离合器片锻压工艺的神经网络优化研究.pdfVIP

《热加工工艺》2018年4月第47卷第7期

离合器片锻压工艺的神经网络优化研究

张玲．曹青华

(1．江苏商贸职业学院，江苏南通226000；2．南通大学机械工程学院，江苏南通226000)

摘要：以离合器片材料、模具温度、始锻温度、终锻温度和锻压速度为输入层参数，以磨损性能为输出层参数，采

用不同训练函数构建出5x40x8xl四层结构的离合器片锻压工艺优化神经网络模型。结果表明，当训练函数选用

trainlm、traingd和traingdm函数时，神经网络的相对训练误差分别在2．6％～4．7％、3．1％～5．6％、1．9％～3．4％。以

tramgdm函数作为训练函数的离合器片锻压工艺优化神经网络相对预测误差在2．1％～3．3％，具有较强的预测能力和

较高的预测精度。

关键词：训练函数；锻压工艺优化；神经网络；离合器片；磨损性能；相对训练误差

DOI：10．14158／j．enid．1001-3814．2018．07．039

中图分类号：TG301；TG306文献标识码：A文章编号：1001．3814(2018)07．0151-03

StudyonClutchPlatesForgingProcessOptimizedbyNeuralNetwork

ZHANGLing．CAOQinghua2

(1．JiangsuVocationalCollegeofBusiness，Nantong226000，China；2．SchoolofMechanicalEngnieering，Nantong

University，Nantong226000，Chnia)

Abstract：Takingtheclutchplatematerial，dietemperature，niitialforgingtemperature，finalforgingtemperaturenad

forgingspeedasniputlayerparameters，nadtakingtheabrasionperformnaceashteoutputlayerparameter，theneuralnetwork

model(fourlayerstopologystructureof5x40x8x1)offorgnigprocessoptimizationoftheclutchplatewasbuiltbyusingthe

differenttraninigfunctions．Theresultsshowhtatwhenthetraninigfunctionusestrainlm，rtanigdandtraingdm，hterelative

trainingerrorsoftheneuralnewtorkare2．6％-4．7％，3．1％一5．6％and1．9％-3．4％，respectively．Takingtraingdmfunctionas

traninigfunction，hteneuralnewtorkrelativepredictionerrorofforgingprocessoptimizationforclutchplateis2．1％一3_3％，

whichhassrtongpredictionabili够nadhigapredictionaccuracy．

Keywords：traniingfunction；forgingprocessoptimization；neuralnewtork；clutchplate；weraresistance；relative

trainingerror

离合器作为一种重要的汽车零部件，在确保汽制等方面，关于离合器片成形工艺的研究还较少。离

车整车操作性能和安全性能方面起着重要作用。为合器片是离合器的重要组成部分。

此，离合器的研究吸引了较多科研工作者和工程技我们