《表3 训练样本的磨损体积试验结果与预测数据》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于BP神经网络的连杆锻压工艺优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

连杆锻压工艺优化神经网络模型先经过学习训练，训练样本数据为24组。训练中，动量因子为0.8，学习速率设置成0.2，期望误差值1×10-5、训练步数为100000。图3是连杆锻压工艺优化模型的训练性能曲线图。经过6913次迭代计算训练后，训练性能曲线趋势较为平滑、起伏较小。表3是训练样本的磨损体积试验结果与预测结果数据。从表可以看出，训练样本的磨损体积值与试验值相当接近。图4是该神经网络模型输出的磨损体积相对训练误差，最小为2.8%，最大为5.5%，平均相对训练误差为4.1%。由此可见，构建的5×25×1三层拓扑结构连杆锻压工艺优化模型具有有较快的收敛速度和较佳的稳定性，能够客观、真实地反映输入层参数（连杆材料、模具预热温度、始锻温度、终锻温度、锻压速度）与及输出层参数（耐磨损性能）的关系，可以用于连杆的锻压工艺优化。