压力铸造充型过程多工艺参数的优化选择3.pdfVIP

第 21 卷第 4 期 中 国 科 学 院 研 究 生 院 学 报 Vol . 21 No . 4 2004 年 10 月 Journal of the Graduate School of the Chinese Academy of Sciences October 　2004 ( ) 文章编号 :1002 —1175 2004 　简 报 压力铸造充型过程多工艺参数的优化选择 贵 　刚1 ,2 　于 　军1 ,2 　苏丽杰1 ,2 　聂义勇1 ( 1 中国科学院沈阳自动化研究所 , 沈阳 110016 ; 2 中国科学院研究生院 , 北京 100039) (2003 年 6 月 27 日收稿 ; 2003 年 10 月 15 日收修改稿) 摘 　要 　首先建立一个多维参数优化模型 , 即 2 个 目标函数 ,多个工艺参数. 在不能得到其理 论解的时候 ,采用神经网络与遗传算法相结合的方法 ,求解该复杂优化模型的近似解. 即先利 用铸造充型过程数值仿真软件 ,通过数值计算获得一些有关工艺参数的仿真结果 ;然后将数值 ( 实验结果作为样本数据 ,运用LM 算法训练神经网络 ,建立起 目标函数值 充型时间和充型结 ) ( ) 束时型腔内最高温度与最低温度之差 和输入参数 多个工艺参数 之间的函数关系 ,进而使用 遗传算法寻优 ,从而得到最合适的浇铸参数组合. 关键词 　压力铸造 ,神经网络 ,遗传算法 ,插值 中图分类号 　TP39 1 　引言 近年来 ,精密铸造技术因为工序少 、成本低 、工期短等优点 ,得到企业的大力推崇. 充型过程中的流 场控制是压铸过程的重要环节 ,通过压铸充型过程速度场 、温度场的数值仿真 ,能够较准确地表达压铸 充型过程的流动和传热 , 由此预测可能产生的欠浇注 、冷隔等缺陷 , 以及这些缺陷可能发生的位置 ,进而 采取相应措施加以弥补. 金属液在金属型腔内流动时伴随着大量的热量散失 ,从而导致流体前沿温度的明显下降 , 同时金属 液的流动特性也发生明显的变化. 因此 ,为了更准确地模拟充型过程的流动 ,在计算充型过程时 ,也同时 进行传热计算. 以往的文献中 ,较多的学者把模具的初始温度设置为室温 ,研究的只是一次充型过程中 [ 1] 的充型以及传热 . 可是生产实际中 ,压力铸造往往是一个连续铸造的过程 ,经过多次连续浇铸后 ,模具 的温度才基本稳定. 因此本文模具的初始温度场设置为 200 —240 ℃. 本文建立了压力铸造充型过程参数优化的模型 ,即带有偏微分约束的优化问题 ,本文结合数值仿真结 果 ,运用神经网络和遗传算法求解该复杂问题. 这些优化参数对实际生产中模具设计具有重要指导意义. 2 　建立优化模型 考虑带初边值偏微分方程组约束的参数优化设计问题[2 ] ,如果各个参数之间相互独立 ,那么只需把 其中一个参数作为控制变量 ,其他参数作为常量 ,计算得到该参数的最优值 ,然后再对其他参数做类似 的优化计算即可. 然而 ,参数之间往往不是完全独立的 ,它们之间相互作用 、相互影响 ,从而使得原本复 杂的问题变得更加难于求解. 我们先给出压力铸造充型过程设计参数优化模型. ( ) 辽宁省自然科学基金项 目 972020 资助 Email : gui . gang @tom. com ; nyy @sia . ac . cn 第 4 期 贵 　刚 ,等 :压力铸造充型过程工艺参数的优化选择 　　533 21 　目标函数 铸造金属薄壁构