论文部分内容阅读
为改善液固挤压复合材料成形过程中金属的流动均匀性，减少制件的内部损伤缺陷，基于人工神经网络及遗传算法，采用改进的混合GA-BP算法建立了设计参数与控制目标的非线性映射关系。通过对样本集的学习，初步建立了液固挤压工艺组合参数知识库，将网络预测值与实验值进行对比，其最大相对误差不超过0．79％，说明采用GA-BP混合算法建立的预测模型具有较高的预测精度。利用所建立的预测模型，分析了模具参数和工艺参数组合对制件变形均匀性的耦合作用，为液固挤压工艺的综合设计与优化提供了理论依据。