典型文献
基于KNN和GRNN的挤压铸造温度参数设计方法
文献摘要：
针对现有的挤压铸造工艺参数研究方法效率低下、局限性较大的现状,利用已有挤压铸造工艺数据采用机器学习方法实现了对挤压铸造温度工艺参数的快速设计.首先基于K最近邻(K Nearest Neighbors,KNN)算法参考相近材料铸件的温度工艺参数,从材料成分层面对浇注温度和模具预热温度进行初始设计,然后结合铸型参数和广义回归神经网络(Generalized Regression Neural Network,GRNN)对设计误差较大的模具预热温度进行修正,建立了误差修正模型;基于数据和实例铸件进行应用,并结合Procast进行实例铸件仿真试验,验证了提出的温度工艺参数设计方法的有效性.
文献关键词：
挤压铸造;工艺参数设计;数据驱动;KNN;GRNN
中图分类号：
作者姓名：
邓建新;谢彬;曾向明
作者机构：
广西大学广西制造系统与先进制造技术重点实验室,广西南宁 530003;广西大学机械工程学院,广西南宁 530003
文献出处：
引用格式：
[1]邓建新;谢彬;曾向明-.基于KNN和GRNN的挤压铸造温度参数设计方法)[J].铸造,2022(07):898-905
A类：
B类：
KNN,GRNN,挤压铸造,铸造温度,温度参数,参数设计方法,铸造工艺,工艺参数研究,工艺数据,机器学习方法,快速设计,最近邻,Nearest,Neighbors,铸件,材料成分,浇注温度,模具预热温度,合铸,铸型,广义回归神经网络,Generalized,Regression,Neural,Network,误差修正模型,Procast,仿真试验,工艺参数设计
AB值：
0.359577
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。
