基于遗传算法优化BP神经网络的内螺纹冷挤压质量预测

• 作者: 侯红玲 陈鑫 常向龙 王艳茹 赵永强 周俊
• 来源期刊: 塑性工程学报
• 学科: 工学
• 关键词: 内螺纹冷挤压 成形质量预测 遗传算法 神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 塑性成形技术与工艺|Plasticity Forming Technology and Process
• 页码范围: 102-109
• 页数: 8页
• 分类号: TG376
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2012.2022.01.015

摘要

为了预测不同工艺参数下的挤压扭矩、挤压温度及螺纹成形质量,基于MATLAB搭建了BP-GA神经网络预测模型,利用遗传算法对BP神经网络权值和阈值进行优化,使预测结果更加精确.结果 表明:BP-GA神经网络预测模型对内螺纹冷挤压过程中的挤压扭矩、温度和牙高率的预测精度较高,挤压扭矩的试验值与预测值误差为10％～15％,挤压温度的试验值与预测值变化趋势一致,牙高率的试验值与预测值误差小于5％.该方法能够实现对内螺纹冷挤压过程中主要参数的预测,有效提高内螺纹挤压质量,降低实际加工成本.