研究目的是通过神经网络方法反求铸造模具复杂曲面。利用径向基函数(RBF)神经网络优异的非线性逼近能力,将外形数据、加工余量、变形数据作为神经网络输入,在神经网络的输出上可以得到铸造模具曲面离散数据点。再通过输出数据,可以对模具曲面进行造型。模具曲面的重构精度高、速度快。通过在复杂曲面模具造型上的实际应用,证明该方法能够实现产品和工艺装备的并行设计,可以缩短产品研制周期,提高设计、生产速度和效率,具有实用推广价值。
开通会员