基于BP神经网络的汽车轻合金零部件热处理工艺优化.pdfVIP

《热加工工艺》2017年8月第46卷第18期

基于BP神经网络的汽车轻合金零部件

热处理工艺优化

潘玲．·张强：

(1．重庆工业职业技术学院，重庆401120；2．西南大学材料与能源学部，重庆400715)

摘要：采用5x30x6x2四层拓扑结构，以汽车轻合金零部件、固溶温度、固溶时间、时效温度和时效时间作为输入

层参数，以拉伸性能和冲击性能作为输出层参数，构建了汽车常用轻合金零部件热处理工艺神经网络优化模型．并对该

模型进行了训练、验证及产线应用。结果表明：该神经网络优化模型具有较好的预测能力和精准的预测精度，输出的拉

伸性能和冲击性能平均相对预测误差分别为3．1％和3．2％。热处理工艺神经网络优化。可以明显提高汽车轻合金零部

件的拉伸和冲击性能。

关键词：神经网络；汽车轻合金零部件；热处理工艺；工艺优化

DOI：10．14158／j．cnki．1001-3814．2017．18．055

中图分类号：TG156文献标识码：A文章编号：1001．3814(2017)18．0221．03

OptimizationofHeatTreatmentProcessforAutomotive

LightAlloyPartsBasedonBPNeuralNetwork

PANLing．ZHANGQiang2

(1．ChongqingIndustryPolytechnicCollege，Chongqing401120，China；2．DepartmentofMaterialsandEnergy，Southwest

University，Chongqing400715，China)

Abstract：Theneuralnetworkoptimizationmodelofheattreatmentprocessforautomotivelightalloypartswasbuilt

withfourlayersof5x30x6x2wihtautomotivelightalloyparts，solidsolutiontemperature，solidsolutiontime，agnig

temperatureandagingtimeasinpmparameters，nadwithtensilepropertyandimpactpropertyasoutputparameters．Andhte

modelwasrtanied，verifiednadusedonlnie．Theresutlsshowthattheneuralnewtorkoptimizationmodeliswihtgood

predictionabiliytnadhihgprecision，nadhteaveragerelativepredictionerroroftensilenadimpactpropertyis3．1％nad3．2％，

respectively．ThetensilenadmipactpropertyofautomotivelightalloypartsCnabemrakedlymiproveafterheatrteatment

processoptmiizationbasedonhteneuralnetworkmode1．

Keywords：neuralnewtork；automotivelihgtalloypart；heatrteatmentprocess；processoptmiization

近年来，随着汽车工业的快速发展，能耗、环境污和镁合金，被广泛应用于制造汽车连杆、活塞、上下

染和安全性等问题越发紧迫。为解决汽车工业三大问摆臂、车架、车轮、壳体、架类等零部件[5-6]。我国是轻

题，汽车正朝着节能减排、轻量化和高安全性的可持