基于神经网络的铝合金汽车轮毂低压铸造工艺优化.docxVIP

《热加工工艺》2020年2月第49卷第3期

基于神经网络的铝合金汽车轮毂低压铸造工艺优化

于文涛1,张思祥2

(1.天津职业大学汽车工程学院,天津300410;2.河北工业大学机械工程学院,天津300401)

摘要：以浇注温度、模具初始温度、浇注速度、铸造压力、浇注方式作为输入层函数，以力学性能作为输出层函数，采用5×30×1的三层拓扑结构构建了铝合金汽车轮毂低压铸造工艺神经网络优化模型，并对其进行了训练、预测验证和产线应用。结果表明，铝合金汽车轮毂低压铸造工艺神经网络优化模型具有较强的预测能力，精度较高，相对预测误差2.87%～4.31%，平均相对误差值为3.48%。神经网络优化工艺使试样的抗拉强度、屈服强度比产线原工艺分别增大了7.1%和6.9%，力学性能得到了显著提升。

关键词：汽车轮毂；铝合金；神经网络；低压铸造工艺；力学性能DOI:10.14158/j.cnki.1001-3814.中图分类号：TG249.2 文献标识码：A 文章编号：1001-3814(2020)03-0089-03

OptimizationofLowPressureCastingTechnologyforAluminumAlloyWheelHubBasedonNeuralNetworkYUWentao1,ZHANGSixiang2

(1.SchoolofAutomotiveEngineering,TianjinVocationalInstitute,Tianjin300410,China;2.SchoolofMechanicalEngineering,HebeiUniversityofTechnology,Tianjin300401,China)

Abstract：Takingpouringtemperature,initialmouldtemperature,pouringspeed,castingpressureandpouringmodeasinputlayerfunctionandmechanicalpropertiesasoutputlayerfunction,theneuralnetworkoptimizationmodeloflowpressurecastingprocessforaluminumalloywheelhubwasconstructedbyusingathree-layertopologystructureof5×30×1.Anditstraining,predictiveverificationandproductionlineapplicationwerecarriedout.Theresultsshowthattheneuralnetworkoptimizationmodeloflowpressurecastingprocessforaluminumalloyautomobilehubhasstrongpredictionabilityandhighaccuracy.Therelativeforecasterroris2.87%-4.31%,andtheaveragerelativeerroris3.48%.Comparedwiththoseoftheoriginalprocessparametersoftheproductionline,thetensilestrengthandyieldstrengthofaluminumalloyautomobilehubsamplesprocessedbylowpressurecastingwiththeneuralnetworkmodelareincreasedby7.1%and6.9%respectively,andthemechanicalpropertiesareimprovedsignificantly.

Keywords：automobilehub;aluminiumalloy;neuralnetwork;lowpressurecastingprocess;mechanicalproperties

轮毂是汽车受力零部件，它承受着整个车身的质量，对汽车的安全性起