基于BP神经网络算法的喷头锻压工艺优化.pdfVIP

《热加工工艺》2018年3月第47卷第5期

基于BP神经网络算法的喷头锻压工艺优化

刘少坤-，耿辉建2，黎明

(1．河北工业职业技术学院，河北石家庄050091；2．河北经贸大学，河北石家庄050061；3．河北工业大学能源与环境

工程学院，天津300401)

摘要：以喷头材质、模具预热温度、始锻温度、终锻温度和锻压速度作为输入层参数，以磨损性能作为输出层参

数，采用BP神经网络算法构建了5x20x4xl四层拓扑结构的喷头锻压工艺优化BP神经网络模型。经过训练和预测验

证，神经网络模型的相对训练误差低于5％，相对预测误差低于5．5％，具有较佳的预测能力和预测精度。

关键词：BP神经网络；锻造工艺优化；喷头材质；磨损性能

DOI：10．14158／j．cnki．1001—3814．2018．05．039

中图分类号：TG301文献标识码：A文章编号：1001．3814(2018)05．0153．03

OptimizationofNozzleForgingProcessBasedonBPNeuralNetworkAlgorithm

LIUShaokun，‘GENGHuijian，LIMing~

(1．HebeiCollegeofIndustryandTechnology，Shijiazhuang050091，China；2．HebeiUniversityofEconomicsandBusiness，

Shijiazhuang050061，China；3．SchoolofEnergyandEnv~omentalEngineering，HebeiUniversityofTechnoloyg，Tianjin

300401，China)

Abstract：Takingthenozzlematerial，diepreheatingtemperature，initialforgingtemperature，finalforgingtemperature

andforgingspeedasinputlayerparameters，andtakinghteabrasionperformnaceastheoutputlayerparameter,BPneural

networkmodelofforgingprocessoptimizationofhtenozzlewasbuiltbyusingtheBPneuralnetworkarithmeticwihtfour

layerstopologystructureof5x20×4x1．Throughtrainingnadpredictionverification．therelativetrainingerrorofneural

newtorkmodelislessthan5％，nadhterelativepredictionerrorislessthan5．5％，whichhasbeRerpredictionabiliytand

predictionaccuracy。

Keywords：BPneuralnewtork；forgingprocessoptimization；nozzlematerial；wearresistance

作为喷淋、喷砂、喷油以及喷雾等设备的关键零张思源等s【】建立了IF钢铝耗的BP神经网络预测

件。喷头的成形和性能备受关注，也吸引了人们的研模型。曾小华等6[]采用遗传算法对BP神经网络侧翻

究兴趣。唐青等[1]研究了高速气流条件下标准扇形和预警算法进行了优化研究。修辉平等基于Moldflow

空气诱导两种喷头的雾化特性。周良梁和余永刚脚分和BP神经网络方法对薄壳注塑件进行了预测分

析了喷头运动对水下气幕生成特性的影响规律。常析。孙宪萍等[8]采用BP神经网络与遗传算法对温挤

家庆等3【】研究了圆管式压电喷头的液体