科学研究
您当前的位置： 首页 >> 科学研究 >> 科研成果

基于NSGA-Ⅱ和神经网络的GFRP拉挤工艺优化

发布时间：2017-07-02    作者:      来源:      浏览次数:     打印


出版物名称：玻璃钢/复合材料
出版期号：2010, (5): 57-61
出版时间：2010
论文题名：基于NSGA-Ⅱ和神经网络的GFRP拉挤工艺优化
论文作者：陈幸开 哈尔滨工业大学
论文摘要：   根据经实验验证的玻璃钢 (GFRP)拉挤工艺过程数学模型，以数值模拟结果为样本数据，建立反向传播 (BP)神经网络，得到拉挤工艺参数 (固化温度、拉挤速度 )与GFRP固化度间非线性相关关系。采用神经网络结合带精英策略的快速非支配排序遗传算法(NSGA-2)解决拉挤过程中固化炉温度和拉挤速度多目标优化问题，得到了拉挤优化问题的Pareto最优解集。实验结果表明, 优化后的工艺参数能有效提高生产率，降低固化炉温度，效果显著。
关键词：玻璃钢; 拉挤; 数值模拟; 神经网络; NSGA-2; 多目标优化
本院作者：陈幸开


分享到：61.4K