基于神经网络算法的LCDs模组强度提升研究

针对超轻薄窄边框笔电显示模组强度不足导致的破片问题,提出一种基于神经网络的模组强度预测模型,旨在设计阶段评估LCDs模组强度表现,并指导系统设计。首先,基于系统组装受力分析,建立模组强度单体评价标准和实验平台;其次,基于有限元力学仿真,研究不同设计对模组强度的影响规律,确认模组强度关键影响因子;然后,基于单因子交叉实验研究,并通过神经网络算法对数据进行训练学习,建立模组强度预测模型。实验值与预测值对比表明,该模型可准确预测不同设计条件下的模组强度,为前期的强度优化和系统设计提供有效技术指导。

丝杠硬态旋铣工艺的多目标参数优化

为了进行丝杠硬态旋风铣削下工艺能耗与工艺性能协同优化研究,提出一种同时考虑切削比能、表面粗糙度和表层残余应力的多目标优化方法。基于Box-Behnken试验设计,采用响应曲面法对丝杠硬态旋铣的切削比能、表面粗糙度和表层残余应力进行建模,进一步构建了以丝杠硬态旋铣工艺参数为变量、以低能耗和高性能为优化目标的多目标优化模型。采用改进型非支配排序遗传算法对该模型进行求解,并通过试验数据和优化结果的比较论证了本文优化方法的有效性。