基于人工神經(jīng)網(wǎng)絡(luò)模型的消失模鑄造工藝優(yōu)化

李祥慧，鄭浩然，游曉紅，王康康

（太原科技大學(xué)，山西太原030024）

基于人工神經(jīng)網(wǎng)絡(luò)模型的消失模鑄造工藝優(yōu)化

李祥慧，鄭浩然，游曉紅，王康康

（太原科技大學(xué)，山西太原030024）

采用數(shù)值模擬方法，通過模擬板形鑄鋼的消失模鑄造充型過程，設(shè)計了以澆注溫度、模樣密度及負(fù)壓度三因素三水平的正交試驗(yàn)，對試驗(yàn)結(jié)果進(jìn)行極差分析和方差分析并采用人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，從而得出鑄鋼件的消失模鑄造的最優(yōu)工藝參數(shù)：澆注溫度為1 600℃，模樣密度為18 kg/m3，負(fù)壓度為0.05 MPa，縮孔率10.765%，為消失模鑄造生產(chǎn)鑄鋼鑄件提供參考。

消失模鑄造；數(shù)值模擬；正交試驗(yàn)；人工神經(jīng)網(wǎng)絡(luò)模型；縮孔率

在消失模鑄造充型過程中，泡沫模樣在熔融的金屬液流動前沿的作用下分解氣化，熱解產(chǎn)物從液態(tài)金屬-模樣界面?zhèn)髦烈簯B(tài)金屬-泡沫模樣-涂料界面并從涂料層逸出，其中間過程會影響鑄件的內(nèi)在和外在質(zhì)量[1]。例如澆不足、冷隔、氣孔、夾渣、縮孔縮松等缺陷的形成都是由于充型過程中模樣熱解產(chǎn)物沒有完全排出。隨著有限元技術(shù)的發(fā)展，利用數(shù)值模擬可以較準(zhǔn)確地分析鑄件質(zhì)量，但在工藝參數(shù)的優(yōu)化上，仍采用數(shù)值模擬軟件進(jìn)行大量的試驗(yàn)驗(yàn)證。本文運(yùn)用了ProCAST數(shù)值模擬軟件、正交試驗(yàn)并與人工神經(jīng)網(wǎng)絡(luò)模型相結(jié)合的方法用于鑄鋼件消失模鑄造工藝參數(shù)的優(yōu)化，減少試驗(yàn)次數(shù)，為鑄鋼件消失模鑄造工藝參數(shù)的制定提供參考。

1 模型與計算方法

1.1 數(shù)學(xué)模型

ProCAST版塊中的消失模鑄造在充型過程中的運(yùn)行是依靠式（1）～式（3）數(shù)學(xué)模型為基礎(chǔ)和前提，將熔融的液態(tài)金屬被視為粘性不可壓縮的牛頓流體為基礎(chǔ)，其流動過程遵循質(zhì)量守恒、動量守恒、能量守恒定律[2]。

質(zhì)量守恒方程為:

式中，ui，gi分別表示xi方向的速度分量和重力加速度分量；p是壓力；T表示溫度；t為時間；μ表示流體的動力黏度；ρ表示流體密度；c表示流體比熱容和λ表示流體導(dǎo)熱系數(shù)；S是熱源項(xiàng)。

1.2 模擬參數(shù)

本文研究材料是鑄鋼（ZG230-450）板形件，其液相線溫度為1 498℃，固相線溫度為1 429℃.采用UG8.0軟件繪制三維實(shí)體圖，如圖1，澆注系統(tǒng)為底注式，鑄件尺寸是200 mm×200 mm×50 mm，直澆道尺寸為直徑20mm，內(nèi)澆道尺寸是10mm×10mm；ProCAST軟件模擬及分析縮孔缺陷，圖2為縮孔分布圖。

圖1 三維實(shí)體圖

圖2 縮孔分布圖

鑄件的澆注溫度為1 550℃～1 650℃，泡沫模樣的密度為18 kg/m3～22 kg/m3，負(fù)壓度為0.04 MPa～0.06 MPa.模擬中所需的熱物性參數(shù)選用ProCAST軟件系統(tǒng)默認(rèn)參數(shù)，模樣材料采用可發(fā)性聚苯乙烯（簡稱EPS），其導(dǎo)熱系數(shù)是0.15 W/（m·k）、比熱容是3.7 kJ/（kg·K）、潛熱是100 kJ/kg、黏流態(tài)溫度350℃、玻璃態(tài)溫度330℃；砂型導(dǎo)熱系數(shù)0.53 W/（m·K），比熱容1.22 kJ/（kg·K），透氣性1.0×10-7cm2/（Pa·s），砂型與液態(tài)金屬和泡沫模樣之間換熱系數(shù)為500 W/m2·K.

2 試驗(yàn)結(jié)果與分析

2.1 正交試驗(yàn)

通過正交試驗(yàn)考查主要工藝因素對充型速度及縮孔缺陷影響程度，采用三因素三水平L9（33），試驗(yàn)的因素及水平見表1.

