改进粒子群神经网络融合有限元分析的铸锻双控动态成型多目标优化

作     者：陈昭明 邹劲松 王伟 石明全 CHEN Zhao-ming;ZOU Jin-song;WANG Wei;SHI Ming-quan

作者机构：重庆大学机械工程学院重庆400044 中国科学院大学重庆学院人工智能学院重庆400714 中国科学院重庆绿色智能技术研究院智能制造技术研究所重庆400714 重庆理工大学计算机科学与工程学院重庆400054 

出 版 物：《吉林大学学报（工学版）》 (Journal of Jilin University:Engineering and Technology Edition)

年 卷 期：2022年第52卷第7期

页      面：1524-1533页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61605205) 国家重大科研仪器研制项目(51727812) 重庆理工大学科研基金项目(0103191147) 

主　　题：改进粒子群算法 铸锻双控成型 正交拉丁超立方试验 有限元仿真 多目标优化 

摘      要：针对铸锻双控成型过程中多工艺参数的优选问题,提出一种改进粒子群算法优化神经网络融合有限元分析的成型工艺参数优选方法。首先根据成型工艺的特点,以金属液浇注温度、模具预热温度、充型速度、铸锻压力、保压时间5个工艺参数为输入因素,以铸件重量、表面缺陷、抗拉强度3个参数为输出指标,采用正交拉丁超立方设计进行试验,并将所得工艺参数作为训练样本,通过神经网络构建影响因素与优化目标间的非线性函数关系。再以神经网络的输出误差值作为粒子适应度,并采用改进粒子群算法优化BP神经网络的权值和阈值,构建工艺参数预测模型进行多参数寻优。通过CAE有限元仿真验证表明,该方法能够准确地获得成型过程中的最佳工艺参数组合。研究结果可为铸锻双控过程的工艺参数调整与优化提供参考。