基于NSGA-Ⅱ和神经网络的GFRP拉挤工艺优化

• 作者: 王国星 谢怀勤 陈幸开
• 来源期刊: 玻璃钢/复合材料
• 学科: 工学
• 关键词: 玻璃钢 拉挤 数值模拟 神经网络 NSGA-Ⅱ 多目标优化
• 年，卷（期）: 2010,（5）
• 页码范围: 57-61
• 分类号: TU332
• 字数: 4224字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0999.2010.05.014

摘要

根据经实验验证的玻璃钢(GFRP)拉挤工艺过程数学模型,以数值模拟结果为样本数据,建立反向传播(BP)神经网络,得到拉挤工艺参数(固化温度、拉挤速度)与GFRP固化度间非线性相关关系.采用神经网络结合带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)解决拉挤过程中固化炉温度和拉挤速度多目标优化问题,得到了拉挤优化问题的Pareto最优解集.实验结果表明,优化后的工艺参数能有效提高生产率,降低固化炉温度,效果显著.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王国星	黑龙江工程学院材料与化学工程系	18	51	4.0	6.0
2	谢怀勤	哈尔滨工业大学材料科学与工程学院	41	557	11.0	22.0
3	陈幸开	哈尔滨工业大学材料科学与工程学院	4	12	2.0	3.0