PSO-BP与GA结合的发动机不锈钢配件铸造工艺优化

余文洋; 何福善; 姚尧; 黄晔; 向红亮; 黄金亮

doi:10.13433/j.cnki.1003-8728.20230364

Chinese

您当前的位置：

首页 >

文章列表页 >

PSO-BP与GA结合的发动机不锈钢配件铸造工艺优化

更新时间：2026-04-23

- PSO-BP与GA结合的发动机不锈钢配件铸造工艺优化
- Optimization of Casting Process for Engine Stainless Steel Parts Combining PSO-BP and GA
- 机械科学与技术 2025年44卷第11期页码：1966-1973
- 作者机构：
  
  1. 福州大学先进制造学院,福建,泉州,362251
  2. 泉州锦煌机械有限公司,福建,泉州,362013
- 作者简介：
  
  [ "余文洋，硕士研究生，" ]
  [ "何福善，副教授，硕士生导师，博士，" ]
- 基金信息：
  
  福建省增材制造创新中心开放基金项目（ZCZZ202-09）
- DOI：10.13433/j.cnki.1003-8728.20230364
  中图分类号：
- 纸质出版：2025
- 稿件说明：
移动端阅览
余文洋, 何福善, 姚尧, 等. PSO-BP与GA结合的发动机不锈钢配件铸造工艺优化[J]. 机械科学与技术, 2025,44(11):1966-1973.

余文洋, 何福善, 姚尧, et al. Optimization of Casting Process for Engine Stainless Steel Parts Combining PSO-BP and GA[J]. Mechanical Science and Technology for Aerospace Engineering, 2025, 44(11): 1966-1973.
余文洋, 何福善, 姚尧, 等. PSO-BP与GA结合的发动机不锈钢配件铸造工艺优化[J]. 机械科学与技术, 2025,44(11):1966-1973. DOI： 10.13433/j.cnki.1003-8728.20230364.

余文洋, 何福善, 姚尧, et al. Optimization of Casting Process for Engine Stainless Steel Parts Combining PSO-BP and GA[J]. Mechanical Science and Technology for Aerospace Engineering, 2025, 44(11): 1966-1973. DOI： 10.13433/j.cnki.1003-8728.20230364.

摘要

针对发动机不锈钢配件熔模铸造出现缩松缩孔等铸造缺陷问题，采用粒子群优化神经网络结合遗传算法优化工艺参数的模型。借助正交试验分析法与PROCAST软件数值模拟，利用误差反向传播神经网络建立浇注温度、模壳焙烧温度、浇注速度与铸件的缩孔体积、等效应力之间的非线性映射关系。通过粒子群算法优化反向传播神经网络并结合遗传算法全局寻优，获得熔模铸造较佳工艺参数组合。结果表明，当浇注温度为1581 ℃、模壳焙烧温度为1159 ℃、浇注速度为1 kg/s时能有效改善熔模铸造铸件的缩孔体积和等效应力问题。

Abstract

Aiming at the casting defects of engine stainless steel parts such as shrinkage and porosity

the particle swarm optimization neural network combined with genetic algorithm is used to optimize the processing parameters. With the help of the orthogonal test method and numerical simulation via PROCAST software

Back propagation neural network is used to establish the nonlinear mapping relationship among the casting temperature

mold shell temperature

casting speed

and the shrinkage volume and equivalent stress of the casting. By optimizing back propagation neural network with particle swarm optimization algorithm and global optimization with genetic algorithm

the optimal processing parameter combination of investment casting is obtained. The results show that when the pouring temperature is 1581 °C

the mold shell temperature is 1159 °C and the pouring speed is 1 kg/s

the shrinkage volume and equivalent force of investment casting castings can be effectively reduced.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

汽车制动意图识别方法研究

粒子群模糊PID与深度补偿的PMSM位置控制策略

结合遗传算法和改进CRITIC-GRA-TOPSIS的美学评价方法

等离子弧焊的数值模拟研究现状

利用遗传算法的太阳能复合材料机翼结构尺寸优化设计