基于神经网络的新型镁合金锻压工艺优化.pdfVIP

HotWorkingTechnology2021,V〇1.50,No.3

基于神经网络的新型镁合金锻压工艺优化

田云霞s高燕2,林海霞1

(1.河北工程技术学院信息技术学院，河北石家庄050091;2.石家庄科技信息职业学院，河北石家庄050091)

摘要：以始锻温度、终锻温度、模具预热温度和变形速度作为输入层神经元，并以力学性能（抗拉强度）作为输出

层参数，构建了4x24x1三层拓扑结构的汽车用新型镁合金锻压工艺的神经网络模型，并对该模型进行了预测和验证。

结果表明，采用traingd函数、traingda函数、trainlm函数的镁合金锻压工艺的神经网络模型的平均相对训练误差分别为

4.51%、4.58%、3.65%。对于选择11^匕丨111函数的模型进行了样本验证，结果是平均相对预测误差为4.02%。该模型预测能

力强、预测精度高。AZ80-0.3Ti镁合金的锻压工艺优选为：始锻温度39CTC,终锻温度280°C,模具预热温度260°C,变形

速度6.5mm/s。

关键词：神经网络；新型镁合金；锻压工艺；传递函数；力学性能

DOI:10.14158/j.cnki.1001-3814.

中图分类号：TG319文献标识码:A文章编号：1001-3814(2021)3-0092-03

ForgingProcessOptimizationofNewMagnesiumAlloyBasedonNeuralNetwork

TIANYunxia1,GAOYan2,LINHaixia1

(1.SchoolofInformationTechnology,HebeiPolytechnicInstitute,Shijiazhuang050091,China;2.ShijiazhuangVocational

CollegeofTechnologyInformation,Shijiazhuang050091,China)

AbstractTakingtheinitialforgingtemperature,finalforgingtemperature,diepreheatingtemperatureanddeformation：

speedastheinputlayerneurons,andtakingthemechanicalproperties(tensilestrength)astheoutputlayerparameters,the

neuralnetworkmodelofanewmagnesiumalloyforgingprocesswith4x24x1three-layertopologywasconstructed.The

modelwaspredictedandverified.Theresultsshowthattheaveragerelativetrainingerroroftheneuralnetworkmodelforthe

magnesiumalloyforgingprocessusingthetradingdfunction,thetradingdafunctionandthetrainlmfunctionis4.51%,4.58%

and3.65%,respectively.Thesampleverificationwascarriedoutforthemodelus