关键词：汽车齿圈;神经网络优化;锻压工艺;耐磨损性能;相对训练误差;相对预测误差
摘 要：以始锻温度、终锻温度、锻压比和模具预热温度为输入参数,以耐磨损性能(磨损体积)为输出参数,以tansig函数为隐含层传递函数,以purelin函数为输出层传递函数,采用4×20×1三层拓扑结构,构建了汽车齿圈盘体的神经网络优化模型。结果表明,模型的平均相对训练误差5.37%,平均相对预测误差5.98%,模型预测能力较好,预测精度较高。与企业现用工艺相比,采用神经网络优化工艺锻压的20CrMnTi汽车齿圈的磨损体积减小10%,耐磨损性能得到明显提高。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取