典型文献
基于BP神经网络的电弧熔丝增材制造数据库系统
文献摘要：
通过对电弧熔丝增材制造(Wire and arc additive manufacturing,WAAM)单道焊缝试验数据的分类整理,分析用户需求和使用需要,基于python编程语言下的Django框架,采用B/S架构开发了一个电弧熔丝增材制造数据库系统.试验结果表明,该系统采用数据库与算法预测模型结合的方式开发而成,主要设置了用户权限管理、基本打印数据和焊缝形貌预测三大模块,具有存储扩展打印试验数据功能和预测未知工艺参数下焊缝形貌的功能.不同的打印工艺方法引入不同的BP神经网络结构,使用时数据库系统自动读取库内已有的算法模型或根据已有的试验数据训练新的模型,之后录入试验数据会自动对模型重新训练,实现随数据库内试验数据扩展或修正自动适应的参数预测,能够预测未知工艺参数下的焊缝形貌尺寸.最后,基于MIG工艺设计了 1组验证试验对数据库的预测功能效果进行检验,熔宽预测误差为1.3％,余高预测误差为1.5％,说明了数据库系统预测功能的可行性.
文献关键词：
数据库;电弧熔丝增材制造;打印工艺;焊缝形貌预测;BP神经网络
中图分类号：
作者姓名：
吴悠;潘建刚;廖明潮;张亮
作者机构：
武汉轻工大学,武汉430023;西安石油大学,西安710065;深圳职业技术学院,智能制造技术研究院,广东深圳518055
文献出处：
引用格式：
[1]吴悠;潘建刚;廖明潮;张亮-.基于BP神经网络的电弧熔丝增材制造数据库系统)[J].焊接,2022(11):35-39
A类：
焊缝形貌预测,熔宽预测
B类：
电弧熔丝增材制造,数据库系统,Wire,arc,additive,manufacturing,WAAM,单道,分类整理,用户需求,python,编程语言,Django,架构开发,算法预测,用户权限,权限管理,印数,三大模块,打印试验,打印工艺,工艺方法,神经网络结构,自动读取,库内,算法模型,数据训练,录入,新训,参数预测,MIG,工艺设计,验证试验,预测功能,预测误差
AB值：
0.284758
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。
