基于GA-BP神經網絡晶粒尺寸預測模型的輪端輪轂鍛造工藝優化

孔德瑜，晏洋，張浩，鄧磊*，王新云，龔攀，張茂

基于GA-BP神經網絡晶粒尺寸預測模型的輪端輪轂鍛造工藝優化

孔德瑜1，晏洋2，張浩1，鄧磊1*，王新云1，龔攀1，張茂1

（1.華中科技大學 材料成形與模具技術全國重點實驗室，武漢 430074；2.湖北三環鍛造有限公司，湖北 襄陽 441700）

針對6082鋁合金輪端輪轂在熱處理過程中出現的粗晶問題，利用基于遺傳算法優化的BP神經網絡晶粒尺寸預測模型模擬優化鍛造工藝方案，避免產生粗晶。以遺傳算法替代梯度下降法優化神經網絡各節點的權值和閾值，建立高精度的GA-BP神經網絡晶粒尺寸預測模型，再以輪端輪轂為對象，設計鍛造工藝方案并利用Deform進行微觀組織仿真，研究壓下速率、坯料初始溫度對晶粒尺寸的影響，獲得最優方案。優化模型預測的晶粒尺寸平均值和最大值的平均絕對百分比誤差分別為2.55%、0.43%，與常規的BP神經網絡相比，準確性有了較大提高。對比不同鍛造方案的結果，得到輪轂較優的初始坯料溫度為500 ℃，壓下速率為200 mm/s，經試驗驗證，鍛件特征位置的晶粒尺寸預測值與實際值之間的誤差均在10%以下，表明該預測模型具有良好的工程應用價值。遺傳算法的引入大大增強了BP神經網絡的全局尋優能力，提高了模型的準確性。在Deform中復現的預測模型對鍛件的晶粒尺寸分布有較好的預測效果，并基于此成功模擬、優化了輪端輪轂的鍛造方案。

輪端輪轂；晶粒尺寸預測；遺傳算法；神經網絡；數值模擬

近年來，由于裝配和輕量化的要求，輪端輪轂逐漸發展為輪端輪轂單元，其由帶法蘭盤的內圈和外圈組合而成，帶法蘭盤的外圈連接在懸架上，內圈連接到剎車盤和鋼圈上，主要承擔2大功能：一是承載車身的重量，二是為輪轂提供精準導向?！?br>