排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
针对熔模铸件模具型腔设计中存在收缩率赋值不准确导致多次修模的问题,作为初期研究,提出一种典型结构在凝固过程中收缩率的预测方法,为铸件收缩率预测提供一种思路。由于BP神经网络具有强大的容错性和鲁棒性,故基于BP神经网络构建依附于铸件结构的几何参数和收缩率之间的映射模型。由于BP神经网络隐含层神经元尚无针对不同案例的设计准则,因此,在映射模型建立时研究隐含层神经元个数对建模准确度的影响。结果表明,针对此典型结构铸件,当隐含层神经元个数为3时,映射模型的预测误差最小,此时,测试样本的预测和实测值收缩率平均偏差为0.09%,可较好地实现凝固过程收缩率预测。 相似文献
3.
针对单晶涡轮叶片壁厚尺寸精度偏低和壁厚尺寸漂移大等瓶颈问题,考虑叶片定向凝固过程边界条件不精确因素,通过实际温度数据采集,采用温度场与应力场耦合的有限元模拟方法,对单晶涡轮叶片定向凝固过程进行三维动态模拟,并结合单晶气冷叶片的工作状态,对模拟结果进行定性分析,得到应力分布规律。研究结果表明:当榫头进气窗口倒圆角R=0.5 mm时,叶片最大铸造热应力出现在榫头底面四大进气窗口区域,该区域最大应力比叶身截面最大应力高28.4%;该仿真方法可准确反映单晶涡轮叶片凝固过程温度/应力动态变化,将为避免叶片出现大铸造残余应力区,预防变形工艺,提高叶片壁厚尺寸精度及尺寸稳定性,提供量化参考依据。 相似文献
1