拟采用NNbox仿真环境和BP模型改进算法来分析铸件缺陷产生情况的预报模型,并检验该法在实际应用中的可行性和实用性。
铸件缺陷分析的神经网络模型铸件生产是一项复杂的工艺过程,影响铸件生产效率及产品质量的因素错综复杂。铸件缺陷的预防和消除成为两个重要内容,国内外学者都在探讨,如利用专家系统来分析缺陷,但是专家系统如何在不完全、不精确或不确定的信息基础上做出正确的结论仍在不断探索中。由于神经网络良好的非线性逼近能力、泛化功能等特点,为缺陷的分析、预测提供了可能。
影响铸件缺陷产生的因素异常复杂,据统计有,各因素对各种缺陷的影响作用不尽相同,但对于某种缺陷的主要影响因素也是有限的。如果影响因素为X=1X),缺陷产生用Y=1Y)表示,目的就是要找出一个从R到R的非线性映射关系。BP网络具有强大的非线性映射能力和泛化功能,且性能可靠稳定,因此可很好地解决该问题。
根据BP网络的结构及控制目标与影响因素之间的关系,系统原理图。由用户输入的影响因素与BP网络的输入层对应;BP网络通过前向计算得出输出层的输出值,它又与缺陷产生情况对应,铸造若出现缺陷则提出防止措施反馈给用户。