A method for predicting mechanical properties of aluminium profiles based on RBF neural network includes the following steps: 1) clustering analysis of measured sample variables; 2) direct mapping relationship between process parameters space and product mechanical properties index space in subspace; 3) RBF neural network model from process parameters to product mechanical properties index in subspace and whole space; 4) RBF neural network model for predicting mechanical properties of aluminium profiles. Neural network parameter determination; 5) Intelligent optimization of aluminium profile production process based on RBF neural network. The method further analyses the RBF neural network model from the subspace and the whole space to the product performance index by clustering analysis and mapping analysis of the process parameters to the product mechanical performance space. It also analyses the determination of the RBF neural network parameters for predicting the mechanical performance of aluminum profiles, and intellectualizes the optimization of the production of aluminum profiles based on RBF neural network. The method is used to optimize the production of aluminum profiles. Convenient and easy to implement.
【技术实现步骤摘要】
一种基于RBF神经网络的铝型材机械性能预测方法
本专利技术涉及一种型材机械性能预测方法,尤其是一种基于RBF神经网络的铝型材机械性能预测方法。
技术介绍
我国是世界上铝型材产量占比较高的国家,也是世界上铝型材生产量和使用量最多的国家。由于铝型材具有强度高、韧性好等特点,广泛应用在建筑和制造业,发挥了巨大的作用,带来了明显的社会效益和经济效益。铝型材的生产过程是一个综合复杂的多因素生产过程,其产品质量受多方面因素的影响,其中原材料的性能(主要是抗拉强度σ0)和工艺参数对产品质量有非常直接的影响。确定原材料抗拉强度和这些工艺参数的优化组合是铝型材生产中的重要环节,对保证加工质量和降低加工成本具有重要意义。针对铝型材生产中存在产品性能不稳定、合格率低等问题,通过分析研究其生产工艺过程,笔者认为,为了提高铝型材产品生产质量,必须加强生产工艺研究,具体来讲,需进一步开展两方面的研究工作:一是针对工艺参数的特定组合,较精确地预测铝型材产品的力学性能;二是针对产品的力学性能要求,确定生产产品所需的工艺参数优化组合。评测铝型材产品质量的两个重要指标是产品的抗拉强度和延伸率,因此,为了较精确地预测产品的力学性能和优化工艺参数,需要建立工艺参数和产品抗拉强度、延伸率之间的映射关系。铝型材生产过程是一个非常复杂的物理过程,在生产过程中原材料受到多次轧制处理,受到的约束形式综合复杂,轧件条件和状态不断发生变化,而且该过程又必须保持各机架间金属秒流量相等和遵从能量守恒定律,过程特性更趋复杂和难以掌握。具体体现在:1)多变量生产过程中涉及的物理量很多,它们随着时间进程与空间位置变化而 ...
【技术保护点】
1.一种基于RBF神经网络的铝型材机械性能预测方法,其特征是,包括以下步骤:1)实测样本变量的聚类分析;2)子空间内工艺参数空间到产品机械性能指标空间的直接映射关系;3)子空间和全空间内工艺参数到产品机械性能指标的RBF神经网络模型;4)针对铝型材机械性能预测的RBF神经网络参数确定;5)基于RBF神经网络的铝型材生产工艺智能优化。
【技术特征摘要】
1.一种基于RBF神经网络的铝型材机械性能预测方法,其特征是,包括以下步骤:1)实测样本变量的聚类分析;2)子空间内工艺参数空间到产品机械性能指标空间的直接映射关系;3)子空间和全空间内工艺参数到产品机械性能指标的RBF神经网络模型;4)针对铝型材机械性能预测的RBF神经网络参数确定;5)基于RBF神经网络的铝型材生产工艺智能优化。2.根据权利要求1所述的一种基于RBF神经网络的铝型材机械性能预测方法,其特征是,所述步骤1)的过程如下:采用聚类分析的方法,以检验样本变量为中心,对实测已知样本变量进行处理,构造出与检验样本变量最相似的聚类,从而构造出以检验样本变量为中心的子空间。3.根据权利要求1所述的一种基于RBF神经网络的铝型材机械性能预测方法,其特征是,所述步骤2)的过程如下:根据研究问题的需要,样本空间中变量Xi有5个分量,分别为原材料抗拉强度σ0、减径量△、拉拔线速度v、滚轮起伏量I和滚轮间距s,分别记为xi1,xi2,xi3,xi4,xi5。Xi对应的性能参数变量Yi有2个分量,分别为产品的抗拉强度σb和延伸率δb,记为yi1,yi2;设子空间Pk内,xij对yi1的影响因子为aki,对yi2的影响因子为bki。在Pk范围内,利用下面关系XkAk=Yk1XkBk=Yk2求出矩阵Ak和Bk,之后用该...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。