表2 正交試驗(yàn)結(jié)果及分析

2.3 極差分析

表3為鑄鋼充型正交試驗(yàn)的極差分析。從表3可知，在試驗(yàn)取值范圍內(nèi)，主要工藝因素對消失模鑄鋼件充型速度的影響最大的是澆注溫度，其次是模樣密度，最小的是負(fù)壓度。

表3 極差分析

2.4 方差分析

表4是用正交試驗(yàn)數(shù)據(jù)進(jìn)行方差分析的結(jié)果。通過表4可知，因素A（澆注溫度）F值為9.045，因素B（模樣密度）和因素C（負(fù)壓度）的F值分別為2.417和0.17.將F值和臨界值F0.01比較，若F＞F0.01說明該因素對縮孔率的產(chǎn)生影響顯著[3]，故可知，澆注溫度的影響比較明顯，模樣密度和負(fù)壓度的影響不是很顯著。

表1 正交試驗(yàn)因素及水平

2.2 試驗(yàn)結(jié)果分析

表2為正交試驗(yàn)結(jié)果及分析。

表4 方差分析表

2.5 結(jié)果分析

通過顯著性檢驗(yàn)分析可知：因素A（澆注溫度）在處理水平2時通過了1%的顯著水平性檢驗(yàn)，說明因素A（澆注溫度）下的試驗(yàn)編號4、5、6都通過了1%顯著性檢驗(yàn)。綜合以上極差、方差和顯著性檢驗(yàn)結(jié)果可知，鑄鋼消失模鑄造的合理鑄造工藝方案為A2B1C2，澆注溫度為1 600℃，模樣密度為18 kg/m3，負(fù)壓度為0.05 MPa.

3 BP神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)算法本身的自組織、自學(xué)習(xí)、高的預(yù)測能力和控制能力的特點(diǎn)，使其在眾多學(xué)科發(fā)揮了巨大潛能[4，5]。例如A.J.Trowsdale等人用有限元技術(shù)得到的數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)格，然后神經(jīng)網(wǎng)格預(yù)測出的輸出值與模擬值有很好的吻合[4，6]，李鋒軍等人討論了人工神經(jīng)網(wǎng)絡(luò)算法在消失模鑄造模擬仿真中的應(yīng)用，結(jié)果表明其模擬結(jié)果與實(shí)際測試結(jié)果在充型形態(tài)和充型時間上有很好的符合[7]。

其中的BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)模型中目前應(yīng)用最為廣泛的，它的模型結(jié)構(gòu)包括輸入層（input）、隱含層（hide layer）和輸出層（output layer）[8].BP神經(jīng)網(wǎng)絡(luò)模型的作用是可以在不增加實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上進(jìn)行預(yù)測和優(yōu)化結(jié)果，為工藝的優(yōu)化和實(shí)驗(yàn)成本的降低提供一種新方法[9，10].為此，本文章采用BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型預(yù)測ZG230-450鑄鋼件縮孔率，步驟如下：

1）確定訓(xùn)練樣本將表2正交試驗(yàn)中的1-8號實(shí)驗(yàn)數(shù)據(jù)作為訓(xùn)練樣本，9號實(shí)驗(yàn)數(shù)據(jù)作為檢驗(yàn)。試驗(yàn)條件（3個因素）作為樣本輸入，縮孔率為樣本輸出[11、12]。

2）參數(shù)設(shè)置使用MATLAB7.0軟件中的BP結(jié)構(gòu)模型進(jìn)行網(wǎng)絡(luò)訓(xùn)練及分析[13，14]。此網(wǎng)絡(luò)輸入了3個節(jié)點(diǎn)數(shù)，分別為澆注溫度、模樣密度、負(fù)壓度；輸出一個節(jié)點(diǎn)數(shù)是縮孔率；隱含層層數(shù)設(shè)1，節(jié)點(diǎn)數(shù)4個。使用MATLAB7.0軟件工具箱的newff函數(shù)引進(jìn)輸入、輸出層節(jié)點(diǎn)數(shù)和隱含層節(jié)點(diǎn)數(shù)。

3）程序用MATLAB7.0建立的源程序[8]如下圖圖3所示，圖4是根據(jù)訓(xùn)練樣本得到的訓(xùn)練曲線，可看出藍(lán)色曲線（訓(xùn)練值）慢慢趨近于虛線（目標(biāo)值）。

4）結(jié)果第（2）步的程序運(yùn)行完后得出了在3個因素影響下的縮孔率預(yù)測值，表5是神經(jīng)網(wǎng)絡(luò)模型的縮孔率預(yù)測值與表2中的縮孔率模擬值的對比情況，編號5的預(yù)測值和模擬值相對誤差最小，是0.182%；編號1最大，是2.187%，誤差是在可允許的范圍之內(nèi)，對此得出表2正交試驗(yàn)中的縮孔率結(jié)果與神經(jīng)網(wǎng)絡(luò)模型的縮孔率預(yù)測值基本一致。

