基于随机聚焦搜索算法的冲压成形工艺优化

针对板料冲压成形工艺优化问题,研究了一种群集智能算法。该方法通过正交实验与数字化仿真技术相结合获取神经网络的学习样本,利用反向传播神经网络构建随机聚焦搜索算法的目标函数模型。在此模型基础上,应用随机聚焦搜索算法对板料冲压成形的工艺参数进行优化。以深盒形件为例,将优化后的工艺参数输入eta/DYNAFORM仿真模型进行验证,结果表明该算法可获得较好的成形质量。为了进一步验证随机聚焦搜索算法在执行效率及寻优的全局搜索方面的优越性,与遗传算法的优化结果进行对比分析,说明随机聚焦搜索在板料冲压成形工艺参数优化方面是一种较好的优化算法。

基于遗传算法和神经网络的曲面零件拉伸类翻边研究

利用遗传算法和BP神经网络建立曲面零件拉伸类翻边的计算模型,该模型可代替系统原来的有限元模型,提高了优化过程的效率。首先通过分析曲面零件拉伸类翻边的变形特点,找出影响其成形极限的主要因素,并利用正交试验法和有限元技术确定神经网络训练样本,同时得到了上述因素对翻边结束后板料最大变薄率的影响规律和影响重要程度,最后利用遗传算法的神经网络构建了主要影响因素对零件最大变薄率的响应面,并得到使翻边成形性能最优的设计参数组合。

基于BP神经网络的注塑成型翘曲分析及工艺优化

首先通过成型窗口得到基本的成型工艺参数,经正交优化,设计出合理的工艺参数组合。其次通过moldflow软件,研究了不同工艺参数组合对电连接器孔盖板翘曲变形量的影响,经极差分析,确定了各工艺参数对翘曲变形量影响的敏感性。然后根据优化所得的最佳工艺参数制得合格的注塑件。最后基于设计和训练的BP神经网络模型,对翘曲变形量进行预测,并与仿真结果进行比较,具有良好的一致性。

塑件质量的BP神经网络智能控制研究

设计了一个多输入多输出的BP神经网络程序,依据正交试验设计训练样本,实现了注射成型产品多质量目标的高精度预测;应用质量控制环和工艺控制环构建的注射成型自适应控制系统可实现对产品质量的自适应调整,提高了实际生产效率,降低了废品率。

正交试验联合反向传播人工神经网络优选熄风止动颗粒提取工艺

目的:优选熄风止动颗粒的提取工艺。方法:采用正交试验联合反向传播人工神经网络(BP-ANN)的方法,以天麻素含量与干膏率的综合评分为指标,对熄风止动颗粒提取工艺的加水量、提取次数及提取时间进行优化,最终确定最佳提取工艺。结果:筛选得到最佳提取工艺为处方量药材加水浸泡1 h后,回流提取2次,第1次提取加水14.4倍量(按干药材质量计),第2次提取加水11倍量,每次提取75 min。结论:正交试验联合BP-ANN优选出的提取工艺提取效率高、能耗低、稳定可靠,可为熄风止动颗粒的工业化生产提供实验依据。

塑料旋钮注射成型工艺优化

研究对象为塑料旋钮,以翘曲变形量和体积收缩率为优化目标并设计正交实验,选取模具温度、熔体温度、注射时间、保压压力和保压时间为影响因素。运用Moldflow软件进行仿真,得到翘曲优化的最佳组合。针对正交实验优化对体积收缩不敏感的情况,采用BP神经网络训练后进行二次寻优。对比Moldflow仿真结果满足工程精度,得到同时满足最佳翘曲和最小体积收缩率的最佳优化组合参数。结合正交实验和BP神经网络预测的方法减少了运算时间提高了分析效率。

柔性机翼承载能力的试验与预测

对柔性机翼进行了承载能力的试验及预测研究,首先对柔性机翼的翼型结构进行建模,并对充气机翼的结构进行了分析和优化;其次应用正交试法确定出影响柔性机翼承载能力的主要影响因素,以优化后的结果建立实物模型和主要影响因素为变量进行试验;最后以大量的试验数据为训练样本建立改进的神经网络模型,并进行承载能力预测.试验与预测结果对比研究表明:在初始阶段,柔性机翼在压强一定时,载荷与挠度近似呈线性关系;在同一气压值下,载荷增加到一定值时,载荷与挠度的关系曲线呈近似线性关系,而是斜率突然减小;神经网络测试值和试验实测值最大相对误差与标准方差只有12%和0.39%,人工神经网络解析方法可以用于对充气机翼抗弯刚度的分析.

基于正交试验法的神经网络优化设计

运用正交试验法,以三层前向型神经网络为例,对神经网络的训练样本、权值和阀值、训练参数的选择进行分析和研究。在此基础上,提出一种基于正交试验法的神经网络优化设计方法。研究结果表明,正交试验法对于神经网络模型的确定具有很好的效果,是一种既直观易行又客观科学的方法。

基于BAS-GA-BP神经网络结合熵权法多指标优化风引汤提取工艺

通过正交试验和天牛须搜索算法(beetle antennae search,BAS)-遗传算法(genetic algorithm,GA)-BP神经网络(back propagation neural network,BPNN)多指标优化风引汤的提取工艺参数。在单因素考察的基础上,以提取温度、乙醇体积、提取时间、乙醇浓度作为正交试验考察因素,运用熵权法计算芦荟大黄素、甘草酸铵、大黄酸、大黄素、大黄酚、大黄素甲醚、桂皮醛、6-姜酚、浸膏得率及指纹图谱相似度的综合得分,再建立BAS-BP神经网络模型,以遗传算法进行寻优,预测最佳提取工艺。结果显示,BAS-BP神经网络优化得到风引汤醇提工艺为提取温度87℃,加9倍75%乙醇,提取47 min,综合得分为1.0529;正交设计所得最佳工艺参数为提取温度80℃,加10倍量75%乙醇,提取30 min,综合得分为1.0037;BAS-BP神经网络模型所得工艺的综合评分略优于正交试验,说明其优化所得工艺更加理想,故最终确定为风引汤最佳提取工艺。基于BAS-GA-BP神经网络优选所得工艺提取效率高、稳定性良好,为风引汤后续开发及质量控制提供参考。