论文部分内容阅读
在气门生产中，电热镦粗这一工序的废品率占整个加工过程的50％左右，因此，气门毛坯的质量对整体产品质量起着举足轻重的作用，要想降低废品率，必须提高这一工序的产品质量。在电热镦粗成形过程中，镦粗速度、砧子速度、镦粗压力、加热电流和预热长度是影响气门毛坯质量的关键工艺参数。这些参数的选择是一个复杂的问题，其复杂性不仅在于不同的材料具有不同的力学、电和热传导特性，而且各参数相互影响、相互制约。另外，还有一些辅助参数。这些参数只有相互协调、相互配合，才能加工出合格的产品。在所有工艺参数中，加热电流是影响最大的工艺参数。因此，对电镦机中加热电流进行模型预报有着重要意义。 本文从电热镦粗的塑性成形原理出发，讨论了工艺参数与产品质量之间的关系，确定加热电流的计算方法，确立加热电流的数学模型。选取了镦粗缸活塞运动速度、砧子缸活塞运动速度、镦粗压力作为输入参数，加热电流作为输出参数，并用数学模型、BP神经网络、加法网络、乘法网络以及神经网络与机理模型综合集成的五种方案来对加热电流进行预报。该课题完成可直接用于生产，为研制新一代智能电镦机打下基础。 本文共分四章，第一章是国内外研究动态及文献综述，包括课题来源、意义及主要内容；第二章介绍电热镦粗的工艺过程及自动控制系统的硬件结构；第三章论述了加热电流的预报理论，首先介绍数学模型的建立方法；然后阐述神经网络的基本知识、BP算法以及BP网络的设计等；最后介绍神经网络与数学模型相结合的算法。第四章详细阐述预报理论的具体实现方法、仿真结果分析及加热电流的在线控制方案的探讨。 通过对上述五种模型的研究，创造性提出了神经网络与机理模型综合的方法，该方法将解析模型的知识集成到神经网络的结构中，使网络权值大大减少，训练速度和非线性逼近精度以及泛化能力大大提高。应用于电热镦机的加热电流的预报中，取得很好的效果。