基于NSGA-Ⅱ和神经网络的GFRP拉挤工艺优化
来源期刊:玻璃钢/复合材料2010年第5期
论文作者:陈幸开 谢怀勤 王国星
文章页码:57 - 61
关键词:玻璃钢;拉挤;数值模拟;神经网络;NSGA-Ⅱ;多目标优化;
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-Ⅱ)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。
陈幸开1,谢怀勤1,王国星2
1. 哈尔滨工业大学材料科学与工程学院2. 黑龙江工程学院材料与化学工程系
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-Ⅱ)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-Ⅱ;多目标优化;