金属工件感应加热工艺参数优化设计研究

摘要

金属工件在感应加热过程中,加热频率、电流密度(功率)和加热时间对形成硬化层的温度有决定性影响,传统的对加热频率、电流密度和加热时间这三个参数的选择和设计采用逐一试验法来获得最优组合,其过程复杂繁琐.为了快速方便得到三个参数的最优组合,提出了一种基于人工神经网络(ANN)和遗传算法(GA)的相结合的感应加热参数优化方法,首先采用正交试验获取了以加热频率、电流密度、加热时间的三个输人参数的基本组合,运用ANSYS仿真软件,建立感应加热有限元模型,并获取以感应加热参数和输出温度的待预测和优化数据,其次利用加热参数和输出温度的数据创建人工神经网络训练预测模型,最后使用遗传算法以建立的神经网络模型为适应度目标函数对感应加热参数进行优化,最终得到最优的感应加热参数组合.通过数据对比证明了该方法的有效性.