反求铝合金淬火边界条件的序列LM梯度算法

准确获取边界条件在淬火仿真中至关重要。为此,根据瞬态热传导模型,利用正则化方法建立反求热通量的目标函数,结合序列函数指定法与LM梯度法,通过最小化目标函数推导出序列LM梯度算法,实现末端淬火实验中热通量的迭代计算。其次,通过训练观测点的平均绝对误差的“3-7-3”神经网络预测模型,建立了序列LM梯度算法关键参数的遗传算法优化方法。最后,以换热系数为边界条件建立淬火仿真模型。结果表明:在相同淬火时间内,一维序列LM梯度算法、一点法和两点法,在观测点的仿真温度平均相对误差分别为5.6%、5.9%、12.6%,17.1%、15.4%、15.3%和17.7%、16.0%、15.6%。因此,与一点法、两点法相比,序列LM梯度算法具有更高的精度。