典型文献
基于神经网络与PSO算法的发动机装配工艺参数优化
文献摘要：
针对汽车发动机装配过程中缸体泄漏问题,结合Back Propagation(BP)神经网络及粒子群优化(Particle Swarm Op-timization,PSO)算法,提出了一种发动机装配工艺参数优化方法.首先,使用BP神经网络建立了生产工艺参数与质量指标之间的非线性映射关系,并以此作为泄漏率预测模型.其次,根据实际生产需求,应用皮尔逊相关性分析法求解得到相关性最强的部分工位工艺参数,并以其作为后续优化对象.最后,以BP神经网络预测模型作为适应度函数,使用粒子群优化算法求解得到工艺参数的最优值.使用400台发动机的实际生产数据进行试验.试验结果显示,BP神经网络具有较准确的预测效果,结合粒子群优化算法得到了优化后的工艺参数值,显著降低了发动机的泄漏率,具有一定的指导意义.
文献关键词：
BP神经网络;粒子群优化算法;工艺参数优化;发动机泄漏
中图分类号：
作者姓名：
杨爱平;唐倩;阳小林;李苗娟;柳跃雷;蔺梦圆;张鹏辉
作者机构：
重庆大学机械传动国家重点实验室,重庆400044;长安汽车有限责任公司,重庆400023
文献出处：
引用格式：
[1]杨爱平;唐倩;阳小林;李苗娟;柳跃雷;蔺梦圆;张鹏辉-.基于神经网络与PSO算法的发动机装配工艺参数优化)[J].现代制造工程,2022(02):105-113
A类：
发动机泄漏
B类：
PSO,发动机装配,装配工艺,工艺参数优化,汽车发动机,装配过程,缸体,Back,Propagation,Particle,Swarm,Op,timization,生产工艺参数,质量指标,非线性映射,映射关系,泄漏率,皮尔逊相关性分析,相关性分析法,工位,神经网络预测模型,适应度函数,粒子群优化算法,最优值,生产数据,参数值
AB值：
0.293084
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
