基于MATLAB的材料加工参数反求及优化专家系统的开发SIT项目申请答辩.pptVIP

SIT项目申请答辩 姓名：xxxxxxxxxxxxxxxxx 学院：材料科学与工程学院 班级：材料成型及控制工程三班 基于MATLAB的材料加工参数反求及优化专家系统的开发 xxx：来自材型三班，现任学习部副部长，学习成绩优秀，勤于钻研，大一学年专业成绩加权第一，曾获国家奖学金，校“三好学生”，校“挑战杯”优胜奖等。 xxx：来自材型三班，学习成绩优秀，性格开朗、热情，勤于思考，擅于分析，具有很好的团队合作精神。人生信条：潜能无极限，失败无借口。 xxx：来自材型三班，现任班长，学习成绩优秀，具有较强的独立思考、分析问题能力和很好的团队合作精神，同时具有很好的动手实践能力。曾获单项奖学金，校“挑战杯”优胜奖，参加过全国HONDA节能赛车的设计等。 小组成员介绍 基于MATLAB的材料加工参数反求及优化专家系统的开发 研究背景 数值模拟软件的发展应用和成熟 材料加工过程的复杂性 材料参数的非线性 传统的工艺设计是采用试错法，成本高效率低 传统优化技术优化效率低，局部收敛 国内外学者虽对神经网络、遗传算法开始了广泛的应用研究。但在材料加工方面尚不成熟 研究现状 Prasad 等人采用了MELTFLOW模拟软件对某一压铸件进行了模拟分析，并获得了在不同的金属液温度、模具温度、铸件重量和注射压力下的时间充型时间，借助与MATLAB的神经网络工具箱对获得的模拟数据进行了训练处理，从而可对不同工艺参数下的充型时间大小进行预测和优化。 王蓓等介绍了一种基于CAE把正交试验设计方法和神经网络结合使用的注塑成型工艺优化，并对其可行性进行了验证，表明这种方法可实现对压力最大值的预测和优化。 郑生荣等应用神经网络技术建立了注塑工艺快速预测的双层BP网络模型，利用CAE软件进行模拟，获取样本，采用Matlab对网络的训练及参数预测过程进行求解，并通过和模拟结果进行比较，表明了人工神经网络技术在注塑参数值的快速预测的可行性。 董俊等建立了该进BP神经网络技术、数值仿真和遗传算法相结合的铝型挤压模工作带长度优化模型，给出了模型实现和求解的完整过程。 针对铸造过程，贵刚等人先利用铸造充型过程数值仿真软件，通过数值计算获得有关工艺参数仿真结果，然后将其作为样本数据，从而获得合适工艺参数组合。 相关概念 人工神经网络（Artificial Neutral Network，简称ANN）是国际上从上世纪80年代中期以来迅速发展和崛起的一个新兴研究领域。 BP神经网络结构图 相关概念 开始 参数初始化 产生初始群体 计算目标函数值及适应值 选择 杂交 变异 收敛？ NO 结束 YES 遗传算法(GeneticAlgorithm，简称GA)，是模拟达尔文遗传选择和自然淘汰生物进化过程的计算模型，它是由美国Michigan大学的J．Holland教授于1975年提出的。 遗传算法流程图 研究意义 将数据模拟仿真结果作为样本数据，采用神经网络人工智能技术结合遗传算法寻优对其训练，进行预测和优化，提出合理方案。这样，就不需要进行反复多次的实际试验而达到优化目的，可以大大缩短产品设计周期，提高产品质量，对材料加工领域的设计制造过程都具有重要意义。 基于MATLAB开发神经网络设计系统，将神经网络设计理论融入到材料加工工艺过程中，利用模拟结果实现对工艺过程参数的预测、诊断和优化，并在此基础上初步实现基于模拟结果反馈的设计优化思路。现代人工智能设计方法引入到材料加工工艺设计领域中的系统，不仅充分利用了数值模拟的结果，大大提高了数值模拟的效率，降低了使用者对神经网络工具使用的要求，而且神经网络技术同传统的材料加工工艺过程相结合，实现工艺参数优化设计，具有理论应用价值和一定学术意义。 研究方案 如何不断提高材料加工过程数值模拟的效益是多年来铸造研究人员努力尝试达到的目标。本课题试图探索一条新的材料加工过程数值模拟优化途径。利用数值模拟软件ProCast对工件数值模拟优化设计，再借助数值模拟的结果，结合神经网络设计方法，并用遗传算法寻优，基于MATLAB软件平台，建立一个通用的应用平台，专门解决材料加工的中的工艺预测、工艺参数优化及材料参数反求的的应用系统。 研究的展开思路和框架 确定优化参数、优化目标 正交设计实验 结果处理、数据提取 基于MATLAB建立BP神经网络 确定合理的工艺约束 建立适当的优化目标 遗传算法寻优 数值模拟及实验验证证 工艺参数确定 预期成果 解决BP神经网络结构不稳定性，用遗传算法优化神经网络结构。 建立一个稳定的BP神经网络，并用遗传算法寻求最优工艺参数。 应用建立的优化设计系统解决一至两个实际铸造工艺中的问题。 预期成果 谢 谢 ！ .