基于SGPLVM的齿轮坯预锻件多目标优化设计

在锻造齿轮坯的生产过程中,齿轮坯预锻件的设计质量优劣将会直接影响到终锻时金属的流动、锻模型腔的充满、锻件的质量和模具的寿命等方面。首先建立了预锻件外形尺寸和终锻时最大成形力、终锻时最大模具应力三者之间的极限学习机(ELM)网络模型,然后利用监督高斯过程隐变量模型(SGPLVM)算法,将输入变量降维成低维空间中对应的隐变量,通过隐变量和输出变量之间的关系,利用GA遗传算法多目标优化去计算最佳的预锻件的尺寸。结果表明:当终锻最大成形力和终锻最大模具应力均最小时,预锻件尺寸最优。

GA-ELM混合算法预测齿轮坯终锻成形及预锻件优化

多工位锻造齿轮坯的生产过程中,如何设计齿轮坯预锻件将直接影响到终锻件的金属流动、模具型腔的充满、锻件的质量以及模具的寿命。文中首先利用极限学习机ELM网络学习效率高、泛化能力强、预测精度高的特点,在预锻件尺寸、终锻成形力和终锻模具应力之间建立ELM网络模型,并使用遗传算法的全局寻优功能去优化ELM网络以便提高其预测精度和稳定性,这样得到的预锻件使终锻模具的受力大小合理,确定了特定条件下的最佳的预锻件形状和尺寸。

基于BP神经网络和遗传算法的齿轮坯预锻件多目标优化设计

在齿轮坯多工位锻造生产中,齿轮坯预锻件的设计直接影响到终锻时金属流动、锻模型腔的充满情况、锻件质量和模具寿命。本文利用BP神经网络处理高度非线性问题的特点,建立了预锻件尺寸和终锻成形力、终锻最大模具应力之间的网络模型,再结合遗传算法的全局寻优功能,确定了在终锻成形力最小以及终锻最大模具应力最小时的最佳的预锻件形状和尺寸。