摘要：以带法兰的低方形盒的毛坯形状预测为例 ,讨论了BP神经网络和正交试验法在毛坯形状预测的综合应用问题 ,建立了能描述 6个工艺参数与毛坯形状之间非线性映射关系的神经网络模型。将正交试验法用于神经网络训练样本的设计和BP网络结构参数的确定 ,可大大减少训练样本和网络结构参数的试算次数 。

摘要：从影响薄板冲压成形结果因素和有限元网格法出发,研究了基于神经网络预测毛坯尺寸模型的方法.选取模具参数和工艺参数等作为影响冲压成形结果的因素,用正交表和随机法产生径向基函数神经网络的学习样本;利用自组织神经网络对样本进行分类,用有限元网格法反算的毛坯的长度作为神经网络的输出;设计了神经网络流程,定义了神经网络输出与有限元分析数据的相对误差.通过仿真试验证明,提出的预测毛坯尺寸模型的方法是有效的.

摘要：从影响冲压成型结果的因素和有限元网络映射法反算毛坯形状的方法出发,提出了基于神经网络预测毛坯形状模型的方法。选取凸模圆角半径、凹模圆角半径、压边力和摩擦系数等作为影响冲压成型结果的因素,利用正交表和随机法产生径向基神经网络的学习样本,用有限元网络映射法反算的毛坯的长度作为神经网络的输出,通过影响冲压成型结果因素的随机样本对神经网络进行检测。实验表明,提出了预测毛坯形状模型的方法是有效的。