圖3 用于神經(jīng)網(wǎng)絡(luò)模型的源程序

圖4 訓(xùn)練性能曲線

表5 神經(jīng)網(wǎng)絡(luò)模型預(yù)測值與縮孔率模擬值對比表

4 結(jié)論

1）影響消失模鑄鋼件縮孔缺陷的主要工藝因素從大到小依次是澆注溫度、模樣密度、負(fù)壓度。

2）人工神經(jīng)網(wǎng)絡(luò)模型的縮孔率預(yù)測值與正交試驗(yàn)中的縮孔率值基本一致，表明可以應(yīng)用此算法，以此縮短優(yōu)化工藝參數(shù)的時間，實(shí)現(xiàn)了可以在較少實(shí)驗(yàn)次數(shù)的情況下尋求最優(yōu)工藝。

3）正交分析試驗(yàn)數(shù)據(jù)與人工神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，得出該鑄件最佳鑄造工藝參數(shù)：澆注溫度為1 600℃，模樣密度為18 kg/m3，負(fù)壓度為0.05 MPa，此時，鑄鋼件的縮孔率最小，為10.765%.

［1］杜曉明，張倩，黃勇，等.消失模鑄造充型速度和流動前沿溫度的數(shù)值模擬研究［J］.熱加工工藝，2011，40（21）:44-46，49.

［2］李鋒軍，沈厚發(fā)，柳百成，等.消失模鑄造充型過程的計算模型［J］.清華大學(xué)學(xué)報（自然科學(xué)版），2003，43（5）:586-589.

［3］陳魁編.試驗(yàn)設(shè)計與分析［M］.第二版.北京：清華大學(xué)出版社，2005.

［4］李朝霞.人工神經(jīng)網(wǎng)絡(luò)及其在鑄造工業(yè)中的應(yīng)用［J］.鑄造，2000，49（1）:31-35.

［5］蔡安輝，孫國雄.基于人工神經(jīng)網(wǎng)絡(luò)的材料力學(xué)性能的預(yù)測與評估［J］.鑄造，2003，52（4）:269-271.

［6］Trowsdale A J.Neural networks for providing`on-line'acccess to discretised modelling techniques〔J〕.Journal of Materi-als Processing Technology，1998，（80-81）:475-480.

［7］李鋒軍，柳百成，沈厚發(fā)，等.消失模鑄造充型過程的人工神經(jīng)網(wǎng)絡(luò)算法［J］.稀有金屬材料與工程，2003，32（4）:268-271.

［8］陳偉，馬如雄，郝艷紅，等.基于MATLAB的BP人工神經(jīng)網(wǎng)絡(luò)設(shè)計［J］.電腦學(xué)習(xí)，2005，（2）:30-31.

［9］Zhang J X.The application of neural networking in agricultural engineering［J］．Transactions CSAE，1995，11（1）：28-34．

［10］張華，陳豐，夏顯明，等.基于正交試驗(yàn)-人工神經(jīng)網(wǎng)絡(luò)模型的鎂合金薄板加熱拉伸工藝優(yōu)化［J］.熱加工工藝，2011，40（22）: 5-7.

［11］Jiang Y H．Optimum extracting technology of flavonoids inlotus leaves with ethanol［J］．Transactions CSAE，2004，20（4）：168-171．

［12］宋新華，陳勝遷，陳立，等.基于正交試驗(yàn)和BP網(wǎng)絡(luò)的2524鋁合金熱處理工藝優(yōu)化及預(yù)測［J］.特種鑄造及有色合金，2014，34（5）:549-551.

［13］羅家國，汪金良.基于人工神經(jīng)網(wǎng)絡(luò)的正交實(shí)驗(yàn)分析軟件的設(shè)計與實(shí)現(xiàn)［J］.計算機(jī)應(yīng)用與軟件，2006，23（12）:75-77.

［14］趙建華，黃惠蘭，尹冬梅，等.基于神經(jīng)網(wǎng)絡(luò)的泵體鑄造過程數(shù)值模擬的優(yōu)化與應(yīng)用［J］.熱加工工藝，2009，38（13）:58-60，64.

Optimization of Casting Process for Lost Foam Casting Based on Artificial Neural Network Model

LI Xiang-hui，ZHENG Hao-ran，YOU Xiao-hong，WANG Kang-kang
（Taiyuan University of Science and Technology，Taiyuan Shangxi 030024，China）

Through simulating the filling process of carbon steel plate casting in lost foam casting process using numerical simulation method，this paper designed orthogonal experiment including factors of pouring temperature，foam density and vacuum degree.Range analysis and variance analysis of orthogonal experimental results were carried out and the process was optimized by artificial neural network model.The optimum process parameters of carbon steel for lost foam casting is determined as：pouring temperature 1 600℃，foam density is 20 kg/m3，vacuum degree 0.05 MPa，shrinkage porosity 10.765%.

lost foam casting，numerical simulation，orthogonal experiment，artificial neural network model，shrinkage porosity

TG249

A

1674-6694（2017）01-0041-03

10.16666/j.cnki.issn1004-6178.2017.01.013

2016-10-29

李祥慧（1992-），女，碩士研究生。

游曉紅（1965-），女，教授，碩士生導(dǎo)師。