基于神经网络的6系铝合金接头锻压工艺优化.pdfVIP

《热加工Y．-艺》2017年9月第46卷第17期

基于神经网络的6系铝合金接头锻压工艺优化

籍宇

f河北机电职业技术学院，河北邢台054000)

摘要：采用5x30x6xl的四层拓扑结构，以铝合金牌号、模具预热温度、始锻温度、终锻温度、锻压速度作为输入层

参数，以抗拉强度作为输出层参数，构建了6系铝合金接头锻压工艺神经网络模型，并对其进行了训练、预测和验证。结

果表明，模型预测性强，精度性较高，平均相对预测误差值仅为3．3％。和生产线传统用工艺锻压的试样抗拉强度相比，

运用神经网络模型优化工艺锻压的试样抗拉强度增大了16％，拉伸性能得到了显著的提高。

关键词：神经网络；铝合金接头；锻压工艺优化；拉伸性能

DOI：10．14158／j．cnk1．1001-3814．2017．17．047

中图分类号：TG301文献标识码：A文章编号：1001-3814(2017)17—0177—03

ForgingProcessOptimizationof6SeriesAluminumAlloyJoints

BasedonNeuralNetwork

JIYu

(HebeiInstituteofMechanicalandElectricalTechnology,Xingtai054000，China)

Abstract：Taknigaluminumalloygrades，diepreheatingtemperature，initialforgingtemperature，finishforging

temperatureandforgingspeedastheparametersofinputlayer,nadtaknightetensilestrengthasthepramaetersofoutput

layer,hteforgnigprocessneuralnetworkmodelof6seriesalmuinmualloyjointswasbuiltbyfourlayerstopoloygstructureof

5x30x6x1．Andthemodelwasrtanied，forecastednadverified．Theresultsshowhtathtemodelhassrtongpredictabilityand

hi曲accuracy,andhteaveragerelativepredictionelTOlisonly3．3％．Comparedwiththetensilesrtengthofsamplesproduced

byusnigrtaditionalforgnigprocess，htetensilesrtengthofhtesmaplesforgedbyusingneuralnetworkmodeloptimization

processisincreasedby16％，andthetensilepropertiesalesignificantlyimproved．

Keywords：neuralnetwork；almuinumalloyjoint；forgingprocessoptimization；tensileproperty

近年来，由于铝合金具有密度低、塑性好、强度外铝合金锻压工艺还有一定差距[5】。因此，对铝合金

高、导热性好且抗蚀性强等独特的优势，所以在工业锻压工艺展开深入的研究显得迫切而紧要。随着科

上得到了广泛的应用。其应用范围已经扩大到了汽技不断的革新与发展，一种新型的人工智能技术诞

车、交通、航空航天等Et常生活的各个领域[1]。在众生了。即神经网络技术。这种新型的人工智能技术能

多类型的铝合金中，6系铝合