基于RBF神经网络的强力旋压连杆衬套成形质量预测研究

• 作者: 李瑰 樊文欣 马学军 高立
• 来源期刊: 锻压技术
• 学科: 工学
• 关键词: 强力旋压 工艺参数 成形质量 RBF神经网络
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 计算机应用
• 页码范围: 134-138
• 分类号: TH161|TG376
• 语种: 中文
• DOI: 10.13330/j.issn.1000-3940.2015.09.026

摘要

为了实现对强力旋压连杆衬套成形质量(壁厚差和扩径量)的预测,进而对工艺参数进行优化,利用MATLAB人工神经网络工具箱,建立了强力旋压工艺参数与成形质量的RBF神经网络模型.基于减聚类算法改进的K-means学习算法,用模拟实验所得数据对神经网络进行训练,进而对旋压成形质量进行预测,通过与实测值对比,发现所建神经网络模型预测性能良好,实现了RBF神经网络在强力旋压领域的成功应用,与原始K-means学习算法训练的RBF神经网络和BP神经网络所建模型比较,发现改进K-means学习算法训练的RBF神经网络预测模型拥有更优的性能.该模型不仅可以为工艺参数的优化提供参考,还能缩短工艺参数的优化周期和减少实际实验的成本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊文欣	中北大学机械与动力工程学院	177	1055	14.0	24.0
2	李瑰	中北大学机械与动力工程学院	5	40	4.0	5.0
3	马学军	中北大学机械与动力工程学院	5	37	3.0	5.0
4	高立	中北大学机械与动力工程学院	3	16	2.0	3.0