20190850

• BP神经网络
• 前轴
• 锻压工艺优化
• 磨损性能
• 疲劳性能

以始锻温度、终锻温度、锻压比和前轴材质4个参数作为输入层函数,以耐磨损性能和疲劳性能作为输出层函数,采用4×16×8×2四层拓扑结构构建了前轴锻压工艺的神经网络优化模型,并进行了训练、预测和验证。结果表明,神经网络的耐磨损性能相对训练误差在3.2%～5.7%、疲劳性能相对训练误差在3.2%～5.5%;耐磨损性能的相对预测误差在2.6%～4.2%、平均相对预测误差为3.15%,疲劳性能的相对预测误差在2.6%～4.1%、平均相对预测误差为3.17%。

• 单位
  吉林农业科技学院; 吉林大学