机械筒形件离心铸造工艺的神经网络优化

以浇注温度、旋转速度、离心旋转半径和离心力保持时间为输入层参数,以铸造缺陷等级和抗拉强度为输出层参数,采用4×24×8×2四层拓扑结构构建了机械筒形件离心铸造工艺神经网络优化模型。结果表明:模型经过8886次迭代运算后收敛,训练性能曲线平滑,模型输出的铸造缺陷等级相对预测误差为3.3%~6.7%,平均相对预测误差4.8%;模型输出的抗拉强度相对预测误差为3.0%~5.1%,平均相对预测误差4.3%,具有较强的预测能力、较高的预测精度和较好的实用性。与企业现用工艺相比,采用优化工艺离心铸造的筒形件铸造缺陷从2级变为1级,抗拉强度提高18MPa。