玻璃钢/复合材料
玻璃鋼/複閤材料
파리강/복합재료
FIBER REINFORCED PLASTICS/COMPOSITES
2010年
5期
57-61
,共5页
玻璃钢%拉挤%数值模拟%神经网络%NSGA-Ⅱ%多目标优化
玻璃鋼%拉擠%數值模擬%神經網絡%NSGA-Ⅱ%多目標優化
파리강%랍제%수치모의%신경망락%NSGA-Ⅱ%다목표우화
根据经实验验证的玻璃钢(GFRP)拉挤工艺过程数学模型,以数值模拟结果为样本数据,建立反向传播(BP)神经网络,得到拉挤工艺参数(固化温度、拉挤速度)与GFRP固化度间非线性相关关系.采用神经网络结合带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)解决拉挤过程中固化炉温度和拉挤速度多目标优化问题,得到了拉挤优化问题的Pareto最优解集.实验结果表明,优化后的工艺参数能有效提高生产率,降低固化炉温度,效果显著.
根據經實驗驗證的玻璃鋼(GFRP)拉擠工藝過程數學模型,以數值模擬結果為樣本數據,建立反嚮傳播(BP)神經網絡,得到拉擠工藝參數(固化溫度、拉擠速度)與GFRP固化度間非線性相關關繫.採用神經網絡結閤帶精英策略的快速非支配排序遺傳算法(NSGA-Ⅱ)解決拉擠過程中固化爐溫度和拉擠速度多目標優化問題,得到瞭拉擠優化問題的Pareto最優解集.實驗結果錶明,優化後的工藝參數能有效提高生產率,降低固化爐溫度,效果顯著.
근거경실험험증적파리강(GFRP)랍제공예과정수학모형,이수치모의결과위양본수거,건립반향전파(BP)신경망락,득도랍제공예삼수(고화온도、랍제속도)여GFRP고화도간비선성상관관계.채용신경망락결합대정영책략적쾌속비지배배서유전산법(NSGA-Ⅱ)해결랍제과정중고화로온도화랍제속도다목표우화문제,득도료랍제우화문제적Pareto최우해집.실험결과표명,우화후적공예삼수능유효제고생산솔,강저고화로온도,효과현저.
