基于BP神经网络风力发电机轴承座的铸造工艺参数预测模型

• 作者: 罗建设 谢建 陈德平 陈立明 陈营
• 来源期刊: 铸造技术
• 学科: 工学
• 关键词: BP神经网络 正交试验 浇注工艺参数 缩孔缩松 数值模拟
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 工艺技术
• 页码范围: 1086-1089
• 页数: 4页
• 分类号: TG255
• 语种: 中文
• DOI: 10.16410/j.issn1000-8365.2019.10.015

摘要

基于KBE概念和BP神经网络,结合正交试验设计方法和铸造模拟建立了大型风力发电机轴承座铸件品质的预测模型.浇注温度、浇注时间和模具初始温度作为BP网络训练样本的输入值,基于Procast铸造模拟软件仿真得到的轴承座缩松缺陷面积、轴承座凝固时间、轴承座凝固后铸件最大温差作为模型目标值.结果 表明,利用该模型可预测铸件任意工艺参数组合下的结果值,经过模拟试验和预测值的对比,两种方式获得的结果十分吻合,从而缩短大型铸件研发周期,降低了试制成本,并能给出最佳工艺参数组合,对实际生产可以进行快速高效的指导.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈营		4	0	0.0	0.0
2	罗建设		5	3	1.0	1.0
3	陈德平		5	0	0.0	0.0
4	谢建		1	0	0.0	0.0
5	陈立明		2	0	0.0	0.0