摘要：铸钢件的液态凝固成形过程非常复杂,在热节处常产生缩孔、缩松等缺陷,严重影响铸钢件的质量和使用寿命.为避免产生缩松缩孔,在工艺上通过补缩系统来消除这类缺陷,通常采用大的冒口进行补缩,导致工艺出品率过低,造成大的资源浪费,故亟需对铸钢件补缩系统优化问题进行研究.影响缩孔、缩松产生因素众多,很难定量化描述,故铸钢件补缩系统工艺优化属于典型的非线性优化问题.目前,对于铸钢件补缩系统的工艺优化多是根据技术人员的经验进行反复试错,这种试错优化方式有较大的随意性和主观性,且效率低.围绕上述关键问题,本文针对铸钢件补缩系统工艺优化的建模方法、优化方法进行了理论和实验研究,采用BP神经网络建立优化的近似替代模型,再用遗传算法对模型进行优化.对典型铸钢件走轮进行优化,与初始设计方案相比,在保证无缩松缩孔缺陷情况下,工艺出品率提高了4.1％,冒口体积减少了5.48×106mm3.
