Print

基于遗传算法和神经网络的3D增材印花工艺参数优化

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

  • 1 3D增材印花工艺参数优化描述
  • 2 数学模型
  • 3 3D增材印花工艺参数优化算法
  •   3.1 优化算法总体设计
  •   3.2 BP神经网络结构设计
  •   3.3 遗传算法寻优
  •     1)种群初始化。
  •     2)适应度值计算。
  •     3)选择算子设计。
  •     4)交叉算子设计。
  •     5)变异算子设计。
  • 4 实验验证
  • 5 结束语

    • 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

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/4295ba0a9e772f8985ababdc.html