锻造工艺参数对机械油泵轴高低温性能的影响

采用不同的始锻温度、终锻温度和锻造变形量进行了SKH-51高速钢机械油泵轴的锻造,并进行了低温冲击性能和高温磨损性能的测试与分析。结果表明：随始锻温度从1060℃增加到1160℃、终锻温度从860℃增加到920℃、锻造变形量从7%增加到15%,机械油泵轴的低温冲击性能和高温磨损性能均先提高后下降。机械油泵轴的始锻温度、终锻温度和锻造变形量分别优选为1120℃、880℃和13%。

机械油泵轴锻压工艺的正则化递归ESN网络优化

为了提高机械油泵轴的耐磨性、减少油泵轴工作过程中的磨损量,提出了基于L1正则化递归最小二乘ESN网络的锻压工艺优化方法。分析了油泵轴的生产工艺流程和磨损实验方法。以回声状态网络为基础,为了解决训练过程中动态储备池中大量无关特征问题,将L1范数正则化约束加入到算法中,使ESN网络对特征具有自主选择能力,实现动态储备池中特征稀疏性,解决ESN网络计算量大和过拟合问题;使用递归最小二乘法优化输出权值矩阵,可以实时接受新样本对模型精度的训练和提高,综合以上两点创新,提出了L1RLS-ESN网络模型。将L1RLS-ESN网络应用于油泵轴磨损量的拟合与预测,得到了磨损量最小的对应锻压工艺。将模型优化的锻压工艺和实际锻压工艺进行对比,模型优化工艺锻压的泵轴磨损量比实际锻压工艺减少了约2倍。

基于神经网络的机械油泵轴锻造工艺优化

为了优化机械油泵轴锻造工艺,提升机械油泵轴的综合性能,基于5×25×1三层拓扑结构,以坯料加热温度、始锻温度、终锻温度、模具预热温度和锻造变形量为5个输入参数,以磨损性能为输出参数,以tansig函数为传递函数,构建了机械油泵轴锻造工艺神经网络优化模型,并进行了神经网络模型的训练、预测与验证。结果表明该模型平均相对训练误差为3.2%,相对预测误差低于5%,具有较高预测精度和较强预测能力。与生产线现用工艺相比,采用模型优化工艺锻造的SKH-51高速钢机械油泵轴的磨损体积减小了51.9%,磨损性能得到明显提高。