基于神经网络与PSO算法的发动机装配工艺参数优化

作者：杨爱平; 唐倩^*; 阳小林; 李苗娟; 柳跃雷; 蔺梦圆; 张鹏辉

来源：现代制造工程, 2022, (02): 105-113.

DOI：10.16731/j.cnki.1671-3133.2022.02.016

• BP神经网络
• 粒子群优化算法
• 工艺参数优化
• 发动机泄漏

针对汽车发动机装配过程中缸体泄漏问题,结合Back Propagation(BP)神经网络及粒子群优化(Particle Swarm Optimization, PSO)算法,提出了一种发动机装配工艺参数优化方法。首先,使用BP神经网络建立了生产工艺参数与质量指标之间的非线性映射关系,并以此作为泄漏率预测模型。其次,根据实际生产需求,应用皮尔逊相关性分析法求解得到相关性最强的部分工位工艺参数,并以其作为后续优化对象。最后,以BP神经网络预测模型作为适应度函数,使用粒子群优化算法求解得到工艺参数的最优值。使用400台发动机的实际生产数据进行试验。试验结果显示,BP神经网络具有较准确的预测效果,结合粒子群优化算法得到了优化后的工艺参数值,显著降低了发动机的泄漏率,具有一定的指导意义。

• 单位
  机械传动国家重点实验室; 重庆大学