混合聚类RBF神经网络焊接接头力学性能预测

构建混合聚类算法,与伪逆法结合建立RBF神经网络模型预测焊接接头力学性能.以TC4钛合金TIG焊接试验为基础,将焊接参数作为模型输入,焊后接头力学性能作为模型输出.通过仿真,该模型预测平均相对误差范围为1.74%~6.69%,具有较高的预测精度、适应性和泛化能力,能够预测焊接接头力学性能.采用数学解析对所建模型分解,得到焊接工艺参数与接头力学性能之间映射关系的函数表达式,可优化焊接工艺参数.利用焊接专业知识对模型的径向基单元参数进行调整,提高了模型的预测精度,为将焊接专家知识融入RBF神经网络模型开辟了新方法与途径.

利用模糊神经网络技术预测焊接接头力学性能

探讨一种自适应模糊神经网络(adaptive fuzzy neural networks,ANFIS)预测焊接接头力学性能的方法。通过测定TC4钛合金TIG焊接头的抗拉强度、抗弯强度和延伸率,结合焊接工艺参数建立了用于焊接接头力学性能预测的自适应模糊神经网络模型。利用该模型,并使用BP算法和BP算法与最小二乘相结合的混合算法,采用不同的输入变量隶属度函数、模糊子集数、迭代次数,对焊接接头力学性能进行了ANFIS仿真。结果表明,当采用混合算法,且模糊子集数为3时,网络训练和预测结果平均误差均远小于7%,能够满足实际生产的要求。使用MATLAB和Visual C++混合编程开发了基于ANFIS焊接接头力学性能预测软件,可根据焊接工艺参数对焊接接头的抗拉强度、抗弯强度和延伸率等力学性能进行较为准确地预测,为焊接接头的质量预测与控制提供了一条简捷、有效的新途径。

游动芯头拉拔模具受力和温度分布的数值模拟

本文采用非线性有限元软件对铜管游动芯头拉拔工艺进行了数值模拟和分析研究,得出了铜管与模具接触面的法向力和摩擦力的分布规律;拉拔过程中的温度分布;从而推断出游动芯头发生粘铜和局部崩裂的主要原因.

游动芯头拉拔模具锥角优化的数值模拟

采用非线性有限元软件对铜管游动芯头拉拔工艺中不同配合锥角的模具受力情况和铜管表面的受力情况进行了数值模拟和分析,推断企业目前使用的模具锥角配合是否合理,以分析当前模具锥角配合是否为影响模具寿命的主要原因。

RP及RT技术的原理、方法和应用

从快速制造小批量产品样件和快速制造模具(以及模型和加工工具)方面,阐述了RP及RT技术在材料成形领域中的应用,内容涉及RP及RT技术的原理、方法和五种实用系统的工作过程和适用范围,以及快速原型制造技术在模具制造中的应用。