[发明专利]一种基于BP神经网络的振动时效工艺参数优化方法

说明书

一种基于BP神经网络的振动时效工艺参数优化方法，其特征在于：包括以下步骤：采用正交试验设计法制定振动时效实验方案，开展振动时效实验，获取实验数据；将所获得的数据样本集按照不同参数类别分别进行量纲一化处理，并按照一定的比例将该数据集分为训练样本与测试样本两部分；采用量纲一化后的数据对BP神经网络进行训练和测试；根据测试和实验得到的残余应力值的误差分别对网络各层权值和阈值进行修正，直到预测值与实际值的相对误差均值小于设定值为止，得到最优的工艺参数组合，最终形成基于BP神经网络的振动时效工艺参数优化方法。本发明具有简化振动时效工艺参数调整过程和得到最优的工艺参数的优点。

技术领域

本发明涉及振动时效技术领域，特指一种基于BP神经网络的振动时效工艺参数优化方法。

背景技术

在目前常用的残余应力消除方法当中，振动时效技术凭借处理效果好、处理时间短、节能环保、易于现场操作等优点而受到众多企业的青睐，属于高效节能绿色环保的时效处理技术。采用振动时效技术消除构件加工制造过程中产生的残余应力，首先是需要确定振动时效的工艺参数，只有合理的工艺参数才能达到较为理想的振动时效效果，并且对振动时效工艺参数的优化也是振动时效技术领域的重点研究内容之一。目前在振动时效过程中主要是通过不断改变工艺参数来获得较为理想的时效效果，导致参数调整过程复杂且时效处理效率较低，这已经成为当前振动时效技术领域所面临的主要问题之一。因此有必要对振动时效技术开展进一步的研究，得到振动时效工艺参数的优化方法，为振动时效技术的推广和应用提供技术支持。

BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络模型之一。BP神经网络能够通过反复迭代，不断减小误差，获得较为合理的工艺参数，从而获得较为理想的时效处理效果。鉴于BP神经网络在工艺参数优化方面具有的优点，本发明提出采用BP神经网络对振动时效工艺参数进行优化，解决目前振动时效工艺参数调整过程复杂且时效处理效率较低的问题。

针对目前振动时效工艺参数调整过程复杂且时效处理效率较低的问题，本发明提出一种基于BP神经网络的振动时效工艺参数优化方法。采用本发明提出的方法对振动时效工艺参数进行优化，得到较为合理的工艺参数，确保试样经过振动时效处理后能够得到较为理想的时效效果。

发明内容

为解决目前振动时效工艺参数调整过程复杂且时效处理效率较低的问题，本发明提出一种基于BP神经网络的振动时效工艺参数优化的方法，以振动时效工艺参数作为输入，残余应力降低率作为输出建立神经网络模型，根据误差不断调整权值和阈值，直到误差小于设定值为止，最终得到较为理想的振动时效效果所对应的较为合理的工艺参数，从而提高振动时效的效果和效率。

一种基于BP神经网络的振动时效工艺参数优化方法，其特征在于：包括以下步骤：

(1)采用正交试验设计法制定振动时效实验方案：分析影响振动时效效果的工艺参数，即影响振动时效效果的主要因素，并对各个工艺参数选择相同数目的水平，即为各个因素选择相同数目的水平，根据因素和因素水平的数目选择正交试验表来制定振动时效实验方案；所述的振动时效工艺参数包括振动频率、振动幅值和振动时间；

(2)开展振动时效实验，获取实验数据：根据步骤(1)制定的振动时效实验方案开展振动时效实验，得到不同工艺参数组合下的振动时效效果；

(3)确定数据样本集：根据实验结果确定数据样本集，并按照一定的比例将该数据样本集分为训练样本与测试样本两部分；

(4)量纲一化处理：将步骤(3)中所获得的数据样本集按照不同参数类型分别进行量纲一化处理；

(5)训练BP神经网络：采用训练样本中的数据对BP神经网络进行训练，即将量纲一化的振动时效工艺参数作为输入、残余应力降低率作为输出，建立量纲一化的振动时效工艺参数与残余应力降低率之间的BP神经网络模型；