论文摘要
针对3D增材印花工艺中刮刀压力、刮印速度、刮刀角度和油墨黏度等参数的组合对印花质量存在较大影响,但实际生产中各工艺参数组合无法实现最优这一问题,利用附加动量法改进下的BP神经网络构建3D增材印花工艺模型,通过实验参数对模型进行训练,确定工艺参数和印花质量间的非线性关系。利用遗传算法对该非线性函数进行极值寻优,从而得到3D增材印花工艺的最优参数组合:印花压力为4 800N,刮印角度为18°,刮印速度为400 mm/s,油墨黏度为170.5 Pa·s,该模型预测误差基本稳定在0.01范围之内。利用优化前后的参数进行对比实验,结果证明该算法可以实现3D增材印花工艺的质量预测和参数寻优,从而提升印花质量,缩短产品开发时间。
论文目录
文章来源
类型: 期刊论文
作者: 王晓晖,刘月刚,孟婥,孙以泽
关键词: 增材印花工艺,神经网络,遗传算法,参数优化,质量预测
来源: 纺织学报 2019年11期
年度: 2019
分类: 工程科技Ⅰ辑,信息科技
专业: 轻工业手工业,自动化技术
单位: 东华大学机械工程学院
基金: 国家重点研发计划项目(2017YFB0309800),工信部智能制造新模式应用项目(201746802)
分类号: TS194.49;TP18
DOI: 10.13475/j.fzxb.20180604807
页码: 168-174
总页数: 7
文件大小: 363K
下载量: 232