基于神经网络的铝合金电器罐体铸造工艺优化

以浇注温度、模具温度、充型压力为输入参数,以抗拉强度、伸长率、硬度为输出参数,构建了3×12×3三层拓扑结构的铝合金电器罐体铸造工艺优化的神经网络模型,并进行了试验验证和生产线应用研究。结果表明,神经网络模型具有较好的预测精度和工艺优化能力,抗拉强度预测的相对误差是4.1%~5.7%,预测平均相对误差为4.9%;伸长率预测的相对误差是3.1%~3.7%,预测平均相对误差为3.4%;硬度预测的相对误差是4.5%~5.4%,预测平均相对误差为4.9%。与神经网络优化前相比,经神经网络优化后的铝合金电器罐体的强度得到了提高。