基于神经网络算法的半连续铸造铝合金管坯的工艺优化.pdfVIP

HotWorkingTechnology2018，Vo1．47，No．3

基于神经网络算法的半连续铸造铝合金

管坯的工艺优化

刘长江

(温州职业技术学院，浙江温州325035)

摘要：以铸造温度、铸造速度、模具温度和冷却水压为输入层神经单元，以抗拉强度为输出层神经单元，采用4x

24x6xl四层拓扑结构构建了铝合金管坯半连续铸造_丁艺优化神经网络模型。并进行了训练和验证。结果表明，神经网

络模型的平均相对训练误差为2．7％，平均相对预测误差为2．8％，具有较强的预测能力和较高预测精度。

关键词：半连续铸造；铸造工艺优化；神经网络算法；铝合金管坯；抗拉强度

DoI：10．14158j／．cnki．1001—3814．2018．03．024

中图分类号：TG292；TG249．7文献标识码：A文章编号：1001-3814(2018)03—0098—03

ProcessOptimizationofSemi-continuousCastingAluminumAlloyTubeBlank

BasedonNeuralNetworkAlgorithm

LIUChangjiang

(WenzhouVocationalTechnicalCollege，Wenzhou325035，China)

Abstract：Takingcastingtemperature，castingspeed，dietemperatureandcoolingwaterpressureasinputlayerneural

unitsandtaknigtensilesrtengthasoutputlayerneuralunit，theneuralnetworkmodelforsemi—contniuouscastingprocess

optimizationofaluminumalloytubeblankwasbuiltbyusingofurlayerstopologywiht4x24x6x1．Trainingandverification

werealsocarriedout．Theresultsshowthatthea,~eragerelativetrainingandpredictionerroroftheneuralnewtorkmodelis

2．7％and2．8％respectively。whichhassrtongpredictionabilitynadhighpredictionaccuracy．

Keywords：semi--continuouscasting；castingprocessoptimization；neuralnewtorkalgorihtm；almuinumalloytube

blank；tensilestrength

在各行业轻量化不断推进的今天，密度较小、耐尤其适用于引入神经网络技术来进行工艺优化。神

腐蚀较好的铝合金管得到了广泛的应用，也吸引了经网络技术目前在性能预测、工艺优化和模拟分析

业界的关注。李恒等1【】分析了6061．T4薄壁铝合金等方面得到了成功应用。但是，关于铝合金管的半连

管在数控弯曲过程中的回弹规律。杨银等2[]用试验续铸造工艺神经网络优化还鲜有报道【”。为此，本

方法研究了铝合金矩形管绕弯件的尺寸精度。周书文采用神经网络算法进行了半连续铸造铝合金管坯

辉等，【】研究和分析了不同圆角过渡的3A21铝合金的工艺优化研究。为铝合金管坯的半连续铸造工艺

矩形管的弯曲壁厚变化以及损伤情况。刘文等4[]采改进提供参考。

用椭圆